毕业设计（三）：基于YOLO算法的手势识别技术

最新推荐文章于 2024-05-10 15:37:21 发布
最新推荐文章于 2024-05-10 15:37:21 发布
阅读量3.9k 收藏 46
点赞数 2
分类专栏： 毕业设计
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/weixin_43677673/article/details/116222354
版权

Windows下实现YOLOv3的手势识别

毕业设计（一）：基于YOLO算法的手势识别技术
毕业设计（二）：基于YOLO算法的手势识别技术
Yolov3参数理解

这篇文章就来讲一讲我自己电脑上运行YOLOv3的代码，并实现用例测试。

系统环境

Windows10、VS2017，CUDA11.0（与之匹配的CUDNN）、OPENCV3.4.0、有GUP

VS2017

这个安装过程就不详说了，这种平台太基础了。VS2017版本我已经用了几年了，去网上搜一搜就可以找到相应的安装教程。不过在这里注意一点。
在安装过程中，选择“使用C++的桌面开发”
VS2017
选择单个组件，找到“适用于桌面的VC++2015.3 v14.00（v140）工具集”，勾选后进行安装。因为这个项目要求使用到这一功能。
适用于桌面的VC++2015.3 v14.00（v140）工具集

CUDA与CUDNN

  • CUDA

首先要确认下计算机是否有独立显卡（而且是英伟达显卡），查看适合自己的CUDA版本
控制面板->NVIDIA设置->帮助->系统信息->组件->3D设置。（这里我放不了自己的图，因为不知道怎么打不开了，不过只要知道我的版本是CUDA11.0）
CUDA
下载对应的版本：注意这里要选local版本，因为下面要下载安装包里的东西，我最开始是下载的net版本，所以打开安装包发现里面是空的，这浪费我不少时间。
CUDA

选择自己的下载路径，选择自定义安装。
CUDA
CUDA

找到Visual studio Integration，取消勾选。因为这是下载会出错的。我自己没有试过，看网上其他人都是出错。但这一步部分我们是需要的，所以还是要下载。怎么下载呢？找到你从网上下载的安装包，对其进行解压。找到visual_studio_integration\MSBuildExtensions（…\visual_studio_integration\CUDAVisualStudioIntegration\extras\visual_studio_integration\MSBuildExtensions），复制里面的所有文件。

在这里插入图片描述

打开自己VS2017的安装目录，我的目录是D:\vs\Common7\IDE\VC\VCTargets\BuildCustomizations，将刚才的文件复制进来。
如果没有做这一步骤，后来的测试会报错。
在这里插入图片描述

安装最后，要记住自己的安装目录，记住自己的安装目录，别到时候找不到。

  • CUDNN

cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算，所以我们还要下载同一版本的cuDNN。
下载链接

这里的图，我用了其他人的，因为我自己的已经被我给删掉了。
CUDNN
CUDNN
CUDNN安装后要编辑系统环境变量。

最后，查看自己的CUDA和CUDNN是否安装成功。Windows10检查Cuda和cuDNN是否安装成功？

OpenCV配置

OpenCV的安装过程我就不说了，网上也有。这里我也找一篇文章，可以对照着来看。Windows下 OpenCV 的下载安装教程（详细）

不过有一点要注意，一定要下载OpenCV3.4.0、OpenCV3.4.0、OpenCV3.4.0的版本，我刚开始使用的是OpenCV3.4.2的版本，但是最后没有运行成功。似乎是版本不在支持3.4.0以上的版本。
下面我也给出了我自己在先下载OpenCV3.4.2，再下载OpenCV3.4.0的过程。

vs2017配置

  1. 下载windows版yolov3源码：https://github.com/AlexeyAB/darknet
  2. 修改darknet.vcxproj文件
    进入…\darknet-master\darknet-master\build\darknet目录，修改darknet.vcxproj文件，我使用记事本打开。修改CUDA的版本，一共有两处地方。
    darknet.vcxproj
  3. 打开解压后…\darknet-master\build\darknet目录下的darknet.sln，配置平台改为Release x64。
    如果是第一次打开，会显示如下，选择无升级。若不小心关掉，右键darknet项目，选择重定向。
    在这里插入图片描述
    VS2017属性配置：
    右键Darknet，选择属性，找到平台工具集，选择上面要求下载的2015版本。
    在这里插入图片描述

然后，C++目录–>包含目录–>编辑 添加的目录：…\opencv\build\include
在这里插入图片描述
然后在配置库目录,方法与包含目录类似（上面），添加的为：…\opencv\build\x64\vc14\lib。我这里是因为当初不知道添加哪一个lib，所以把VC14和vc15的都添加了。
在这里插入图片描述

接着添加附加包含库，选择C/C++常规->附加包含目录，添加…\opencv\build\include

在这里插入图片描述
然后是链接器添加方法：添加目录…\opencv\build\x64\vc14\lib下库的名字：opencv_world340.lib
这里我之前是配置OpenCV3.4.2，所以在继承的值中是存在对应的配置，之前的删除3.4.2的配置没有全部做完，所以这里要把“从父级或项目默认设置继承”取消勾选。
在这里插入图片描述 最后，拷贝其他配置文件
将…\opencv\build\x64\vc14\bin下的opencv_world340.dll 和opencv_ffmpeg340_64.dll 复制到 D:\darknet\darknet-master\build\darknet\x64 目录下。

上述完成后，入VS在darknet工程上右键——>生成。然后在工程目录下×64下多了些darknet.exe等文件。

在这里插入图片描述

下载yolo3.weights,下载后放在…\darknet-master\build\darknet\x64下。

下面就可以开始测试了！

测试

打开cmd，进入dark.exe目录下面。输入

darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

然后就会出现用例测试
在这里插入图片描述
恭喜做到这里基本就可以说明已经超过一半了！

训练自己的数据集

制作VOC数据集

这里使用Labelimg，来制作数据集。我没有自己去制作数据集，因为时间的限制，就自己去找了数据集去实现。手势0到6的识别

如果想自己去制作数据集，推荐去网上找一找相关的文章。

1.在…\darknet-master\scripts目录下新建一个文件夹，命名为：VOCdevkit。在这个目录下创建VOC2007文件夹。在VOC2007文件夹下创建如下4个文件夹。
在这里插入图片描述

Annotation文件夹下存放的是根据数据集制作的XML文件。 JPEGImages文件夹存放图片，格式为jpg。labels文件夹存放图片对应的TXT文件。ImageSets文件夹存放如下三个文件，但是我发现只利用到了其中一个Main，其他的两个不知道是什么用。
在这里插入图片描述
2. 在上上面的图片中，可以看到有一个test.py。这是干什么的呢？最开始我也是跟着做，后来发现他只是生成4个txt文件，里面现在是空的，所以这一步主要目的是创建4个txt文件。目录为…\darknet-master\darknet-master\scripts\VOCdevkit\VOC2007\ImageSets\Main
在这里插入图片描述
3. 在目录D:\darknet-master\darknet-master\scripts下有个叫voc_label.py的文件。该文件用于将Main目录下的txt的图片名的绝对路径保存到scripts目录下的train.txt、2007_train.txt 、2007_val.txt、 2007_test.txt、train.all.txt文件中来，同时将xml文件转换为labels文件夹中对应的txt文件，txt文件中存放的是每个标记的类别下标，以及归一化的标记矩形框的坐标。

这一步我与网上的教程是不同的，他们是将voc_label.py文件拷贝到…\darknet-master\build\darknet\VOCdevkit2007目录下进行操作，但因为我运行上面的文件后，无法得到2007_train.txt、2007_val.txt、2007_train.txt、2007_val.txt、 2007_test.txt这五个文件，所以我修改…\darknet-master\darknet-master\scripts目录下的voc_label.py（这里面应该是路径问题），最后在scripts文件夹下生成要求的文件。

修改该voc_label.py文件，并运行：

# 第7行修改所需sets
sets=[('2007', 'train'), ('2007', 'val'), ('2007', 'test')]
# 第9行修改为自己的类别
classes = ["0", "1", "2", "3", "4", "5"]
# 第26、27行修改路径，可改为绝对路径
 in_file = open('D:/darknet-master/darknet-master/build/darknet/VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id))
    out_file = open('D:/darknet-master/darknet-master/build/darknet/VOCdevkit/VOC%s/labels/%s.txt'%(year, image_id), 'w')
# 第48、49、50行修改路径，可改为绝对路径
if not os.path.exists('VOCdevkit/VOC%s/labels/'%(year)):
        os.makedirs('VOCdevkit/VOC%s/labels/'%(year))
    image_ids = open('D:/darknet-master/darknet-master/build/darknet/VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split()

# 第53行修改路径，可改为绝对路径
 list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n'%(wd, year, image_id))

#删除有关2012的内容
os.system("cat 2007_train.txt 2007_val.txt > train.txt")
os.system("cat 2007_train.txt 2007_val.txt 2007_test.txt > train.all.txt")

在这里插入图片描述
4. 下载训练所需的预权重文件
darknet53.conv.74，我放到…\darknet-master\darknet-master\build\darknet\x64目录下
5. 修改voc.data和voc.names
打开…\darknet-master\build\darknet\x64\data中的voc.data,修改自己的类别。
打开…\darknet-master\build\darknet\x64\data中的voc.names，替换成自己的类。

classes= 1  # 自己数据集的类别数
train  = /home/xxx/darknet/train.txt  # train文件的路径
valid  = /home/xxx/darknet/2007_test.txt   # test文件的路径
names = /home/xxx/darknet/data/voc.names #用绝对路径
backup = backup #模型保存的文件夹

在这里插入图片描述
在这里插入图片描述

  1. 修改yolov3-voc.cfg
    打开…\darknet-master\build\darknet\x64中的yolov3-voc.cfg，并重命名为yolov3-num.cfg.做如下修改：
    一共需要改三处，每处有三个地方需要修改。每次都是先修改[yolo]下的classes为对应的类别数，再修改[yolo]对应上面 [convolutional]下的filters为（classes+5）*3 ，random=1 # 多尺度输出为1，显存小时改为0关闭。（我是六个类）

CUDA: out of memory 以及 resizing 问题？显存不够，调小batch，关闭多尺度训练：random = 0。

在这里插入图片描述

训练自己的数据

打开cmd，cd到…\darknet-master\build\darknet\x64目录下，在此目录下新建results_mine文件夹，输入命令

darknet.exe detector train .\data\voc.data yolov3-voc.cfg .\weights_pr\darknet53.conv.74 .\results_mine

每迭代1000次在results_mine中生成一个权重文件。因为我先迭代了1380次，（速度比较慢，花了大概4个小时）
这是第一次迭代的图片，这里可以看出图片的比例不太好，这也是我后续要进行修改的。
在这里插入图片描述

第二天，我在此基础上进行训练，又迭代1000次。
在这里插入图片描述

看到loss已经降到0.04以下了，可以停止了。在results_mine文件夹下回生成权重文件。（这里应该是两个的，只不过我第二天训练要在第一天的基础上继续，所以把第一天训练的文件放入上层目录中去了）
在这里插入图片描述

测试

打开cmd，cd到…\darknet-master\build\darknet\x64目录下，输入命令

darknet.exe detector test data\voc.data yolov3-num.cfg results_mine\yolov3-num_last.weights

按照提示输入测试图片的绝对路径：
在这里插入图片描述

最终我的测试结果：
在这里插入图片描述

到这里基本就结束了。

为何而眸
关注
  • 2
    点赞
  • 踩
  • 46
    收藏
    觉得还不错? 一键收藏
  • 13
    评论
专栏目录
基于yolo的人脸检测与人脸对齐
阳光玻璃杯
10-04 5642
前言 YOLO（You Only Look Once）是一种基于深度神经网络的对象识别和定位算法，yolo将对象定位作为回归问题求解，在one-stage中实现对象定位与识别，其最大的特点就是快！快！快！ 既然yolo本来就是通过回归的方法对对象定位，并与此同时对对象进行分类。那我们很容易想到yolo在做对象定位的同时可以对对象的特征点进行回归，最常见的用例是人脸检测与人脸对齐同步完成。 将...
【目标检测】你想知道的手势识别都在这里 【YOLO】网络
面向生活编程
05-27 2万+
基于YOLO+ResNet50的手势识别 （一）项目背景以及系统环境 本文所使用的深度学习框架为pytorch-gpu-1.7.1版本，python3.7版本，需要在特定的系统环境中运行。本文搭建实验所需要的系统环境如下所示。 1.1 项目背景 ​ 近年来，计算机视觉技术蓬勃发展，为生产和生活带来了巨大的变革。像是刷脸支付、无人驾驶等已经上市或即将走向成熟的技术，极大便利了我们的日常生活。但是我们观察到，目前市场上尚未出现一款完善的针对会议演示控制的计算机视觉产品。同时，由于新冠疫情的影响，加深了人们对于
yolov7手势识别模型
最新发布
weixin_44135213的博客
05-10 878
手势识别模型的数据集准备、训练、推理和视频流处理
yolo标签没有字 windows_基于YOLO系列算法的图像检测
weixin_39708502的博客
12-12 307
目前，基于深度学习算法的一系列目标检测算法大致可以分为两大流派：两步走(two-stage)算法：先产生候选区域然后再进行CNN分类(RCNN系列)一步走(one-stage)算法：直接对输入图像应用算法并输出类别和相应的定位(YOLO系列)1 YOLO算法的提出在图像的识别与定位中，输入一张图片，要求输出其中所包含的对象，以及每个对象的位置(包含该对象的矩形框)。对象的识别和定位，可以看成两个任...
基于 YOLO 的车牌检测与识别
小白学视觉
02-25 6518
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达导读本文将重点介绍 ALPR 的端到端实现。它将侧重于两个过程：车牌检测和检测到的车牌的 OCR。（公众号：OpenCV与AI深度学习）背景介绍 深度学习一直是现代世界发展最快的技术之一。深度学习已经成为我们日常生活的一部分，从语音助手到汽车自动驾驶，它无处不在。其中一项应用是自动车牌识别 (ALPR)。顾名思义，ALP...
手势识别2：基于YOLOv5的手势识别系统(含手势识别数据集+训练代码)
热门推荐
AI吃大瓜的博客
09-19 5万+
基于YOLOv5的手势识别系统(含手势识别数据集+训练代码)，手势识别，动作识别，手势动作识别，手势数据集
基于YOLO的目标检测系统实践
Together_CZ的博客
10-13 722
最近做了不少目标检测的项目，对于理论、实践的掌握程度也更深了，今天突然想到做个简易的界面来辅助使用目标检测程序，在我之前的文章里面也有类似的实现，如有兴趣可以自行前去月度。 上面是我目前做出来的效果图，在具体使用上面还有少量问题没来得及去解决，先占坑，后面找时间全部处理好了再详细介绍。 ...
yolo 实现手势识别yolo 实现手势识别
03-11
YOLO（You Only Look Once）是一种流行的实时目标检测系统，尤其在计算机视觉领域广泛应用，包括手势识别。...通过深入理解YOLO的工作原理，以及项目提供的资源，开发者可以进一步了解和实践基于YOLO的手势识别技术。
YOLO实战：训练自己的手势识别模型
06-17
本课程主要向大家讲解如何基于YOLO网络的精简版本tiny-yolo训练手势识别模型，从图片数据采集，图片标注，网络参数修改，模型训练，模型测试等，项目中用到的标注好的数据集和训练好的模型向购买课程的同学免费提供...
基于YOLO算法的超大行李箱智能识别系统毕业设计配套软件.zip
05-03
【标题】基于YOLO算法的超大行李箱智能识别系统毕业设计配套软件 【正文】 在当前的人工智能领域，图像识别技术占据了重要的地位，而YOLO（You Only Look Once）算法作为实时目标检测的代表，因其高效和准确的特性...
yolo格式手势识别数据集-1+ 1万多数据
02-24
1、yolo格式手势识别数据集1，使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签yolo格式，txt文件，可以直接用于YOLO、Faster-RCNN等算法手机识别，数据场景丰富，包含图像，标注文件...
基于YOLO神经网络的实时车辆检测代码
01-29
基于深度学习的实时车辆检测代码，详情见博客：http://blog.csdn.net/adamshan/article/details/79193775
人工智能本科毕业设计基于yolov5的步态识别多目标跨镜头跟踪检测算法系统源码.zip
06-04
基于yolov5的步态识别多目标跨镜头跟踪检测算法系统源码。 毕业设计题目：基于步态识别的多目标跨镜头跟踪算法研究 主算法：基于yoloV5-deepsort框架进行目标检测和跟踪+GaitSet算法 人工智能本科毕业设计基于yolov5的步态识别多目标跨镜头跟踪检测算法系统源码.zip人工智能本科毕业设计基于yolov5的步态识别多目标跨镜头跟踪检测算法系统源码.zip人工智能本科毕业设计基于yolov5的步态识别多目标跨镜头跟踪检测算法系统源码.zip人工智能本科毕业设计基于yolov5的步态识别多目标跨镜头跟踪检测算法系统源码.zip人工智能本科毕业设计基于yolov5的步态识别多目标跨镜头跟踪检测算法系统源码.zip人工智能本科毕业设计基于yolov5的步态识别多目标跨镜头跟踪检测算法系统源码.zip人工智能本科毕业设计基于yolov5的步态识别多目标跨镜头跟踪检测算法系统源码.zip人工智能本科毕业设计基于yolov5的步态识别多目标跨镜头跟踪检测算法系统源码.zip人工智能本科毕业设计基于yolov5的步态识别多目标跨镜头跟踪检测算法系统源码.zip人工智能本科毕业设计
yolo格式手势识别数据集2
02-24
1、yolo格式手势识别数据集2，使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签yolo格式，txt文件，可以直接用于YOLO、Faster-RCNN等算法手机识别，数据场景丰富，包含图像，标注文件...
从0开始实现目标检测——基于YOLOv5
02-18 3550
在上次我们利用YOLOv3做目标检测的任务中（参考文章：从0开始实现目标检测——实践篇），我们遗留一些问题，其中一个是利用YOLOv5做一次对比，既然是对比，也就是在数据集不变的情况下，基于YOLOv5进行训练，看看整个模型的mAP是否有变化。整个过程也分为以下4步： 1. 为什么是YOLOv5 ? 2. 安装体验YOLOv5，并跑通基于公开数据训练YOLOv5 3. 基于自己的数据训练YOLOv5 4.计算mAP 那么，我们开始吧~
【 YOLO系列v1-v5 原理+代码解读+项目实践】
是小武呀
01-07 6571
【yolo系列物体检测】文前白话深度学习目标检测基础知识二级目录三级目录 文前白话 yolo 是目前更加倾向于检测速度的检测方法，很多工程上得以应用，可满足实时性的检测。本系列的yolo学习从yolo1-yolo5，知晓基本的原理以及相关的代码解析。yolo1到yolo5都是不断被改进的过程。 深度学习目标检测基础知识 深度学习经典检测算法的两类 one-stage (单阶段) ： YOLO 系列 一个cnn网络来提取特征，做个回归就结束了，输出结果。 two-stage( 双阶段 ) ：
手势识别YOLO2,YOLO4-TINY
hnsdgxylh的专栏
07-04 1133
主要采用颜色定位肤色，然后计算轮廓矩，采用分类器训练和分类 目前采用C++和PYTHON都开发了 有做这方面的加QQ2830025146，相互交流 常规颜色定位手势识别https://download.csdn.net/download/hnsdgxylh/11162483 采用YOLO2进行训练，有三种运行环境，分别是CPU OPENCL OPENCL_FP16 效果测试见.........
毕业设计
weixin_43677673的博客
03-06 2759
毕业设计（一）：基于YOLO算法的手势识别技术 因为是大四下学期了，所以最近在准备毕设。因为我对图像感兴趣，所以最后选择了基于YOLO算法的手势识别技术。之前对于这个是完全没有任何概念的，所以要从头开始进行学习。 手势识别技术 近年来，计算机视觉技术（Computer Vision，CV）迅速发展，人类的生活方式和生产方式越来越智能化，人机交互技术(Human Computer Interaction，HCI)已经成为时代潮流的主题。手势识别就是其中备受瞩目的研究方向之一。 手势检测识别技术是由计算机通过
yolo v5--手势识别
weixin_60085353的博客
08-18 2007
目录 一.yolov5下载 1.下载yolov5源码 2.环境配置 3.下载权重文件 ​4.测试detect.py 二.制作自己的数据集 1.下载LabelImg 2.制作数据集--准备工作 3.构建数据集 4.数据集方面的yaml文件修改 5.网络参数方面的yaml文件修改 三.训练 四.模型测试 一.yolov5下载 1.下载yolov5源码 Yolov5 Github地址：https://github.com/ultralytics/yolov5 ...
基于yolo算法的手势识别研究的展望
05-10
基于YOLO算法的手势识别研究，可以应用于手势识别交互系统、无人驾驶、智能家居等领域，具有广泛的应用前景。通过YOLO算法进行手势识别，可以快速准确地实现手势的检测和识别。未来，随着深度学习技术的不断发展和完善，基于YOLO算法的手势识别研究将会进一步深入，提高手势识别的准确性和效率，并且在实际应用中得到更广泛的应用。

“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 13
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