【OpenCV-Python实战项目】08-YOLO-V3实时目标检测

0.介绍

（1）YOLO是一个开源的目标检测算法，兼顾准确率和运行速度，本笔记主要用YOLO-V3进行图像 or 摄像头视频或者下载视频的目标检测。
（2）检测流程：

• 1）opencv读取视频流或图像；
• 2）创建YOLO-V3网络模型并导入权重文件；
• 3）用模型进行检测并输出检测数值，最后绘制显示在图像上；

（3）YOLO-V3的网络配置文件以及对应的模型权重文件下载:YOLO配置以及权重文件下载链接
注意：FPS表示视频显示帧率，即一秒中图像数量，越大表示视频显示越流畅，下载的模型为YOLOv3-320，下载cfg模型配置文件（加载网络结构）+weights（模型权重文件）两个。

此外由于该模型是在COCO上面下载的，一共有80类，需要导入其类别文件，方面后续绘制出类别名称，类别如下：

1.基础功能实现

（1）用法说明：
1）先加载类别文件，然后构建模型并导入训练好的权重，代码片段如下：

classNames= []
classFile='coco.names'
with open(classFile,'rt') as f:
    classNames=f.read().rstrip('\n').split('\n')

modelConfiguration='yolov3.cfg'
modekWeights='yolov3.weights'
net=cv2.dnn.readNetFromDarknet(modelConfiguration,modekWeights)
net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV)#to use opencv
net.setPreferableTarget(cv2.dnn.DNN_TARGET_CPU)#to use cpu

2）对输入网络的数据进行预处理，比如裁剪到网络支持的尺寸等

#blobFromImage主要是用来对图片进行预处理：分别是影像，缩放系数、输入图片的尺寸，图片整体减去的平均值，crop
blob = cv2.dnn.blobFromImage(image, scalefactor=1.0, size, mean, swapRB=True，crop=False,ddepth = CV_32F )

3）将预处理好的数据喂入网络并从网络输出层得到结果，但是由于YOLO-V3是输出有三层，因此如下为得到输出三层的名称，然后提取出对应的结果步骤：

outputNames=[layerNames[i-1] for i in net.getUnconnectedOutLayers()]
outputs=net.forward(outputNames) #三层的输出结果，shape分别是：
outputs[0].shape=（300，85）outputs[1].shape=(1200,85),outputs[2].shape=(4800,85)，

其中每一行85个数,前四个数表示x,y,w,h,检测置信度，最后80表示80个类别每个类别的得分，遍历提取即可。

4) 非极大值抑制用于过滤掉同一个物体出现了不同大小的检测框

（2）完整代码：

import cv2
import numpy as np


cap=cv2.VideoCapture('object.mp4')# 可以设置为0,默认打开摄像头

classNames= []
classFile='coco.names'
with open(classFile,'rt') as f:
    classNames=f.read().rstrip('\n').split('\n')

modelConfiguration='yolov3.cfg'
modekWeights='yolov3.weights'
net=cv2.dnn.readNetFromDarknet(modelConfiguration,modekWeights)
net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV)#to use opencv
net.setPreferableTarget(cv2.dnn.DNN_TARGET_CPU)#to use cpu


def findObjects(outputs,img):
    hT,wT,cT=img.shape
    bbox=[] 
    classIds=[]
    confs=[]

    for output in outputs:#3层结果
        for det in output:#每层检测结果
            scores=det[5:]  
            classId=np.argmax(scores)
            conf=scores[classId]
            if conf>0.5:
                w,h=int(det[2]*wT),int(det[3]*hT)
                x,y=int((det[0]*wT)-w/2),int((det[1]*hT)-h/2)#注意减去
                bbox.append([x,y,w,h])
                classIds.append(classId)
                confs.append(float(conf))

        indices=cv2.dnn.NMSBoxes(bbox,confs,0.5,0.4)

        for i in indices:
            # print(i)

            box=bbox[i]
            x,y,w,h=box
            label=classNames[classIds[i]]
            confidence=confs[i]
            cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,255),2)
            cv2.putText(img,f'{label} {confidence}',(x,y-10),cv2.FONT_HERSHEY_SIMPLEX,0.5,(255,0,255),2)
 


while True:
    success,img=cap.read()
    # blobFromImage主要是用来对图片进行预处理：分别是影像，缩放系数、输入图片的尺寸，图片整体减去的平均值，crop
    blob=cv2.dnn.blobFromImage(img,1/255,(320,320),[0,0,0],1,crop=False)

    net.setInput(blob)

    layerNames=net.getLayerNames()
    # print(type(layerNames))
    # print(layerNames[0])
    # print(type(net.getUnconnectedOutLayers()))#获取输出层的索引
 
    outputNames=[layerNames[i-1] for i in net.getUnconnectedOutLayers()]
    # print(outputNames)
    outputs=net.forward(outputNames)
    # print(outputs[0].shape)#第一个表示检测的盒子数，85表示一堆值，如x,y,w,h,confidence,80表示类别数
    # print(outputs[1].shape)
    # print(outputs[2].shape)
    # print(outputs[0][0])
    findObjects(outputs,img)

    cv2.imshow('Video',img)
    
    if cv2.waitKey(1) & 0xFF==ord('q'):
        break
    

（3）效果预览：

2.工程应用

2.1 封装类

2.2 只检测指定类别的物体

（1）说明

（2）完整代码

import cv2
import numpy as np


cap=cv2.VideoCapture('object.mp4')# 可以设置为0,默认打开摄像头

classNames= []
classFile='coco.names'
with open(classFile,'rt') as f:
    classNames=f.read().rstrip('\n').split('\n')

modelConfiguration='yolov3.cfg'
modekWeights='yolov3.weights'
net=cv2.dnn.readNetFromDarknet(modelConfiguration,modekWeights)
net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV)#to use opencv
net.setPreferableTarget(cv2.dnn.DNN_TARGET_CPU)#to use cpu

# detectLabels为指定只检测的物体名称列表
def findObjects(outputs,img,detectLabels=classNames):
    hT,wT,cT=img.shape
    bbox=[] 
    classIds=[]
    confs=[]

    for output in outputs:#3层结果
        for det in output:#每层检测结果
            scores=det[5:]  
            classId=np.argmax(scores)
            conf=scores[classId]
            if conf>0.5:
                w,h=int(det[2]*wT),int(det[3]*hT)
                x,y=int((det[0]*wT)-w/2),int((det[1]*hT)-h/2)#注意减去
                bbox.append([x,y,w,h])
                classIds.append(classId)
                confs.append(float(conf))

        indices=cv2.dnn.NMSBoxes(bbox,confs,0.5,0.4)

        for i in indices:
            # print(i)

            box=bbox[i]
            x,y,w,h=box
            label=classNames[classIds[i]]
            confidence=confs[i]
            if label in detectLabels:
                cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,255),2)
                cv2.putText(img,f'{label} {confidence}',(x,y-10),cv2.FONT_HERSHEY_SIMPLEX,0.5,(255,0,255),2)
 


while True:
    success,img=cap.read()
    # blobFromImage主要是用来对图片进行预处理：分别是影像，缩放系数、输入图片的尺寸，图片整体减去的平均值，crop
    blob=cv2.dnn.blobFromImage(img,1/255,(320,320),[0,0,0],1,crop=False)

    net.setInput(blob)

    layerNames=net.getLayerNames()
 
    outputNames=[layerNames[i-1] for i in net.getUnconnectedOutLayers()]
    # print(outputNames)
    outputs=net.forward(outputNames)

    findObjects(outputs,img,['person'])

    cv2.imshow('Video',img)
    
    if cv2.waitKey(1) & 0xFF==ord('q'):
        break
    

（3）效果预览（只检测行人）

未完待续！！！

3.参考

（1）B站视频-08-YOLO-V3实时目标检测视频教程
（2）gitee代码仓库
（3）教程源地址cv zone（1）（2）均来自此正式教程。