无需训练即可使用的Python视频目标识别预配置库有哪些？

你可以直接使用Python生态下的ImageAI库实现需求，该库提供了训练完成的成熟预训练模型，支持识别80+种日常常见物体，包含你需要的电线杆、垃圾桶、狗、行人、机动车等城市街道场景典型对象，无需额外标注训练数据集。

前置依赖安装 #

• 先安装基础依赖包：
  pip install tensorflow opencv-python imageai
• 下载官方提供的YOLOv3预训练权重文件（直接搜索ImageAI YOLOv3.pt即可找到官方下载源，无需自行训练生成），放到你的代码运行目录下。

核心调用代码 #

from imageai.Detection import VideoObjectDetection
import os

# 获取当前代码运行路径
run_path = os.getcwd()

# 初始化检测对象，加载预训练模型
detector = VideoObjectDetection()
detector.setModelTypeAsYOLOv3()
detector.setModelPath(os.path.join(run_path, "yolov3.pt"))
detector.loadModel()

# 传入你的街道行走MP4视频，执行识别
output_path = detector.detectObjectsFromVideo(
    input_file_path=os.path.join(run_path, "你的街道行走视频文件名.mp4"),
    output_file_path=os.path.join(run_path, "识别结果输出视频.mp4"),
    frames_per_second=20,
    log_progress=True
)

print("识别完成，输出视频路径：", output_path)

结果说明 #

运行代码后会自动输出两类结果：

• 控制台实时打印每帧识别到的物体类别、置信度、坐标位置信息，你可以直接提取需要的对象结果
• 生成带可视化标注框的输出视频，所有识别到的对象都会用边框+标签标注在画面对应位置

备选方案 #

如果需要更轻量的实现，也可以选择以下方案：

• 直接使用ultralytics库的YOLOv8预训练模型，调用逻辑更简洁，推理速度更快，同样支持80+类常见物体识别
• 调用OpenCV的DNN模块，加载官方预训练的SSD、YOLO系列模型，也可以实现零训练的视频物体识别需求

内容的提问来源于stack exchange，提问作者0004