1.安装
tensorflow 源码在 github 主要有两个仓库，一个是tensorflow ，另一个是models，我们需要的api 在models中。
项目地址：
https://github.com/tensorflow/models
官方安装说明文档：
https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/installation.md
依赖的库：
- Numpy
- Pillow 1.0
- Jupyter notebook
- Matplotlib
- Tensorflow
以上均可使用pip 安装，操作系统本人使用ubuntu 16.04
安装：
安装到任何位置均可，使用git clone https://github.com/tensorflow/models 命令 或者 在网页下载 zip 解压均可
添加slim 路径，打开终端，进入到如下路径，并输入命令：
# From tensorflow/models/research/ export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
注意：这个命令是每次打开终端都需要输入的，如果你想每次自动运行，请在每个用户的~/.bashrc的最后一行加上，上面的命令，pwd要更改成research文件夹的绝对路径。
编译模型：
research文件夹下输入命令：
protoc object_detection/protos/*.proto --python_out=.
2.测试
测试安装成功：
python object_detection/builders/model_builder_test.py
如果出现：ran 14 tests in 0.004s 字样 说明安装成功
测试程序：
以root身份运行jupyter：
sudo jupyter-notebook --allow-root
打开research/object_detection目录下的object_detection_tutorial.ipynb,，点击cell 的 run all ，右上角python3 后面的圆点变成实心说明程序正在运行，等待几分钟，圆点变成空心，说明程序运行结束，可以看到一张狗的图片和一张海滩的测试图片，上面的被识别的物体被bounding-box 包围着。
3.运行程序
这里有一个利用tensorflow object detection api 和 opencv 写的实时目标检测程序，调用计算机上的摄像头，实时目标检测。
项目源码：
https://github.com/datitran/object_detector_app
这个项目是使用anaconda 环境，但是我没有使用anaconda，直接运行python object_detection_app.py 就可以。
运行成功可以看到出现一个小窗口，从摄像头图像实时目标检测。
通过阅读源码发现，使用的是ssd_mobilenet模型，检测速度非常快，训练的数据集是coco，关于详细源码分析，在近期的博客会写。