能否在Azure ML中实现视频目标检测？含代码运行问题求指导

一、创建视频数据资产并获取数据 #

• 上传视频到数据资产
  登录Azure ML Studio，进入「数据」页面，点击「创建」选择「数据资产」，选择「本地文件」上传目标视频（如sample_video_1.avi），设置名称、类型为「文件」后完成创建。
• 在Notebook中访问数据资产
  先加载工作区并下载数据：

  from azure.ai.ml import MLClient
  from azure.identity import DefaultAzureCredential
  import os
  
  # 替换为你的订阅、资源组和工作区信息
  ml_client = MLClient(DefaultAzureCredential(), subscription_id="你的订阅ID", resource_group_name="资源组名", workspace_name="工作区名")
  
  # 获取数据资产并下载到本地
  data_asset = ml_client.data.get("你的数据资产名称", version="版本号")
  download_path = "./data"
  os.makedirs(download_path, exist_ok=True)
  ml_client.data.download(name=data_asset.name, version=data_asset.version, download_path=download_path)
  
  # 视频文件路径
  video_file = os.path.join(download_path, "sample_video_1.avi")
  

二、修正Blob检测代码适配Azure ML环境 #

原代码无法运行核心原因是Azure ML计算实例无图形界面，cv2.imshow无法生效，同时需处理OpenCV版本兼容问题，以下是可运行的修正代码：

1. 安装依赖 #

在Notebook单元格中执行：

!pip install opencv-python numpy matplotlib

2. 修正后的代码 #

import cv2
import numpy as np
import matplotlib.pyplot as plt
import os

# 配置Blob检测器参数
params = cv2.SimpleBlobDetector_Params()
params.minThreshold = 10
params.maxThreshold = 200
params.filterByArea = True
params.minArea = 1500
params.filterByCircularity = True
params.minCircularity = 0.1
params.filterByConvexity = True
params.minConvexity = 0.87
params.filterByInertia = True
params.minInertiaRatio = 0.01

# 兼容不同OpenCV版本的检测器创建
try:
    detector = cv2.SimpleBlobDetector_create(params)
except AttributeError:
    detector = cv2.xfeatures2d.SimpleBlobDetector_create(params)

# 视频文件路径（从数据资产下载后的路径）
video_file = "./data/sample_video_1.avi"
cap = cv2.VideoCapture(video_file)

# 创建结果保存目录
output_dir = "./blob_detection_results"
os.makedirs(output_dir, exist_ok=True)

frame_count = 0
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break  # 视频读取完毕
    
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    keypoints = detector.detect(gray)
    im_with_keypoints = cv2.drawKeypoints(gray, keypoints, np.array([]), (0,0,255), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)

    # 保存检测后的帧到本地
    frame_output_path = os.path.join(output_dir, f"frame_{frame_count:04d}.jpg")
    cv2.imwrite(frame_output_path, im_with_keypoints)

    # （可选）调试时用matplotlib显示单帧
    # plt.figure(figsize=(10, 6))
    # plt.imshow(cv2.cvtColor(im_with_keypoints, cv2.COLOR_BGR2RGB))
    # plt.title(f"Blob Detection - Frame {frame_count}")
    # plt.axis('off')
    # plt.show()

    frame_count += 1

cap.release()
print(f"检测完成，共处理{frame_count}帧，结果保存至{output_dir}")

三、常见问题排查 #

• 视频读取失败：检查文件路径是否正确，或直接使用视频的SAS URL作为VideoCapture参数（无需下载）：

  video_sas_url = "你的视频SAS链接"
  cap = cv2.VideoCapture(video_sas_url)
  

• 检测器创建失败：尝试安装指定兼容版本的OpenCV：!pip install opencv-python==4.5.5.62
• 大视频处理卡顿：切换至更高配置的计算实例（如Standard_DS3_v2及以上）

内容的提问来源于stack exchange，提问作者sumit Sp