基于yolo提取车和人的检测与图像裁剪

   这次换一个严谨的写作风格。因为之前在做yolo算法移植到ros上面，已经成功了，但是实验室老师又出了做姿势识别的幺蛾子。我真是一万个。。。。无语了。感觉，对深度学习只有一个简单的了解，现在还在读很多有关的论文，一边看cs231n的课程，在自学着入门。但是奈何自己的实战能力太差，实战经验太少了，只是学过那一年的c，很多关于指针的操作什么的，真的太差了，现在还在教一个小孩c语言，我都不好意思教人家了，决定从这星期开始，每天刷一些c的基础知识题，真的得好好补补了。

    回到正题，环境仍然是ubuntu16.04+cuda9.0+NVIDIA GTX1050+OPENCV3.4.1，首先解决第一个问题，在yolo的基础上，提取人和车，其他的标签过滤掉。有两个解决方法，一个是自己训练车和人的训练库，另一个就是在程序中剔除出人和车以外的标签。第一个方法原来想做一下，但是看网上真正做过的，可能要训练一个星期，而且可能需要在服务器上训练，因为真的没做过，时间催的很紧，只能采取第二种方法了，等后面有时间了，一定自己训练一下，试一下，真正做过才能有话语权。那就来说一下，是怎么在程序里面实现的剔除其他标签的。首先，要明确是在，image.c里面的draw_detections这个函数里面去改动。

for(i = 0; i < num; ++i){
        char labelstr[4096] = {0};
        int class = -1;
        for(j = 0; j < classes; ++j){
            if (probs[i][j] > thresh){
            printf("probs:%f\n", probs[i][j]);
                if (class < 0) {
                    strcat(labelstr, names[j]);
                    class = j;
                } else {
                    strcat(labelstr, ", ");
                    strcat(labelstr, names[j]);
                }
                printf("%s: %.0f%%\n", names[j], probs[i][j]*100);
            }

        }

    在这个for循环里，num是检测到的物体个数，classes是能够检测的物体种类，这里的classes是80，说明yolov2能检测80个种类的物体，这里的for循环在筛选概率大于阈值然后输出概率的类别和大小。

int left  = (b.x-b.w/2.)*im.w;
            int right = (b.x+b.w/2.)*im.w;