时间戳

首页 > 解决方案 > 使用rtsp流时Tensorflow对象检测速度慢

python - 使用rtsp流时Tensorflow对象检测速度慢

问题描述

我已经按照此处的示例进行操作：https ://www.youtube.com/watch?v=MoMjIwGSFVQ并使用网络摄像头进行对象检测。

但是我已将网络摄像头切换为使用来自 IP 摄像头的rtsp流，我认为它正在流式传输H264 ，我现在注意到视频中有大约 30 秒的延迟，而且视频有时会非常停止。

这是执行主要处理的python代码：

import cv2
cap = cv2.VideoCapture("rtsp://192.168.200.1:5544/stream1")

# Running the tensorflow session
with detection_graph.as_default():
  with tf.Session(graph=detection_graph) as sess:
   ret = True
   while (ret):
      ret,image_np = cap.read()

      # Expand dimensions since the model expects images to have shape: [1, None, None, 3]
      image_np_expanded = np.expand_dims(image_np, axis=0)
      image_tensor = detection_graph.get_tensor_by_name('image_tensor:0')

      # Each box represents a part of the image where a particular object was detected.
      boxes = detection_graph.get_tensor_by_name('detection_boxes:0')

      # Each score represent how level of confidence for each of the objects.
      # Score is shown on the result image, together with the class label.
      scores = detection_graph.get_tensor_by_name('detection_scores:0')
      classes = detection_graph.get_tensor_by_name('detection_classes:0')
      num_detections = detection_graph.get_tensor_by_name('num_detections:0')

      # Actual detection.
      (boxes, scores, classes, num_detections) = sess.run(
      [boxes, scores, classes, num_detections],
          feed_dict={image_tensor: image_np_expanded})

      # Visualization of the results of a detection.
      vis_util.visualize_boxes_and_labels_on_image_array(
          image_np,
          np.squeeze(boxes),
          np.squeeze(classes).astype(np.int32),
          np.squeeze(scores),
          category_index,
          use_normalized_coordinates=True,
          line_thickness=8)

#      plt.figure(figsize=IMAGE_SIZE)
#      plt.imshow(image_np)
      cv2.imshow('image',cv2.resize(image_np,(1280,960)))
      if cv2.waitKey(25) & 0xFF == ord('q'):
          cv2.destroyAllWindows()
          cap.release()
          break

我是 python 和 tensorflow 的新手。是否应该以任何方式修改此代码以应对 rtsp 流？我的电脑没有 GPU 卡。

标签： pythonopencvtensorflow

解决方案

没有 GPU，Tensorflow 无法以高 fps 处理高质量帧。在我的机器上处理一个 640*480 帧花了将近 0.2 秒。所以它每秒可以处理大约 5 帧。

有两种方法可以使代码实时运行。

  • 降低帧的分辨率
  • 降低帧率

代码

cap = cv2.VideoCapture("rtsp://192.168.200.1:5544/stream1")
cap.set(3,640) #set frame width
cap.set(4,480) #set frame height
cap.set(cv2.cv.CV_CAP_PROP_FPS, 5) #adjusting fps to 5

注意：即使在低分辨率下，Tensorflow 对象检测也表现得相当好。

为了体验 GPU 性能，floydhub 提供免费的 GPU 服务（限时）。您可以上传代码并在 floydhub 中运行并测量性能。我发现 GPU 比 CPU 快大约 35 倍。

推荐阅读