高速公路逆行检测1

道路分割与车辆检测：

首先实例化模型，分别是分割模型和检测模型，分别使用分割数据集和visdrone数据集训练

    model1 = YOLO('roadseg.pt') # 分割模型
    model2 = YOLO('visdrone.pt') # 目标检测模型

接着对视频或者摄像头进行输入

    video_path = "nx-fraction.mp4"
    cap = cv2.VideoCapture(video_path)
    success, test_frame = cap.read()
    video_height, video_width = test_frame.shape[:2]
    cap.set(cv2.CAP_PROP_POS_FRAMES, 0)
    # 在初始化部分添加视频写入器
    fourcc = cv2.VideoWriter_fourcc(*'mp4v')
    out = cv2.VideoWriter('seg-det.mp4', fourcc, 30.0, (video_width, video_height))

之后创建检测循环，对每一帧交替使用分割模型和检测模型，并使用yolo的绘画功能先再原始帧上绘画分割掩码，再将覆盖掩膜的图像绘画检测框。最后可视化和保存

    while cap.isOpened():
        success, frame = cap.read()
        if not success:
            break
        annotated_frame=frame.copy()
        results1=model1.track(source=annotated_frame,
                    imgsz=1280,
                    project='runs/track',
                    name='exp',
                    save=False,
                    show=False,
                    iou=0
                    , conf=0
                    )
        results2=model2.track(source=annotated_frame,
                    imgsz=1280,
                    project='runs/track',
                    name='exp',
                    save=False,
                    show=False,
                    iou=0
                    , conf=0
                    )
        # 修改后的可视化流程
        annotated_frame1=results1[0].plot(
            img=annotated_frame,
            conf=False,  # 显示置信度
            boxes=True,
        )
        annotated_frame2=results2[0].plot(
            img=annotated_frame1,
            conf=False,  # 显示置信度
            boxes=True)

        # 显示并保存处理后的帧
        cv2.imshow('Tracking', annotated_frame2)
        out.write(annotated_frame2)  # 写入帧到视频文件
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    # 释放资源
    cap.release()
    out.release()  # 释放视频写入器
    cv2.destroyAllWindows()

效果如下：