检测视频帧中的目标并绘制边界框和标签的代码
时间: 2023-06-14 15:05:47 浏览: 74
这里提供一个使用OpenCV库实现的目标检测并绘制边界框和标签的代码示例:
```python
import cv2
# 加载目标检测模型
model = cv2.dnn.readNetFromTensorflow('path/to/model.pb', 'path/to/model.pbtxt')
# 加载图像
image = cv2.imread('path/to/image.jpg')
# 获取图像尺寸
(h, w) = image.shape[:2]
# 构建一个blob,将图像输入到网络中进行检测
blob = cv2.dnn.blobFromImage(cv2.resize(image, (300, 300)), 0.007843, (300, 300), 127.5)
# 将blob输入到网络中进行检测,得到检测结果
model.setInput(blob)
detections = model.forward()
# 遍历检测结果
for i in range(0, detections.shape[2]):
# 提取置信度
confidence = detections[0, 0, i, 2]
# 过滤掉置信度过低的检测结果
if confidence > 0.5:
# 提取目标框的坐标
box = detections[0, 0, i, 3:7] * np.array([w, h, w, h])
(startX, startY, endX, endY) = box.astype("int")
# 绘制边界框和标签
label = "{:.2f}%".format(confidence * 100)
cv2.rectangle(image, (startX, startY), (endX, endY), (0, 255, 0), 2)
y = startY - 15 if startY - 15 > 15 else startY + 15
cv2.putText(image, label, (startX, y), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
# 显示结果
cv2.imshow("Output", image)
cv2.waitKey(0)
```
其中,`model`表示目标检测模型,可以根据实际需求选择不同的模型。`blobFromImage`函数将图像转换成网络所需的格式,`forward`函数将blob输入到网络中进行检测,得到检测结果。遍历检测结果,提取目标框的坐标,绘制边界框和标签,最后显示结果。