基于jetson nano和yolov5 的 车行人检测（一）

毕业设计ing，但中途要出去一波。做个记录，备忘。

基于jetson nano和yolov5 的 车行人检测。

目前已经做的工作：

1、数据集的制作，原本是用的老师给的自己拍的一些数据（含夜间），但效果一般。更换BDD100K的智能驾驶数据集。

但智能驾驶的数据集的分类有10种，还有一些比较小的目标，不能直接拿过来用。

这里的工作进行了数据清洗，将小目标去除（小于图片的千分之一），将非人和车的标签去除，并将其转化成yolo格式数据集。

参考两位博主的代码：

【玩转yolov5】使用bdd100k数据集训练行人和全车模型，链接：https://blog.csdn.net/ChuiGeDaQiQiu/article/details/113415081

 bdd100k数据集制作用于YOLOv3训练，链接：https://blog.csdn.net/fly_wt/article/details/98957748

我整合了一下生成了试用我自己的。（保留夜间）

import json

# 这里是我需要的10个类别
categorys = ['car', 'bus', 'person', 'bike', 'truck', 'motor', 'train', 'rider', 'traffic sign', 'traffic light']

##但我想归类 将 car bus truck  0 1 4归为一类  0     2 person归为一类  1


def parseJson(jsonFile):
    '''
      params:
        jsonFile -- BDD00K数据集的一个json标签文件
      return:
        返回一个列表的列表，存储了一个json文件里面的方框坐标及其所属的类，
    '''
    objs = []
    obj = []
    info = jsonFile
    name = info['name']
    objects = info['labels']
    for i in objects:
        if (i['category'] in categorys):
            obj.append(int(i['box2d']['x1']))
            obj.append(int(i['box2d']['y1']))
            obj.append(int(i['box2d']['x2']))
            obj.append(int(i['box2d']['y2']))
            obj.append(i['category'])
            objs.append(obj)
            obj = []
    # print("objs",objs)
    return name, objs


# test

f = open("labels/train/bdd100k_labels_images_train.json")
info = json.load(f)
objects = info
n = len(objects)  ##图片个数
thr=0.001
for i in range(n):  #每一张图片的操作
    name, result = parseJson(objects[i])  ##result一张图片的所有个标注信息
    yolotxt = open('F:/data/bdd100k/images/labels2/train/'+name.replace('.jpg','')+'.txt', mode='w')##新建的txt
    stryolos=''  ##txt格式内容
    for j in range(len(result)):
        cls_id = categorys.index(result[j][4])
        ##归类
        if( cls_id not in [0,1,2,4]):
            continue
        if (cls_id in [0,1,4]):
            cls_id=0
        if(cls_id == 2):
            cls_id=1

        cx=(result[j][0]+result[j][2])/2

        cy = (result[j][1] + result[j][3]) / 2

        w=abs(result[j][0]-result[j][2])

        h=abs(result[j][1]-result[j][3])
        ##标记图像太小删除
        if(w*h<thr * 1280*720):
            continue

        if([cx,cy,w,h].count(0)>0):
            continue
        h=h/720
        cx = cx/ 1280
        w = w / 1280
        cy = cy/ 720

        stryolo= str(cls_id)+ ' '+str(format(cx,'.6f'))+' '+str(format(cy,'.6f'))+' '+str(format(w,'.6f'))+' '+str(format(h,'.6f'))+'\n'

        stryolos+=stryolo
    print(stryolos)
    yolotxt.write(stryolos)
    # print(len(result))
import json

# 这里是我需要的10个类别
categorys = ['car', 'bus', 'person', 'bike', 'truck', 'motor', 'train', 'rider', 'traffic sign', 'traffic light']

##但我想归类 将 car bus truck  0 1 4归为一类  0     2 person归为一类  1


def parseJson(jsonFile):
    '''
      params:
        jsonFile -- BDD00K数据集的一个json标签文件
      return:
        返回一个列表的列表，存储了一个json文件里面的方框坐标及其所属的类，
    '''
    objs = []
    obj = []
    info = jsonFile
    name = info['name']
    objects = info['labels']
    for i in objects:
        if (i['category'] in categorys):
            obj.append(int(i['box2d']['x1']))
            obj.append(int(i['box2d']['y1']))
            obj.append(int(i['box2d']['x2']))
            obj.append(int(i['box2d']['y2']))
            obj.append(i['category'])
            objs.append(obj)
            obj = []
    # print("objs",objs)
    return name, objs


# test

f = open("labels/train/bdd100k_labels_images_train.json")
info = json.load(f)
objects = info
n = len(objects)  ##图片个数
thr=0.001
for i in range(n):  #每一张图片的操作
    name, result = parseJson(objects[i])  ##result一张图片的所有个标注信息
    yolotxt = open('F:/data/bdd100k/images/labels2/train/'+name.replace('.jpg','')+'.txt', mode='w')##新建的txt
    stryolos=''  ##txt格式内容
    for j in range(len(result)):
        cls_id = categorys.index(result[j][4])
        ##归类
        if( cls_id not in [0,1,2,4]):
            continue
        if (cls_id in [0,1,4]):
            cls_id=0
        if(cls_id == 2):
            cls_id=1

        cx=(result[j][0]+result[j][2])/2

        cy = (result[j][1] + result[j][3]) / 2

        w=abs(result[j][0]-result[j][2])

        h=abs(result[j][1]-result[j][3])
        ##标记图像太小删除
        if(w*h<thr * 1280*720):
            continue

        if([cx,cy,w,h].count(0)>0):
            continue
        h=h/720
        cx = cx/ 1280
        w = w / 1280
        cy = cy/ 720

        stryolo= str(cls_id)+ ' '+str(format(cx,'.6f'))+' '+str(format(cy,'.6f'))+' '+str(format(w,'.6f'))+' '+str(format(h,'.6f'))+'\n'

        stryolos+=stryolo
    print(stryolos)
    yolotxt.write(stryolos)
    # print(len(result))

2：放入yolov5 训练...（没啥好说的）试用yolov5s模型。

放几张结果图：效果还行，后期不行再换模型，加数据。我这只用了10000张图片。

 

emmm，有点长，下一篇讲jetson nano上的工作。