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

即時攝影機物件偵測的程式碼長什麼樣子？

import numpy as np
import tensorflow as tf
import VideoStream
import cv2

from object_detection.utils import label_map_util

# 載入模型
PATH_TO_SAVED_MODEL = "./ssd_mobilenet/saved_model"
# 載入模型
detect_fn = tf.saved_model.load(PATH_TO_SAVED_MODEL)

# 載入標籤
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

# 設定攝影機
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

延伸閱讀

• 物體偵測技術介紹：Bounding Box、類別分類與常見模型架構：同樣聚焦 物體偵測、TensorFlow，可接著比較不同情境的做法。
• TensorFlow Object Detection API 功能介紹與模型選擇：同樣聚焦 TensorFlow、物體偵測，可接著比較不同情境的做法。
• TensorFlow 目標檢測 API：訓練自己的資料：同樣聚焦 TensorFlow、物體偵測，可接著比較不同情境的做法。

最後更新

2026-08-28

關於作者

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