计算机视觉：两个旋转检测框bbox的IoU计算

IoU简介

在目标检测中，经常会使用到IoU。IoU 的全称为交并比（Intersection over Union）,IoU 计算方法的是 “预测的bbox” 和 “真实的bbox” 的交集和并集的比值。交并比IoU的取值范围为[0,1]，IoU的值越大，说明两个bbox的重合度越高，预测的准确性越高；反之，若IoU的值越小，则说明两个bbox的重合度越低，预测的准确性越低。下面用一个图来形象化表示：

其中，area红色区域是两个检测框的交集，area1和area2蓝色区域加上area红色区域是两个检测框的并集。

python代码如下：

def compute_iou(bbox1, bbox2):
    '''
    bbox1: [x1, y1, x2, y2]
    bbox2: [x1, y1, x2, y2]
    '''
    xx1, yy1 = max(bbox1[0], bbox2[0]), max(bbox1[1], bbox2[1])
    xx2, yy2 = min(bbox1[2], bbox2[2]), min(bbox1[3], bbox2[3])

    area1 = (bbox1[2] - bbox1[0]) * (bbox1[3] - bbox1[1])
    area2 = (bbox2[2] - bbox2[0]) * (bbox2[3] - bbox2[1])
    intersec = (xx2 - xx1) * (yy2 - yy1)
    union = area1 + area2 - intersec

    iou = intersec / union
    return iou

两个旋转检测框bbox的IoU计算

当两个bbox带有旋转时，虽然原理相同，但计算要比上述的要复杂很多。
准备工作：安装opencv库

pip install opencv-python

下面直接上python代码：

import numpy as np
import cv2

# 中心点坐标、矩形的宽和高、旋转角（单位是角度，不是弧度）
def iou_rotate_calculate(box1, box2):
    area1 = box1[2] * box1[3]
    area2 = box2[2] * box2[3]
    r1 = ((box1[0], box1[1]), (box1[2], box1[3]), box1[4])
    r2 = ((box2[0], box2[1]), (box2[2], box2[3]), box2[4])
    int_pts = cv2.rotatedRectangleIntersection(r1, r2)[1]
    if int_pts is not None:
        order_pts = cv2.convexHull(int_pts, returnPoints=True)
        intersec = cv2.contourArea(order_pts)
        union = area1 + area2 - intersec
        iou = intersec * 1.0 / union
    else:
        iou = 0.0
    return iou

box1 = [30, 40, 40, 80, 0]
box2 = [30, 40, 40, 80, 90]
iou = iou_rotate_calculate(box1,box2)
print(iou)