使用YOLO进行人体检测：https://github.com/pascal1129/yolo_person_detect.git 教程

最新推荐文章于 2024-08-20 13:54:54 发布

葛瀚纲Deirdre

最新推荐文章于 2024-08-20 13:54:54 发布

阅读量278

点赞数 4

本文链接：https://blog.csdn.net/gitblog_00108/article/details/141212344

版权

使用YOLO进行人体检测：https://github.com/pascal1129/yolo_person_detect.git 教程

yolo_person_detectperson detect based on yolov3 with several Python scripts项目地址:https://gitcode.com/gh_mirrors/yo/yolo_person_detect

1. 项目目录结构及介绍

.
├── config                 # 配置文件夹
│   ├── yolov3.cfg         # YOLO模型配置文件
│   └── classes.txt        # 类别标签文件
├── darknet                # 第三方Darknet框架的依赖库
├── images                 # 测试图片存放位置
├── script                 # 脚本文件夹
│   ├── detect.sh          # Linux shell脚本，用于运行检测
│   └── detect.py          # Python脚本，用于执行检测
└── weights                 # 模型权重文件夹
    └── yolov3.weights      # 下载的预训练YOLO模型权重

该项目的主要组件包括一个配置文件夹（config），其中包含了YOLO模型的配置和类别标签；一个脚本文件夹（script）存储了用于运行对象检测的shell和Python脚本；以及一个放置预训练模型权重（weights）的文件夹。

2. 项目的启动文件介绍

2.1 `detect.sh` (Linux Shell脚本)

此脚本是用于在Linux环境中通过命令行执行YOLO模型进行人体检测。它调用了./darknet detector命令来加载模型和权重文件，对指定图像或视频进行处理：

#!/bin/bash
cd darknet
./darknet detector test ../config/yolov3.cfg ../weights/yolov3.weights $1 -thresh 0.5

将$1替换为要检测的图像路径，脚本会输出结果并显示带有检测框的图像。

2.2 `detect.py` (Python脚本)

这个Python脚本利用OpenCV库和YOLO模型权重文件实现相同功能，即对人体检测进行编程控制：

import cv2
import os
from script.config import *

# 加载模型和配置
net = cv2.dnn.readNet(weights_path, config_path)
classes = load_classes(classes_path)

# 图像处理
image = cv2.imread(image_path)
if image is None:
    print('Failed to load image:', image_path)
    exit(-1)

# 执行检测
blob = create_blob(image)
net.setInput(blob)
outs = net.forward(layers_names)

# 处理检测结果
process_detection(image, outs, classes)

detect.py中load_classes、create_blob和process_detection等函数需在实际脚本中定义。通过修改image_path变量，你可以指定要检测的图像。