TensorFlow Object Detection API 程式使用範例：即時攝影機偵測流程

先參考 TensorFlow Object Detection API 功能介紹與模型選擇選定想要使用的模型，下載後解壓縮到專案的資料夾內，再設定好執行環境。

這個範例需要一個攝影機，使用的是 SSD MobileNet V2 FPNLite 640x640 的預訓練模型。

即時攝影機物件偵測的程式碼長什麼樣子？

```python

import numpy as np

import tensorflow as tf

import VideoStream

import cv2

from object_detection.utils import label_map_util

PATH_TO_SAVED_MODEL = "./ssd_mobilenet/saved_model"

detect_fn = tf.saved_model.load(PATH_TO_SAVED_MODEL)

PATH_TO_LABELS = './models/research/object_detection/data/mscoco_label_map.pbtxt'

category_index = label_map_util.create_category_index_from_labelmap(PATH_TO_LABELS, use_display_name=True)

import time

videostream = VideoStream.VideoStream((1920, 1080), 30, 0).start()

cam_quit = 0

while cam_quit == 0:

imageSource = videostream.read()

smallImg = cv2.resize(imageSource, (1920//5, 1080//5))

input_tensor = np.expand_dims(smallImg, 0)

start_time = time.time()

detections = detect_fn(input_tensor)

end_time = time.time()

num_detections = int(detections.pop('num_detections'))

elapsed_time = end_time - start_time

print('Done! Took {} seconds'.format(elapsed_time))

detections = {key: value[0, :num_detections].numpy()

for key, value in detections.items()}

for detection_boxes, detection_classes, detection_scores in \

zip(detections['detection_boxes'], detections['detection_classes'], detections['detection_scores']):

if detection_scores > 0.3:

y_min_pixel = int(detection_boxes[0] * 1080)

x_min_pixel = int(detection_boxes[1] * 1920)

y_max_pixel = int(detection_boxes[2] * 1080)

x_max_pixel = int(detection_boxes[3] * 1920)

cv2.rectangle(imageSource, (x_min_pixel, y_min_pixel), (x_max_pixel, y_max_pixel), (255, 0, 0), 2)

cv2.imshow('frame', imageSource)

key = cv2.waitKey(1) & 0xFF

if key == ord("q"):

cam_quit = 1

cv2.destroyAllWindows()

videostream.stop()

```

這段程式的核心流程是：讀取攝影機畫面 → 縮小尺寸加快推論 → 丟進模型取得偵測結果 → 篩選信心分數大於 0.3 的框 → 換算回原始解析度畫出矩形 → 顯示畫面，按 `q` 結束迴圈並釋放資源。

這樣跑起來速度和效果如何？

執行速度不錯，一秒可以有 25 FPS，適合用於即時串流。

執行畫面目前還沒有把偵測到的類別標籤畫上去；如果想要標記類別，可以直接用 `detections['detection_classes']` 作為分類的 index，從 `category_index` 去查對應的分類名稱，再用 `cv2.putText()` 把文字畫在矩形框旁邊。

常見問題

Q為什麼要先把畫面縮小再丟進模型？

範例裡用 `cv2.resize(imageSource, (1920//5, 1080//5))` 把畫面縮到原本的五分之一再做推論，是為了加快單張畫面的推論速度，讓即時串流不會卡頓。偵測框座標算出來後，再用原始寬高（1920、1080）換算回全解析度畫面上的實際位置。

Q信心分數的門檻要怎麼抓？

範例用的門檻是 `detection_scores > 0.3`，這個數字不是固定答案。門檻設太低容易出現誤判的框，設太高則可能漏掉一些偵測目標，實務上建議依實際場景多測試幾組門檻值再決定。

Q這個範例可以直接拿去做正式產品嗎？

這是一個示範核心流程的最小範例，缺少類別標籤顯示、多目標追蹤、錯誤處理與資源釋放的例外狀況（例如攝影機中斷）等。正式產品化前，這些都需要額外補強。

參考資料

TensorFlow Object Detection API 功能介紹與模型選擇

最後更新

2026-08-27

關於作者 {#author}

Claire Chang ｜企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。

首次發布：2023-07-28