YOLOV3目标检测

YOLOV3目标检测

YOLO3借鉴了残差网络结构，形成更深的网络层次，以及多尺度检测，提升了mAP及小物体检测效果。如果采用COCO mAP50做评估指标（不是太介意预测框的准确性的话），YOLO3的表现相当惊人，如下图所示，在精确度相当的情况下，YOLOv3的速度是其它模型的3、4倍。

效果

部分代码示例

import numpy as np
import cv2
import time

#（1）加载预训练的COCO数据集
classesFile = 'coco.names'  # 指定coco数据集分类名所在路径
classNames = []  # 创建列表，存放coco数据集的分类名称

# 打开数据集名称的文件
with open(classesFile, 'rt') as f:  #读取文本文件
    classNames = f.read().rstrip('\n').split('\n')  # 通过换行符来拆分，再读入

# 加载yolov3结构cfg文件
modelConfiguration = 'yolov3.cfg'
# 加载yolov3网络权重
modelWeights = 'yolov3.weights'

# 确定输入图像的宽和高
wInput, hInput = 320, 320

# 自定义目标检测的最小置信度
confThreshold = 0.5

# 自定义非极大值抑制的参数
nms_threshold = 0.3


#（2）构建网络结构
# 导入darknet53网络，传入cfg文件和网络权重
net = cv2.dnn.readNetFromDarknet(modelConfiguration, modelWeights)
# 申明使用opencv作为后端
net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV)
# 申明使用CPU计算
net.setPreferableTarget(cv2.dnn.DNN_TARGET_CPU)


#（3）获取摄像头
videoFile = '行人1.mp4'
cap = cv2.VideoCapture(videoFile) # 0代表电脑自带的摄像头,代表外接摄像头 


#（4）定义函数用于检测目标，获取检测框信息，以及分类类别
def findObjects(outputs, img):
    
    # 图像的高度、宽度、通道数
    hT, wT, cT = img.shape  # 先保存高度，再保存宽度
    
    # 定义一个列表存放检测框的中心点坐标和宽高
    bbox = []
    # 定义列表存放分类的名称的索引
    classIds = []
    # 定义列表存放置信度
    confs = [] # 如果找到目标了，就将检测框的信息存放起来
    
    # 遍历三个输出层
    for output in outputs:
        
        # 遍历输出层的85项信息
        for det in output:  # det是数组类型
            
            # 在80个分类中找到哪个分类的值是最高的
            score = det[5:]  # 忽略检测框的x,y,w,h,c
            
            # 找到分类值最大对应的索引号
            classId = np.argmax(score)
            
            # 找到分类概率最大值的索引对应的值
            confidence = score[classId]
            
            # 如果检测置信度大于规定的阈值，表明检测到了物体
            if confidence > confThreshold:
                
                # 记录检测框的宽和高，这里的宽高是归一化之后的比例宽度和高度
                w, h = int(det[2]*wT), int(det[3]*hT)  # 比例宽高转为像素宽高，像素宽高是整数
                
                # 记录检测框的左上角坐标
                x, y = int(det[0]*wT-w/2), int(det[1]*hT-h/2)
                
                # 将检测框的信息保存起来
                bbox.append([x, y, w, h])
                # 将目标属于哪个类别的索引保存下来
                classIds.append(classId)
                # 保存检测框的置信度，检测出某个目标的概率
                confs.append(float(confidence))
    
    
    #（5）消除重叠的矩形框，非极大值抑制
    indices = cv2.dnn.NMSBoxes(bbox, confs, confThreshold, nms_threshold)  # 返回检测框的索引 
    
    # 遍历索引绘制矩形框
    for i in indices:
        
        # i = i[0]
        
        # 在所有包含目标的矩形框中找到最符合的矩形框
        box = bbox[i]
        
        # 提取矩形框的信息
        x, y, w, h = box[0], box[1], box[2], box[3]
        
        # 绘制矩形框
        cv2.rectangle(img, (x,y), (x+w,y+h), (255,255,0), 2)
        
        # 显示文本
        cv2.putText(img, f'{classNames[classIds[i]]}',
                    (x,y+h+18), cv2.FONT_HERSHEY_COMPLEX, 0.8, (0,255,0), 2)
        
        cv2.putText(img, f'{int(confs[i]*100)}%',
                    (x,y-8), cv2.FONT_HERSHEY_COMPLEX, 0.8, (0,0,255), 2)  

#（5）处理帧图像
while True:
    
    # 接收图片是否导入成功、帧图像
    success, img = cap.read()
    
    # 改变图像大小
    img = cv2.resize(img, (1280,720))
    
    # 视频较短，循环播放
    if cap.get(cv2.CAP_PROP_POS_FRAMES) == cap.get(cv2.CAP_PROP_FRAME_COUNT):
        
        # 如果当前帧==总帧数，那就重置当前帧为0
        cap.set(cv2.CAP_PROP_POS_FRAMES, 0)
    
   

# 释放视频资源
cap.release()
cv2.destroyAllWindows()