TensorFlow usb摄像头视频目标检测代码

# coding: utf-8  
  
# # object Detection Demo  
# Welcome to the object detection inference walkthrough!  This notebook will walk you step by step through the process of using a pre-trained model to detect objects in an image. Make sure to follow the [installation instructions]（https://github.com/tensorflow/models/blob/master/object_detection/g3doc/installation.md） before you start.  
  
# # Imports  
  
# In[1]:  
  
import numpy as np  
import os  
import six.moves.urllib as urllib  
import sys  
import tarfile  
import tensorflow as tf  
import zipfile  
  
from collections import defaultdict  
from io import StringIO  
from matplotlib import pyplot as plt  
from PIL import Image  
  
import cv2                  #add 20170825  
cap = cv2.VideoCapture（0）   #add 20170825  
  
# ## Env setup  
  
# In[2]:                                  #delete 20170825  
# This is needed to display the images.    #delete 20170825  
#get_ipython（）.magic（‘matplotlib inline‘）   #delete 20170825  
  
# This is needed since the notebook is stored in the object_detection folder.    
sys.path.append（“..“）  
  
  
# ## object detection imports  
# Here are the imports from the object detection module.  
  
# In[3]:  
  
from utils import label_map_util  
  
from utils import visualization_utils as vis_util  
  
  
# # Model preparation   
  
# ## Variables  
#   
# Any model exported using the ‘export_inference_graph.py‘ tool can be loaded here simply by changing ‘PATH_TO_CKPT‘ to point to a new .pb file.    
#   
# By default we use an “SSD with Mobilenet“ model here. See the [detection model zoo]（https://github.com/tensorflow/models/blob/master/object_detection/g3doc/detection_model_zoo.md） for a list of other models that can be run out-of-the-box with varying speeds and accuracies.  
  
# In[4]:  
  
# What model to download.  
MODEL_NAME = ‘ssd_mobilenet_v1_coco_11_06_2017‘  
#MODEL_NAME = ‘faster_rcnn_resnet101_coco_11_06_2017‘
#MODEL_NAME = ‘ssd_inception_v2_coco_11_06_2017‘
MODEL_FILE = MODEL_NAME + ‘.tar.gz‘  
DOWNLOAD_base = ‘http://download.tensorflow.org/models/object_detection/‘  
  
# Path to frozen detection graph. This is the actual model that is used for the object detection.  
PATH_TO_CKPT = MODEL_NAME + ‘/frozen_inference_graph.pb‘  
  
# List of the strings that is used to add correct label for each box.  
PATH_TO_LABELS = os.path.join（‘data‘ ‘mscoco_label_map.pbtxt‘）  
  
NUM_CLASSES = 90  
  
  
# ## Download Model  
  
# In[5]:  
  
opener = urllib.request.URLopener（）  
opener.retrieve（DOWNLOAD_base + MODEL_FILE MODEL_FILE）  

tar_file = tarfile.open（MODEL_FILE）  
for file in tar_file.getmembers（）:  
  file_name = os.path.basename（file.name）  
  if ‘frozen_inference_graph.pb‘ in file_name:  
    tar_file.extract（file os.getcwd（））  
  
  
# ## Load a （frozen） Tensorflow model into memory.  
  
# In[6]:  
  
detection_graph = tf.Graph（）  
with detection_gra