使用 YOLO 构建实时目标检测应用程序

admin数码24/11/2024 20:30:0800

使用 YOLO 构建实时目标检测应用程序-第1张图片-海印网

物体检测已成为人工智能最令人兴奋的应用之一，使机器能够理解和解释视觉数据。在本教程中，我们将逐步介绍使用 yolo（只看一次）算法创建实时对象检测应用程序的步骤。这个强大的模型可以快速准确地检测图像和视频中的对象，使其适用于从监控到自动驾驶车辆的各种应用。

什么是物体检测？

对象检测是一项计算机视觉任务，涉及识别和定位图像或视频流中的对象。与仅确定存在哪些对象的图像分类不同，对象检测提供检测到的对象周围的边界框及其类标签。

了解 yolo

yolo，代表“you only look once”，是一种最先进的实时目标检测算法。 yolo 的主要优点是速度；它实时处理图像，同时保持高精度。 yolo 将输入图像划分为网格，并预测每个网格单元的边界框和概率，使其能够在一次传递中检测多个对象。

设置您的环境

在我们深入研究代码之前，请确保您已安装以下软件：

python 3.x：从 python.org 下载。
opencv：计算机视觉任务的库。
numpy：数值计算库。
tensorflow 或 pytorch：取决于您运行 yolo 模型的偏好。

创建虚拟环境（可选）

创建虚拟环境可以帮助有效管理依赖关系：

python -m venv yolovenv
source yolovenv/bin/activate  # on windows use yolovenvscriptsctivate

登录后复制

安装依赖项

使用 pip 安装所需的库：

pip install opencv-python numpy

登录后复制

对于yolo，您可能需要下载预训练的权重和配置文件。您可以在 yolo 官方网站上找到 yolov3 权重和配置。

构建对象检测应用程序

现在，让我们创建一个使用 yolo 进行实时对象检测的 python 脚本。

第1步：加载yolo

创建一个名为 object_detection.py 的新 python 文件，并首先导入必要的库并加载 yolo 模型：

import cv2
import numpy as np

# load yolo
net = cv2.dnn.readnet("yolov3.weights", "yolov3.cfg")
layer_names = net.getlayernames()
output_layers = [layer_names[i[0] - 1] for i in net.getunconnectedoutlayers()]

登录后复制

第2步：处理视频流

接下来，我们将从网络摄像头捕获视频并处理每一帧以检测对象：

# capture video from webcam
cap = cv2.videocapture(0)

while true:
    ret, frame = cap.read()
    height, width, channels = frame.shape

    # prepare the image for yolo
    blob = cv2.dnn.blobfromimage(frame, 0.00392, (416, 416), (0, 0, 0), true, crop=false)
    net.setinput(blob)
    outs = net.forward(output_layers)

    # process the detections
    class_ids = []
    confidences = []
    boxes = []

    for out in outs:
        for detection in out:
            scores = detection[5:]
            class_id = np.argmax(scores)
            confidence = scores[class_id]
            if confidence > 0.5:  # adjust confidence threshold as needed
                # object detected
                center_x = int(detection[0] * width)
                center_y = int(detection[1] * height)
                w = int(detection[2] * width)
                h = int(detection[3] * height)

                # rectangle coordinates
                x = int(center_x - w / 2)
                y = int(center_y - h / 2)

                boxes.append([x, y, w, h])
                confidences.append(float(confidence))
                class_ids.append(class_id)

    # apply non-max suppression
    indexes = cv2.dnn.nmsboxes(boxes, confidences, 0.5, 0.4)

    # draw bounding boxes and labels on the frame
    for i in range(len(boxes)):
        if i in indexes:
            x, y, w, h = boxes[i]
            label = str(classes[class_ids[i]])
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
            cv2.puttext(frame, label, (x, y + 30), cv2.font_hershey_plain, 3, (0, 255, 0), 3)

    cv2.imshow("image", frame)
    if cv2.waitkey(1) & 0xff == ord('q'):
        break

cap.release()
cv2.destroyallwindows()

登录后复制