这段时间在做三维重建，为了达到更好的重建效果，想在三维重建的工作开始前增加物体识别这一功能，以便针对特定的物体进行相应的优化，国内也不乏有众多公司在做通用图片识别，诸如：旷世，商汤，百度，图普等，这里我们主要以目前比较热门的Google框架作为我们的介绍内容，本文主要借鉴自：对于谷歌开源的TensorFlow Object Detection API视频物体识别系统实现教程

，同时，对原文中一些不正确或者可以优化的部分进行了优化，调整，以供后面的读者学习借鉴，好了，我们接下来就开始介绍具体的步骤了。

Step1：检查系统环境！本文使用的系统环境为Windows 7 with SP1 x64

             注：tensorflow要求环境必须为64位！Python要求必须是带有Sp1更新包的Win 7系统！为了避免后面运行出错，请各位在开始之前先检查你的系统是否符合要求：

Step2：安装Python 3.5.2 官方下载地址  CSDN下载地址

            注：为了避免一些不必要的麻烦，请您安装与博主相同版本的Python！Tensorflow仅支持3.5.X版本的Python,但是在实际运行过程中，笔者使用3.5.4版本的Python在pip安装组件的过程中也发现了一些麻烦。如果你已经安装过更高版本的Python,请提卸载后再安装。

安装成功python后，在CMD下运行:

where python

应该有这样的效果，如果未出现如下图所示内容，请检查python安装是否正确（安装过程中是否勾选Add path）：

Step3:安装tensorflow（tensorflow分为gpu版本和cpu版本，这里仅介绍CPU版本）

方法1（常规，不推荐）：在CMD下运行即可完成安装，但是因为网络等方面原因，此种方法不但速度慢还容易出现失败的情况，我们推荐使用第二种方法来安装tensorflow

pip install --upgrade tensorflow

方法2（镜像安装，快速,推荐）：同样是在CMD下运行：

pip install --index-url https://pypi.douban.com/simple tensorflow

在下载并安装一段时间后，CMD下会提示成功安装tensorflow等信息，这时我们需要验证python是否安装成功！打开IDLE（方法1）或者在cmd中进入python环境（方法2），这里为了说清楚IDLE我具体介绍一下方法1，首先找到IDLE,IDLE在python的安装目录下，这里为了方便各位找到，博主把自己的IDLE路径贴出来：

C:\Users\jinjing\AppData\Local\Programs\Python\Python35\Lib\idlelib

DILE就是这样一个批处理文件，我们双击打开就进入IDLE了，在IDLE下，我们逐行敲入：

import tensorflow as tf
hello=tf.constant("hello,bear")
sess=tf.Session()
print(sess.run(hello))

当输出打印语句且不报错时，说明我们的tensorflow已经安好！

当然也可以按方法2所示，先进入python环境再测试，效果如图，本张图片参考自：图片原文：

附：GPU版本可以使用如下语句安装

pip install tensorflow_gpu -i http://pypi.mirrors.ustc.edu.cn/simple --trusted-host pypi.mirrors.ustc.edu.cn

注：如果已经成功安装tensorflow，但是在import过程中出现错误提示如下：

说明你的电脑缺少运行环境，缺少运行库，这里，我们安装VS 2015运行库即可解决问题：VS 2015运行库下载地址

Step4:安装protoc,github下载地址，博主所用版本为3.6.1（3.6.1版本CSDN下载）

          注：这里推荐大家用更新版本的protoc，因为博主比较懒，没有更换。这里使用新版本的意义在于方便后面对API的编译，博主所用的版本需要逐条编译，更新版本的可以一次编译，用新版本可以省去很多无用的重复劳动！

下载好文件后，我们解压，把Bin文件夹中的protoc.exe文件放入系统盘下的windows/system 32下即可，无需其他操作：

放置路径：

C:\Windows\System32

 

Step5:安装Git.Git下载地址，Git CSDN下载地址

这里我们一路点确认就好，傻瓜式安装，安装步骤如下：

Step6:安装其他组件：

方法1（常规，不推荐）：在CMD下运行即可完成安装，但是因为网络等方面原因，此种方法不但速度慢还容易出现失败的情况，我们推荐使用第二种方法：

pip install pillow
pip install lxml
pip install jupyter
pip install matplotlib

方法2（镜像安装，快速,推荐）：同样是在CMD下运行：

pip install pillow -i https://pypi.douban.com/simple
pip install lxml -i https://pypi.douban.com/simple
pip install jupyter -i https://pypi.douban.com/simple
pip install matplotlib -i https://pypi.douban.com/simple

 Step7:下载代码，在CMD下运行,这一步需要的时间比较长，文件总大小500M+，大家可以稍安勿躁，冲杯茶水等待：

git clone https://github.com/tensorflow/models.git

Step8： 编译编译Object Detection API的代码

      注1：编译前需要进入models下的research中，直接编译会提示找不到文件路径，博主在Step 7中下载的models文件路径为：

C:\Users\jinjing\models

以博主的路径为例，我们需要在编译前进行操作：

 

然后，我们再输入编译命令即可：

protoc object_detection/protos/*.proto --python_out=.

         注2：如果你在输入如上的编译语句后里遇到如下图所示的问题,是因为我们protoc的问题，导致无法一次编译，我们这时，逐条编译即可：

//错误提示！
object_detection/protos/*.proto:No such file or directory

解决方法：逐条编译

每一条编译后都会出现一个Python文件，如图所示：

Step9: 确认电脑的默认浏览器

       这个框架对于部分版本的IE支持并不是很好，所以我们推荐使用chrome浏览器！请各位在下一步操作前确认你的电脑已经安装chrome并未默认浏览器，默认浏览器设置步骤：

Step10：运行物体识别

CMD在Object_detection目录下运行:

jupyter notebook

      注：注意目录！具体操作如下图所示：

运行后，会自动弹出chrome浏览器，这时，我们点击：

 

这时我们耐心等待结果即可， 因为需要下载模型，同时和你所处的计算机硬件也有关系，所以通常所需的时间比较长，耐心等待一段时间后我们就能在页面看到识别的结果啦！至此教程全部结束：

        注：如果你需要用自己的图片，有两种方法：

方法1：将图片放入默认文件夹，命名需和示例图片一致：

方法2：修改代码，使用绝对路径：