使用TensorFlow模型的NIWeek 2019深度学习人员识别
本帖最后由 Scadao 于 2019-12-21 12:23 编辑使用TensorFlow模型的NIWeek 2019深度学习人员识别
概览
本示例演示了使用深度学习API使用TensorFlow对象检测模型执行人员识别。
描述
此示例使用预先训练的TensorFlow对象检测模型SSD_Mobilenet_v1_Coco，可从 TensorFlow 的 Github 下载。它检测来自现实生活中的人和对象，并覆盖检测到的对象的类。它还可指示当前窗口存在的人数，并跟踪随着时间的推移捕获的人数。图形信息将保存到 .csv 文件到选择的位置。此示例演示如何使用模型导入器 API 从模型 Zoo 加载预训练的模型，提供 LabVIEW 图像数据作为输入并运行模型。
硬件和软件要求
LabVIEW 2018 64-bit及后续版本Vision Development Module 2019Windows 10 64-bit or Linux RT 64-bit
实施或执行代码的步骤
提取两个 zip 文件的内容。将ssd_mobilenet_v1_coco.pb 文件与NIWeek_ssdmobileNet.vi 放在同一路径。打开"NIWeek_ssdmobileNet.vi"的框图，并将Vision Acquisition Express VI 配置为使用您的相机。在NIWeek_ssdmobileNet.vi 的前面板上，填写以下控件： 到框架 .csv 文件中的人的路径：输入要保存 .csv 文件的路径，该文件将包含当天在帧中检测到的人数。格式应如下所示：C:\Users\nitest\Desktop。 图表开始日期：将其更改为今天的日期。运行 VI。观察所检测对象周围的叠加。该图显示在一天中同时检测到的源人数。
附加信息或参考
TensorFlow检测模型Zoo Github：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md深度学习推理引擎视觉内容：https://zone.ni.com/reference/en-XX/help/370281AG-01/nivisionconcepts/deeplearning_techniques/TensorFlow对象检测API Github自述文件：https://github.com/tensorflow/models/blob/master/research/object_detection/README.md
NIWeek2019 People Detector Demo.zip 169 KB
ssd_mobilenet_v1_coco.zip 24836 KB
页:
[1]