![e3185ab90314727b7d6c62ac9c8cece6.png](https://i-blog.csdnimg.cn/blog_migrate/6efbe817d9c84a900f86c5c5a4467ee4.jpeg)
头条号:人工智能研究所
微信号:启示AI科技
上期文章,我们介绍了YOLOV4对象检测算法的模型以及基本知识,哪里还进行了图片的对象检测,如何使用YOLOV4进行视频检测与实时视频检测呢?毕竟我们绝大多数的需求必然是视频的实时对象检测
YOLOV4视频检测
import numpy as np
import time
import cv2
import os
labelsPath = "yolo-coco/coco.names"
LABELS = None
with open(labelsPath, 'rt') as f:
LABELS = f.read().rstrip('n').split("n")
np.random.seed(42)
COLORS = np.random.randint(0, 255, size=(len(LABELS), 3),
dtype="uint8")
weightsPath = "yolo-coco/yolov4.weights"
configPath = "yolo-coco/yolov4.cfg"
net = cv2.dnn.readNetFromDarknet(configPath, weightsPath)
ln = net.getLayerNames()
ln = [ln[i[0] - 1] for i in net.getUnconnectedOutLayers()]
首先加载模型在COCO数据集上的对象label,然后定义了随机的颜色,这里主要是为了后期检测到不同的对象时,采用不同的颜色边框进行标注
cv2.dnn.readNetFromDarknet(configPath, weightsPath)来加载YOLOV4的预训练模型,这里需要注意:opencv的版本需要时4.4版本
opencv4.4支持YOLOv4、EfficientDet检测模型,SIFT移至主库!
![a4680eb8f1282d2733e0bcd18cdd0deb.png](https://i-blog.csdnimg.cn/blog_migrate/723617163249c38eac8c321a663e3419.jpeg)
SIFT
支持谷歌目标检测算法 EfficientDet