基于yolov8，制作停车位计数器(附源码)

最新推荐文章于 2024-06-17 17:14:52 发布
最新推荐文章于 2024-06-17 17:14:52 发布
阅读量651 收藏 8
点赞数 9
文章标签： YOLO
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/river_star1/article/details/135235565
版权

4cf35d98e800ee81443df1decca92eb1.gif

大家好，我是小F～

YOLO(You Only Look Once)是由Joseph Redmon和Ali开发的一种对象检测和图像分割模型。

YOLO的第一个版本于2015年发布，由于其高速度和准确性，瞬间得到了广大AI爱好者的喜爱。

cdb4f55b4c41fa1df0d12bebec00cc92.png

Ultralytics YOLOv8则是一款前沿、最先进(SOTA)的模型，基于先前YOLO版本的成功，引入了新功能和改进，进一步提升性能和灵活性。

YOLOv8设计快速、准确且易于使用，使其成为各种物体检测与跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。

c1e43e1a106cc8227aa02f10ead4cbcf.png

项目地址：

https://github.com/ultralytics/ultralytics

其中官方提供了示例，通过Python代码即可实现YOLOv8对象检测算法模型，使用预训练模型来检测我们的目标。

而且对电脑需求也不高，CPU就能运行代码。

今天小F就给大家介绍三个使用YOLOv8制作的计数器，非常实用。

使用到Python版本以及相关Python库。

Python 3.9.7
ultralytics 8.0.178
opencv-contrib-python 4.8.1.78
opencv-python 4.8.0.74
cvzone 1.5.6

/ 01 /

客流检测器

使用OpenCV检测顾客，并且设定客人进出区域，实现实时计算进出顾客的数量。

9d9bad18358f860e117b32f503149f5b.png

客流量统计对于零售行业来说是非常重要的。

统计每天的进出店人数、过店人数以及人均驻留时间等。

依据这些数据，经营者可以对店铺的经营策略进行调整，实现店铺的经营效益最大化。

接下来就来看一下客流计数器的检测代码吧！

import cv2
import numpy as np
from tracker import *
import cvzone
import time

bg_subtractor = cv2.createBackgroundSubtractorMOG2(history=200, varThreshold=140)

# 打开视频
video_capture = cv2.VideoCapture(r"store.mp4")


def RGB(event, x, y, flags, param):
    if event == cv2.EVENT_MOUSEMOVE:
        point = [x, y]
        print(point)


cv2.namedWindow('RGB')
cv2.setMouseCallback('RGB', RGB)
tracker = Tracker()

area1 = [(213, 165), (200, 189), (693, 373), (697, 341)]
area2 = [(195, 199), (186, 213), (683, 404), (689, 388)]
er = {}
counter1 = []
ex = {}
counter2 = []
while True:
    ret, frame = video_capture.read()
    if not ret:
        break

    frame = cv2.resize(frame, (1028, 500))

    mask = bg_subtractor.apply(frame)
    _, mask = cv2.threshold(mask, 245, 255, cv2.THRESH_BINARY)
    contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    list = []
    for cnt in contours:
        area = cv2.contourArea(cnt)
        if area > 1500:
            # cv2.drawContours(frame, [cnt], -1, (0, 255, 0), 2)
            x, y, w, h = cv2.boundingRect(cnt)
            list.append([x, y, w, h])
    bbox_idx = tracker.update(list)
    for bbox in bbox_idx:
        x1, y1, x2, y2, id = bbox
        cx = int(x1 + x1 + x2) // 2
        cy = int(y1 + y1 + y2) // 2
        result = cv2.pointPolygonTest(np.array(area1, np.int32), ((cx, cy)), False)
        if result >= 0:
            er[id] = (cx, cy)
        if id in er:
            result1 = cv2.pointPolygonTest(np.array(area2, np.int32), ((cx, cy)), False)
            if result1 >= 0:
                cv2.rectangle(frame, (x1, y1), (x2 + x1, y2 + y1), (0, 255, 0), 3)
                cvzone.putTextRect(frame, f'{id}', (cx, cy), 2, 2)
                cv2.circle(frame, (cx, cy), 5, (0, 255, 0), -1)
                if counter1.count(id) == 0:
                    counter1.append(id)

        result2 = cv2.pointPolygonTest(np.array(area2, np.int32), ((cx, cy)), False)
        if result2 >= 0:
            ex[id] = (cx, cy)
        if id in ex:
            result3 = cv2.pointPolygonTest(np.array(area1, np.int32), ((cx, cy)), False)
            if result3 >= 0:
                cv2.rectangle(frame, (x1, y1), (x2 + x1, y2 + y1), (0, 0, 255), 3)
                cvzone.putTextRect(frame, f'{id}', (cx, cy), 2, 2)
                cv2.circle(frame, (cx, cy), 5, (0, 255, 0), -1)
                if counter2.count(id) == 0:
                    counter2.append(id)

    cv2.polylines(frame, [np.array(area1, np.int32)], True, (0, 0, 255), 2)
    cv2.polylines(frame, [np.array(area2, np.int32)], True, (0, 0, 255), 2)

    Enter = len(counter1)
    Exit = len(counter2)
    cvzone.putTextRect(frame, f'ENTER:-{Enter}', (50, 60), 2, 2)
    cvzone.putTextRect(frame, f'EXIT:-{Exit}', (50, 130), 2, 2)

    cv2.imshow('RGB', frame)
    time.sleep(0.01)
    if cv2.waitKey(1) & 0xFF == 27:  # Press 'Esc' to exit
        break

# 释放资源, 关闭窗口
video_capture.release()
cv2.destroyAllWindows()

结果如下。

0ef1986ebf43d2ea57ea161ca8261baa.gif

/ 02 /

鸡蛋计数器

使用OpenCV和YOLOv8检测鸡蛋个数。

能够高效、准确、安全可靠的完成鸡蛋个数的统计工作。

06b0a7affdc8249bf0a092e2f6dc3316.jpeg

基于yolov8-seg实例分割的实时检测。

具体代码如下。

import cv2
from yolo_segmentation import YOLOSEG
import cvzone
from tracker import *
import numpy as np

ys = YOLOSEG("best.pt")

my_file = open("coco1.txt", "r")
data = my_file.read()
class_list = data.split("\n")

cap = cv2.VideoCapture('egg.mp4')
count = 0


def RGB(event, x, y, flags, param):
    if event == cv2.EVENT_MOUSEMOVE:
        point = [x, y]
        print(point)


cv2.namedWindow('RGB')
cv2.setMouseCallback('RGB', RGB)
tracker = Tracker()
area = [(434, 39), (453, 629), (473, 634), (456, 36)]
counter1 = []
while True:
    ret, frame = cap.read()
    if not ret:
        break

    frame = cv2.resize(frame, (1020, 700))
    overlay = frame.copy()
    alpha = 0.5

    bboxes, classes, segmentations, scores = ys.detect(frame)
    bbox_idx = tracker.update(bboxes)
    for bbox, seg in zip(bbox_idx, segmentations):
        x3, y3, x4, y4, id = bbox
        cx = int(x3 + x4) // 2
        cy = int(y3 + y4) // 2
        result = cv2.pointPolygonTest(np.array(area, np.int32), ((cx, cy)), False)
        if result >= 0:
            #       cv2.rectangle(frame, (x3, y3), (x4, y4), (255, 0, 0), 2)
            #           cv2.polylines(frame, [seg], True, (0, 0, 255), 4)
            cv2.circle(frame, (cx, cy), 4, (0, 255, 0), -1)
            cv2.fillPoly(overlay, [seg], (0, 0, 255))
            cv2.addWeighted(overlay, alpha, frame, 1 - alpha, 2, frame)
            cvzone.putTextRect(frame, f'{id}', (x3, y3), 1, 1)
            if counter1.count(id) == 0:
                counter1.append(id)
    cv2.polylines(frame, [np.array(area, np.int32)], True, (255, 0, 0), 2)
    ca1 = len(counter1)
    cvzone.putTextRect(frame, f'Egg: {ca1}', (50, 60), 2, 2)

    cv2.imshow("RGB", frame)
    if cv2.waitKey(1) & 0xFF == 27:
        break
cap.release()
cv2.destroyAllWindows()

运行代码，结果如下。

4dfaab6d4a5e5bcd48d6fb07bf4d407f.gif

/ 03 /

停车位计数器

使用OpenCV和YOLOv8检测停车场剩余车位。

提醒车主停车场各个区域的剩余车位信息。

使停车场车位管理更加规范有序，提高车位使用率。

import cv2
import pandas as pd
import numpy as np
from ultralytics import YOLO
import time

model = YOLO('yolov8s.pt')


def RGB(event, x, y, flags, param):
    if event == cv2.EVENT_MOUSEMOVE:
        colorsBGR = [x, y]
        print(colorsBGR)


cv2.namedWindow('RGB')
cv2.setMouseCallback('RGB', RGB)

cap = cv2.VideoCapture('parking1.mp4')

my_file = open("coco.txt", "r")
data = my_file.read()
class_list = data.split("\n")

area1 = [(52, 364), (30, 417), (73, 412), (88, 369)]

area2 = [(105, 353), (86, 428), (137, 427), (146, 358)]

area3 = [(159, 354), (150, 427), (204, 425), (203, 353)]

area4 = [(217, 352), (219, 422), (273, 418), (261, 347)]

area5 = [(274, 345), (286, 417), (338, 415), (321, 345)]

area6 = [(336, 343), (357, 410), (409, 408), (382, 340)]

area7 = [(396, 338), (426, 404), (479, 399), (439, 334)]

area8 = [(458, 333), (494, 397), (543, 390), (495, 330)]

area9 = [(511, 327), (557, 388), (603, 383), (549, 324)]

area10 = [(564, 323), (615, 381), (654, 372), (596, 315)]

area11 = [(616, 316), (666, 369), (703, 363), (642, 312)]

area12 = [(674, 311), (730, 360), (764, 355), (707, 308)]

while True:
    ret, frame = cap.read()
    if not ret:
        break
    time.sleep(1)
    frame = cv2.resize(frame, (1020, 500))

    results = model.predict(frame)
    #   print(results)
    a = results[0].boxes.boxes
    px = pd.DataFrame(a).astype("float")
    #    print(px)
    list1 = []
    list2 = []
    list3 = []
    list4 = []
    list5 = []
    list6 = []
    list7 = []
    list8 = []
    list9 = []
    list10 = []
    list11 = []
    list12 = []

    for index, row in px.iterrows():
        #        print(row)

        x1 = int(row[0])
        y1 = int(row[1])
        x2 = int(row[2])
        y2 = int(row[3])
        d = int(row[5])
        c = class_list[d]
        if 'car' in c:
            cx = int(x1 + x2) // 2
            cy = int(y1 + y2) // 2

            results1 = cv2.pointPolygonTest(np.array(area1, np.int32), ((cx, cy)), False)
            if results1 >= 0:
                cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
                cv2.circle(frame, (cx, cy), 3, (0, 0, 255), -1)
                list1.append(c)
                cv2.putText(frame, str(c), (x1, y1), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255), 1)

            results2 = cv2.pointPolygonTest(np.array(area2, np.int32), ((cx, cy)), False)
            if results2 >= 0:
                cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
                cv2.circle(frame, (cx, cy), 3, (0, 0, 255), -1)
                list2.append(c)

            results3 = cv2.pointPolygonTest(np.array(area3, np.int32), ((cx, cy)), False)
            if results3 >= 0:
                cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
                cv2.circle(frame, (cx, cy), 3, (0, 0, 255), -1)
                list3.append(c)
            results4 = cv2.pointPolygonTest(np.array(area4, np.int32), ((cx, cy)), False)
            if results4 >= 0:
                cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
                cv2.circle(frame, (cx, cy), 3, (0, 0, 255), -1)
                list4.append(c)
            results5 = cv2.pointPolygonTest(np.array(area5, np.int32), ((cx, cy)), False)
            if results5 >= 0:
                cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
                cv2.circle(frame, (cx, cy), 3, (0, 0, 255), -1)
                list5.append(c)
            results6 = cv2.pointPolygonTest(np.array(area6, np.int32), ((cx, cy)), False)
            if results6 >= 0:
                cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
                cv2.circle(frame, (cx, cy), 3, (0, 0, 255), -1)
                list6.append(c)
            results7 = cv2.pointPolygonTest(np.array(area7, np.int32), ((cx, cy)), False)
            if results7 >= 0:
                cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
                cv2.circle(frame, (cx, cy), 3, (0, 0, 255), -1)
                list7.append(c)
            results8 = cv2.pointPolygonTest(np.array(area8, np.int32), ((cx, cy)), False)
            if results8 >= 0:
                cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
                cv2.circle(frame, (cx, cy), 3, (0, 0, 255), -1)
                list8.append(c)
            results9 = cv2.pointPolygonTest(np.array(area9, np.int32), ((cx, cy)), False)
            if results9 >= 0:
                cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
                cv2.circle(frame, (cx, cy), 3, (0, 0, 255), -1)
                list9.append(c)
            results10 = cv2.pointPolygonTest(np.array(area10, np.int32), ((cx, cy)), False)
            if results10 >= 0:
                cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
                cv2.circle(frame, (cx, cy), 3, (0, 0, 255), -1)
                list10.append(c)
            results11 = cv2.pointPolygonTest(np.array(area11, np.int32), ((cx, cy)), False)
            if results11 >= 0:
                cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
                cv2.circle(frame, (cx, cy), 3, (0, 0, 255), -1)
                list11.append(c)
            results12 = cv2.pointPolygonTest(np.array(area12, np.int32), ((cx, cy)), False)
            if results12 >= 0:
                cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
                cv2.circle(frame, (cx, cy), 3, (0, 0, 255), -1)
                list12.append(c)

    a1 = (len(list1))
    a2 = (len(list2))
    a3 = (len(list3))
    a4 = (len(list4))
    a5 = (len(list5))
    a6 = (len(list6))
    a7 = (len(list7))
    a8 = (len(list8))
    a9 = (len(list9))
    a10 = (len(list10))
    a11 = (len(list11))
    a12 = (len(list12))
    o = (a1 + a2 + a3 + a4 + a5 + a6 + a7 + a8 + a9 + a10 + a11 + a12)
    space = (12 - o)
    print(space)
    if a1 == 1:
        cv2.polylines(frame, [np.array(area1, np.int32)], True, (0, 0, 255), 2)
        cv2.putText(frame, str('1'), (50, 441), cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 0, 255), 1)
    else:
        cv2.polylines(frame, [np.array(area1, np.int32)], True, (0, 255, 0), 2)
        cv2.putText(frame, str('1'), (50, 441), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255), 1)
    if a2 == 1:
        cv2.polylines(frame, [np.array(area2, np.int32)], True, (0, 0, 255), 2)
        cv2.putText(frame, str('2'), (106, 440), cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 0, 255), 1)
    else:
        cv2.polylines(frame, [np.array(area2, np.int32)], True, (0, 255, 0), 2)
        cv2.putText(frame, str('2'), (106, 440), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255), 1)
    if a3 == 1:
        cv2.polylines(frame, [np.array(area3, np.int32)], True, (0, 0, 255), 2)
        cv2.putText(frame, str('3'), (175, 436), cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 0, 255), 1)
    else:
        cv2.polylines(frame, [np.array(area3, np.int32)], True, (0, 255, 0), 2)
        cv2.putText(frame, str('3'), (175, 436), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255), 1)
    if a4 == 1:
        cv2.polylines(frame, [np.array(area4, np.int32)], True, (0, 0, 255), 2)
        cv2.putText(frame, str('4'), (250, 436), cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 0, 255), 1)
    else:
        cv2.polylines(frame, [np.array(area4, np.int32)], True, (0, 255, 0), 2)
        cv2.putText(frame, str('4'), (250, 436), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255), 1)
    if a5 == 1:
        cv2.polylines(frame, [np.array(area5, np.int32)], True, (0, 0, 255), 2)
        cv2.putText(frame, str('5'), (315, 429), cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 0, 255), 1)
    else:
        cv2.polylines(frame, [np.array(area5, np.int32)], True, (0, 255, 0), 2)
        cv2.putText(frame, str('5'), (315, 429), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255), 1)
    if a6 == 1:
        cv2.polylines(frame, [np.array(area6, np.int32)], True, (0, 0, 255), 2)
        cv2.putText(frame, str('6'), (386, 421), cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 0, 255), 1)
    else:
        cv2.polylines(frame, [np.array(area6, np.int32)], True, (0, 255, 0), 2)
        cv2.putText(frame, str('6'), (386, 421), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255), 1)
    if a7 == 1:
        cv2.polylines(frame, [np.array(area7, np.int32)], True, (0, 0, 255), 2)
        cv2.putText(frame, str('7'), (456, 414), cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 0, 255), 1)
    else:
        cv2.polylines(frame, [np.array(area7, np.int32)], True, (0, 255, 0), 2)
        cv2.putText(frame, str('7'), (456, 414), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255), 1)
    if a8 == 1:
        cv2.polylines(frame, [np.array(area8, np.int32)], True, (0, 0, 255), 2)
        cv2.putText(frame, str('8'), (527, 406), cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 0, 255), 1)
    else:
        cv2.polylines(frame, [np.array(area8, np.int32)], True, (0, 255, 0), 2)
        cv2.putText(frame, str('8'), (527, 406), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255), 1)
    if a9 == 1:
        cv2.polylines(frame, [np.array(area9, np.int32)], True, (0, 0, 255), 2)
        cv2.putText(frame, str('9'), (591, 398), cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 0, 255), 1)
    else:
        cv2.polylines(frame, [np.array(area9, np.int32)], True, (0, 255, 0), 2)
        cv2.putText(frame, str('9'), (591, 398), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255), 1)
    if a10 == 1:
        cv2.polylines(frame, [np.array(area10, np.int32)], True, (0, 0, 255), 2)
        cv2.putText(frame, str('10'), (649, 384), cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 0, 255), 1)
    else:
        cv2.polylines(frame, [np.array(area10, np.int32)], True, (0, 255, 0), 2)
        cv2.putText(frame, str('10'), (649, 384), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255), 1)
    if a11 == 1:
        cv2.polylines(frame, [np.array(area11, np.int32)], True, (0, 0, 255), 2)
        cv2.putText(frame, str('11'), (697, 377), cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 0, 255), 1)
    else:
        cv2.polylines(frame, [np.array(area11, np.int32)], True, (0, 255, 0), 2)
        cv2.putText(frame, str('11'), (697, 377), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255), 1)
    if a12 == 1:
        cv2.polylines(frame, [np.array(area12, np.int32)], True, (0, 0, 255), 2)
        cv2.putText(frame, str('12'), (752, 371), cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 0, 255), 1)
    else:
        cv2.polylines(frame, [np.array(area12, np.int32)], True, (0, 255, 0), 2)
        cv2.putText(frame, str('12'), (752, 371), cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255), 1)

    cv2.putText(frame, 'parking lots: ' + str(space), (23, 40), cv2.FONT_HERSHEY_PLAIN, 2, (255, 0, 255), 2)

    cv2.imshow("RGB", frame)

    if cv2.waitKey(1) & 0xFF == 27:
        break
cap.release()
cv2.destroyAllWindows()
# stream.stop()

运行代码，结果如下。

5fe2d46af53e1dec48ca29cf94aee271.gif

发现效果还不错~

/ 04 /

总结

以上操作，就是三个使用YOLOv8实现的计数视觉项目。

当然我们还可以通过预训练模型实现其它功能。

如果预训练模型的检测效果在你要使用的场景不太好，那就是需要加加数据了~

相关文件及代码都已上传，公众号回复【计数器】即可获取。

万水千山总是情，点个 👍 行不行。

推荐阅读

4924848b35f97481c563856f503d6d57.jpeg

fa9acc6f6e5f80a7abd560d0fe1e82d6.jpeg

ade056a0983fd89c4390a5b7144fcaf1.jpeg

···  END  ···

a59c534d926e480db3deddb4db43f821.jpeg

法纳斯特
关注
  • 9
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv8的卡车识别检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip
08-22
基于YOLOv8的卡车识别检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip 平均准确度：0.97 类别：truck 【资源介绍】 1、ultralytics-main ultralytics-main为YOLOv8源代码，里面涵盖基于yolov8分类、目标检测额、姿态估计、图像分割四部分代码，我们使用的是detect部分，也就是目标检测代码 2、搭建环境 安装anaconda 和 pycharm windows系统、mac系统、Linux系统都适配 在anaconda中新建一个新的envs虚拟空间(可以参考博客来)，命令窗口执行：conda create -n YOLOv8 python==3.8 创建完YOLOv8-GUI虚拟空间后，命令窗口执行：source activate YOLOv8 激活虚拟空间 然后就在YOLOv8虚拟空间内安装requirements.txt中的所有安装包，命令窗口执行：pip install -r requirements.txt 使用清华源安装更快 3、训练模型过程 进入到\ultralytics-main\ultralytics\yolo\v8\detect\文件夹下，datasets即为我们需要准备好的数据集，训练其他模型同理。 data文件夹下的bicycle.yaml文件为数据集配置文件，该文件为本人训练自行车检测模型时创建，训练其他模型，可自行创建。博文有介绍https://blog.csdn.net/DeepLearning_?spm=1011.2415.3001.5343 train.py中238行，修改为data = cfg.data or './bicycle.yaml' # or yolo.ClassificationDataset("mnist") 237行修改自己使用的预训练模型 若自己有显卡，修改239行，如我有四张显卡，即改成args = dict(model=model, data=data, device=”0,1,2,3“) 以上配置完成后运行train.py开始训练模型，训练完毕后会在runs/detect/文件夹下生成train*文件夹，里面包含模型和评估指标等 4、推理测试 训练好模型，打开predict.py，修改87行，model = cfg.model or 'yolov8n.pt'，把yolov8n.pt换成我们刚才训练完生成的模型路径(在\ultralytics-main\ultralytics\yolo\v8\detect\runs\detect文件夹下)，待测试的图片或者视频存放于ultralytics\ultralytics\assets文件夹， 运行predict.py即可，检测结果会在runs/detect/train文件夹下生成。
基于YOLOv5、v7、v8的竹签计数系统的设计与实现
一名在读大学生，正在学习深度学习，会定期分享一些该领域内容。欢迎大家一起交流学习~
01-21 1777
该系统是一个综合型的应用，基于PyTorch框架的YOLOv5、YOLOv7和YOLOv8，结合了Django后端和Vue3前端，为竹签生成工厂和串串香店铺提供了一套全面而强大的实时监测与分析解决方案。系统主要特色在于实时目标检测和位置追踪，支持用户通过上传图片、视频或摄像头进行推理，实时获取竹签的位置和数量。这一功能的实现基于高度精准的YOLO模型，为生产过程提供了即时可用的信息，助力企业合理安排生产计划、优化库存管理。
YOLOv8+DeepSORT多目标车辆跟踪（车辆检测+跟踪+车辆计数）
牧子川的博客
04-21 1485
本文将详细介绍YOLOv8+DeepSORT在多目标车辆跟踪中的应用，包括车辆检测、跟踪和计数，并且通过一个可视化界面进行操作。
【跑跑Github开源项目系列】基于YOLO和Streamlit的车辆识别系统demo
大家好，欢迎来到鱼尾的博客！
04-16 639
相信很多朋友跟我一样在github等平台上偷代码 (读书人的事怎么能叫偷呢) 的时候会发现伟大且无私的作者虽然开源了代码但是readme文件该写的没写，requirement文件也没给，代码下载下来一堆报错，压根无法运行，妙啊！这便是我开启本系列的初衷。这个车辆识别系统的开源项目是我在为毕设找可视化材料的时候无意间发现的，仅是个简单的demo，没有太复杂的东西，也没有过多的报错需要排查，固用这个作为本系列的开篇…
使用Opencv开发停车位计数器
@bangbang的博客
04-02 7406
在这个项目中，我们将创建一个停车位计数器。我们会发现总共有多少辆车，以及有多少停车位是空的。关于本教程最好的一点是，我们将使用基本的图像处理技术来解决这个问题,没有使用机器学习、深度学习进行训练来识别。 1. 环境安装 1.1 安装并激活虚拟环境 python -m venv venv cd venv\Scripts .\activate.bat 1.2 python包安装 pip install opencv-python 2. 代码编写 2.1 导入停车场图片 import cv2 import
fpga[1]计数器(附源码)
A258766的博客
06-05 5243
使用FPGA设计计数器
超详细的YOLOv8项目组成解析：一站式指南了解其架构与组件
CDBmax的博客
12-22 3760
最近的更新是关于“Segment ONNX Runtime example”的，意味着它添加了对ONNX运行时的支持，特别是针对模型分割功能的支持。这些文件和文件夹共同工作，以确保 YOLOv8 的文档是全面的、多语言的，并且始终保持最新。这些示例涵盖了从基本的对象检测到更复杂的图像分割和视频处理任务，为开发者提供了丰富的学习资源和应用指导。最近的更新也是关于 ONNX 运行时示例。这些文件夹共同构成了 YOLOv8 的基础框架，从数据处理和模型配置到实际的训练和推理引擎，以及实用工具和高级功能的实现。
verilog 8位计数器
weixin_46545887的博客
11-25 9159
基于状态机的思想，实现8位计数器 verilog代码 module jsq8(clk,clr,z,qout); input clk,clr; output reg z; output reg[2:0] qout; always @(posedge clk or posedge clr) //此过程定义状态转换 begin if(clr) qout<=0; //异步复位 else case(qout) 3'b000: qout<=3'b001; 3'
基于Pycharm的YOLOv8教程——运行环境配置+杂草识别示例
LSS_LSS的博客
01-09 7809
目标检测只是计算视觉中很小的一部分，还包括分类、动态跟踪与定位等一系列的工作。上面的内容虽然看似简单，但却花费了小白我一个月时间去购置主机、配置yolov8环境、搜寻数据集、标注、跑程序等。接下来我会继续更新关于杂草识别与定位的个人研究内容，欢迎大家持续关注。
fpga[1.1]BCD计数器(附源码)
A258766的博客
06-12 6654
BCD码电路设计
基于OpenCV和YOLOv8制作目标检测计数器源码
01-17
实现YOLOv8对象检测算法，使用预训练模型来检测目标制作计数器。本资源包含三个YOLOv8制作的计数器： ...3.停车位计数器：OpenCV和YOLOv8检测停车场剩余车位，提醒车主停车场各个区域的剩余车位信息。
Python停车位计数器源代码，基于Opencv开发，能识别出在用停车位及空闲停车位，红色为已占用的停车位、绿色为空余车位
04-29
1、首先对停车场视频截取一张图片，命名为carParkImg.png，并将该图片与停车位计数器程序置于同一目录。 2、运行ParkingSpacePicker.py程序，使用鼠标左键标记出停车位。标记完成后，按键盘q键退出。 3、运行main.py...
FPGA课程设计基于RAM的十口8位计数器.doc
07-09
FPGA课程设计基于RAM的十口8位计数器
六位十进制计数器的制作
10-23
本文介绍用6 片CD4026 及0.8 英寸共阴极LED数码管等组成的计数器，此模块加上时间控制就很容易制作出如频率计、相位计等测试仪器。由于结构简单元件少，很容易制作。 　一、主要元件 　1. CD4026引脚 　如图1 示...
基于单片机的智能计数器源码
05-15
基于单片机的智能计数器源码基于单片机的智能计数器源码基于单片机的智能计数器源码基于单片机的智能计数器源码基于单片机的智能计数器源码基于单片机的智能计数器源码基于单片机的智能计数器源码基于单片机的智能...
（1）图像识别yolov5—安装教程
qq_26043945的博客
06-12 64
首先，你需要在你的计算机上下载的文件包，。下载后对压缩文件进行解压。通常使用识别物体，需要安装必要的，如PyTorch、torchvision、OpenCV等。打开YOLOv5文件夹，在里面打开 “” 文件，里面就是必要的依赖项。然后打开命令行，进入当前文件目录（我这里保存到盘的中）。然后通过下面的指令，系统自动安装这些依赖库。
【YOLOv8改进[注意力]】在YOLOv8中添加ECA高效通道注意力（2020.4）的实践 + 含全部代码和详细修改方式 + 手撕结构图
静谧、淡雅
06-17 259
在YOLOv8中添加ECA高效通道注意力（2020.4）的实践 + 含全部代码和详细修改方式 + 手撕结构图
从0到1实现YOLOv3
最新发布
周陽讀書
06-17 44
介绍如何从配置文件创建网络架构、加载权重和设计输入/输出管道近年来，人们开发了许多用于目标检测的算法，其中一些包括YOLO、SSD、Mask RCNN和RetinaNet。致力于改进目标检测，学习目标检测的最好方法是自己从头开始实现算法。使用PyTorch实现一个基于YOLOv3的目标检测算法。代码置于这个Github存储库中：主要有5个部分：0.卷积神经网络如何工作，边界盒回归，IoU和非最大抑制1.理解YOLO工作原理2.创建网络架构的层3.实现网络的前向传递。
基于at89c51制作的三位计数器
12-10
基于AT89C51的三位计数器是一种使用AT89C51单片机制作的数字计数器。AT89C51是一种低功耗、高性能的8位CMOS微控制器，具有兼容性、可编程性和易扩展性。 三位计数器的作用是按照设定的逻辑规则进行计数，并将计数结果显示出来。它由三个七段数码管组成，每个七段数码管可以显示0-9的数字。计数器通过数字逻辑电路和控制程序实现。 计数器的工作原理是通过AT89C51单片机设置计数规则，并根据规则将信号输出到七段数码管上。当启动计数器后，计数器根据规则进行计数，并将计数结果对应的数字显示在七段数码管上。例如，计数器可以从0开始，每秒钟加1，当计数到999时，再次从0开始。 使用AT89C51制作三位计数器的好处是它具有较高的计数精度和可靠性。AT89C51单片机具有强大的计算和控制能力，可以进行精确的计数和显示。同时，AT89C51具有低功耗的特性，可以大幅度减少能耗。 制作三位计数器时需要通过编程设置计数规则，并将程序加载到AT89C51单片机中。在制作过程中，需要连接七段数码管和AT89C51单片机的引脚，并根据引脚定义进行连线。制作完成后，可以通过控制AT89C51单片机的启动开关来启动计数器，实现计数和显示功能。 总之，基于AT89C51制作的三位计数器是一种功能强大、精确可靠的数字计数器。它可以通过AT89C51单片机设置计数规则，并将计数结果显示在七段数码管上。这种计数器可以广泛应用于工业控制、计时测量和实验教学等领域。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值