【Mark Jay】 YOLO v2交通视频识别实现过程

参照：
https://blog.csdn.net/weixin_43472830/article/details/88022869
一、所需环境：
1.python3.7
2.OpenCV3.4.1
3.TensorFlow
二、下载darkflow
源文件地址：github.com/thtrieu/darkflow 点击download即可
编译darkflow 在cmd中，将路径切换到 darkflow 所在目录，输入指令：python setup.py build_ext --inplace 即可完成编译

编译完后，界面如下：

三、 下载YOLO权重文件

YOLO 官网：https://pjreddie.com/darknet/yolo/

视频以YOLO V2为例，所以下载的是打框的文件。（下载V3的权重，发现文件太大，估计后面程序看懂后才能改），【注】把yolov2.weight中的v2去掉

这个是权重文件的格式
在darkflow 下创建一个名为bin的文件夹，把下载的权重复制进去，在复制一个待检测的视频 test.mp4，最后文件夹如下所示：

四、测试：
在cmd中，将路径切换到 darkflow 所在目录，输入指令：python flow --model cfg/yolo.cfg --load bin/yolo.weights --demo test.avi --gpu 1.0 --saveVideo 即可完成编译（没装GPU的将 --gpu 1.0去掉即可，注意指令与自己的文件名称，路径相对应）
在测试开始之前要先安装anaconda，然后在anaconda中安装OpenCV和TensorFlow：
安装anaconda：
首先在清华镜像源站https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 中下载anaconda3-5.3.1，下载好之后进行安装，过程比较简单，一步步安装就可以。利用anaconda安装OpenCV可参照下面这个链接：
https://blog.csdn.net/qq_33287871/article/details/97963280
然后利用anaconda安装TensorFlow，可参照下面这个链接：
https://www.cnblogs.com/HongjianChen/p/8385547.html
大家还是安装GPU版本吧，yolo对硬件要求高，我一开始以为我电脑的显卡不怎么样，就没安装GPU版本，装的CPU版本，结果装完测试提示我CPU计算能力不行，太尴尬了，CPU计算能力不行也勉强可以，只不过等的时间长一些，差不多两秒一帧。
在安装完成后还需要在TensorFlow环境下安装OpenCV，打开anaconda navigater

在environments中找到TensorFlow：

在右侧选择uninstalled，在里面查找OpenCV，安装即可，上图是我安装完成之后的结果。为什么要在TensorFlow环境下安装OpenCV？因为TensorFlow的使用要在anaconda prompt中先activate TensorFlow才能使用，但是在TensorFlow环境下一般是没有OpenCV的，同理在OpenCV环境下也没有TensorFlow。
运行过程：
1.先在anaconda prompt中将路径指向darkflow-master文件夹下，然后在这个路径下activate TensorFlow一下，进入到TensorFlow环境
2.运行指令
python flow --model cfg/yolo.cfg --load bin/yolo.weights --demo test.avi --gpu 1.0 --saveVideo


运行完后会在darkflow-master文件夹下生成名为video的视频。运行效果如下图所示：我随便在网上下载的一个视频，可能原来的数据集中有别的分类，这个视频中只有轿车，也给识别成truck了，但是car和person还是能够正确识别的。