opencv调用yolov3模型进行深度学习目标检测（Java版）

最新推荐文章于 2024-07-17 18:05:55 发布

w112112_

最新推荐文章于 2024-07-17 18:05:55 发布

阅读量3.9k

点赞数 9

文章标签： java opencv 图像识别

本文链接：https://blog.csdn.net/w112112_/article/details/103933259

版权

本文介绍了如何在Java项目中使用OpenCV调用Yolov3模型进行目标检测，详细讲解了从配置参数、读取类别、加载网络到图像预处理、非极大值抑制和画框的全过程，提供了代码示例和参考链接。

摘要由CSDN通过智能技术生成

由于项目其他模块多用Scala/Java编写，与python交互不易。
将原多数用python/C++编写的目标检测程序，改写为Java。

建立目录，配置初始参数

类属性

	static String pro_dir = "E:/yolov3/";   // 根路径

    static float confThreshold = 0.3f;  // 置信度阈值
    static float nmsThreshold = 0.4f;   // iou阈值
    static int inpWidth = 416;          // 修改输入图片的宽高
    static int inpHeight = 416;
    static List<String> classes = new ArrayList<String>();  // 存放类别的列表

主函数

public static void main(String[] args) throws Exception{
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

		//      配置 权重 图片路径 类别文件
        String modelConfiguration = pro_dir + "yolov3.cfg"; // 模型配置文件
        String modelWeights = pro_dir + "yolov3.weights"; // 模型权重文件
        String image_path = "E:/pictures_test/pictureName.jpg"; // 图片路径，名字
        String classesFile = pro_dir + "coco.names"; // 模型可识别类别的标签文件

        // 进入识别图片的方法
        detect_image(image_path, modelWeights, modelConfiguration, classesFile);
        waitKey(0);
    }

识别图片（detect_image)

读取可识别类别的标签文件，将所有类别存入List列表classses

coco.names的格式可能不同，读取时注意。

//    检测图片
    public static void detect_image(String image_path, String modelWeights, String modelConfiguration, String classesFile) throws Exception {

     // 读取classesFile路径的文件
        InputStream in = new FileInputStream(classesFile);
        int iAvail = in.available(); // 适用于本地一次读取多个字节时，返回得到的字节数。
        byte[] bytes = new byte[iAvail];
        in.read(bytes);
        String allContent = new String(bytes); // 文件中的所有内容
        String[] tempContent = allContent.trim().split("\n"); // allContent去除首尾空格，再按换行符分割。
        System.out.println(tempContent.length);
        
        // 遍历tempContent，添加到保存类别名的列表classes里。
        for(int i=0; i<tempContent.length; i++){
            classes.add(tempContent[i]);
        }
        System.out.println(classes.size());

加载网络配置与训练权重的文件，构建网络

		Net net =  Dnn.readNetFromDarknet(modelConfiguration, modelWeights);
        net.setPreferableBackend(Dnn.DNN_BACKEND_OPENCV);
        net.setPreferableTarget(Dnn.DNN_TARGET_OPENCL);

读入图片，配置宽高

		Mat im = imread(image_path, Imgcodecs.IMREAD_COLOR); // 读入待检测的图片
     // 当前是以窗体的形式查看检测后的图片，给窗体命名
        final String kWinName = "Deep object detection in OpenCV";
        namedWindow(kWinName, WINDOW_NORMAL);
     // 将输入图片的宽高重新设置 (416, 416)
        Mat frame = new Mat();
        Size sz1 = new Size(im.cols(), im.rows());
        Imgproc.resize(im, frame, sz1);
        Mat resized = new Mat();
        Size sz = new Size(inpWidth, inpHeight);
        Imgproc.resize(im, resized, sz);

        float scale = 1.0F / 255.0F; // 像素归一化