3种方法用yolov3pythoncv2实现视频目标检测

　　1说明：
　　1。1技术要点：yolov3pythoncv2（OpenCV）实现目标检测，本文由浅入深，代码注释，小白秒懂，值得收藏。
　　1。23种方法：摄像头视频目标检测、小视频cv2目标检测，和视频目标检测生成avi视频。
　　1。3yolo的基本介绍。
　　pic1：单张静态图片目标检测
　　1。4单张静态图片目标检测，我已经讲过，可参考文章
　　《目标检测和识别：PythonOpenCVYolov3》，文章中三个文件：yolov3。cfg、coco。names和yolov3。weights。下载已经告知，本文省略。建议先看这篇文章后，再看本文。
　　2效果图：
　　2。1摄像头实时目标检测
　　bottle矿泉水瓶；cellphone手机；person人
　　2。2读取视频实时目标检测：
　　person人；
　　2。3目标检测后生成avi视频：
　　来自网络，仅供学习，如有侵权，请联系，定删除
　　3摄像头实时目标检测代码：代码来源，进行注释和分析https：blog。csdn。netqq39567427articledetails105451962？utmmediumdistribute。pcrelevant。nonetaskblogBlogCommendFromMachineLearnPai21。addparamisCfdepth1utmsourcedistribute。pcrelevant。nonetaskblogBlogCommendFromMachineLearnPai21。addparamisCf摄像头实时目标检测第1步：导入模块importcv2importnumpyasnp第2步：加载yolov3的模型和三个文件注意路径netcv2。dnn。readNet（homexgjDesktopyolov3yolov3。weights，homexgjDesktopyolov3yolov3。cfg）名字分类的空的列表classes〔〕withopen（homexgjDesktopyolov3coco。names，r）asf：classes〔line。strip（）forlineinf。readlines（）〕layernamesnet。getLayerNames（）outputlayers〔layernames〔i〔0〕1〕foriinnet。getUnconnectedOutLayers（）〕第3步：初始化相关参数颜色随机产生colorsnp。random。uniform（0，255，size（len（classes），3））Initializeframeratecalculationframeratecalc1获取频率freqcv2。getTickFrequency（）0提示读取摄像头如果格式是xxxxxxxxx。mp4就是读取本地视频文件capcv2。VideoCapture（0）第4步：循环whileTrue：Starttimer（forcalculatingframerate）t1cv2。getTickCount（）获取读取摄像头资料ret，framecap。read（）以下与单张静态图片类似获取高、宽和通道height，width，channelsframe。shapeDetectingobjects，侦测对象相关设置，与静态图片类似blobcv2。dnn。blobFromImage（frame，0。00392，（416，416），（0，0，0），True，cropFalse）net。setInput（blob）outsnet。forward（outputlayers）Showinginformationsonthescreen屏幕展示信息设置classids〔〕confidences〔〕boxes〔〕outs是上面获取的foroutinouts：fordetectioninout：scoresdetection〔5：〕classidnp。argmax（scores）confidencescores〔classid〕ifconfidence0。5：Objectdetectedcenterxint（detection〔0〕width）centeryint（detection〔1〕height）wint（detection〔2〕width）hint（detection〔3〕height）Rectanglecoordinatesxint（centerxw2）yint（centeryh2）boxes。append（〔x，y，w，h〕）confidences。append（float（confidence））classids。append（classid）indexescv2。dnn。NMSBoxes（boxes，confidences，0。5，0。4）fontcv2。FONTHERSHEYSIMPLEXforiinrange（len（boxes））：ifiinindexes：x，y，w，hboxes〔i〕labelstr（classes〔classids〔i〕〕）colorcolors〔i〕cv2。rectangle（frame，（x，y），（xw，yh），color，1）cv2。putText（frame，label，（x，y20），font，0。7，color，1）cv2。putText（frame，FPS：｛0：。2f｝。format（frameratecalc），（30，50），font，0。7，（255，255，0），1）cv2。namedWindow（Image，cv2。WINDOWNORMAL）cv2。resizeWindow（Image，960，540）cv2。imshow（Image，frame）以上与单张静态图片类似Calculateframeratet2cv2。getTickCount（）time1（t2t1）freqframeratecalc1time1Pressqtoquit，默认为1ifcv2。waitKey（1）ord（q）：break第5步：结束关闭cap。release（）cv2。destroyAllWindows（）
　　4读取本地视频进行目标检测：
　　代码基本与上面相同，仅需给一下这一行代码为capcv2。VideoCapture（homexgjDesktopyolov3333。mp4）上面注释里有介绍
　　5高级一点的视频标准目标检测，并合成新的视频：
　　5。1本机环境：python3。8OpenCV4。2。0华为笔记本电脑deepinlinux操作系统。
　　5。2代码说明：参考文章，对代码进行注释和适当修改https：my。oschina。netu1464083blog2906860本代码：sp3。py
　　5。3代码：第1步：导入模块importnumpyasnpimportargparseimportimutilsimporttimeimportcv2importos第2步：参数构建实例化apargparse。ArgumentParser（）当前本代码同目录下的input文件夹：原视频位置ap。addargument（i，input，requiredTrue，helppathtoinputvideo）当前本代码同目录下的output文件夹：目标检测标定后的合成视频位置ap。addargument（o，output，requiredTrue，helppathtooutputvideo）当前本代码同目录下的yolov3文件夹ap。addargument（y，yolov3，requiredTrue，helpbasepathtoYOLOdirectory）参数定义，默认值ap。addargument（c，confidence，typefloat，default0。5，helpminimumprobabilitytofilterweakdetections）ap。addargument（t，threshold，typefloat，default0。3，helpthresholdwhenapplyongnonmaximasuppression）argsvars（ap。parseargs（））第3步：加载yolov3的3个文件注意：三个文件在yolov3文件下weightsPathos。path。sep。join（〔args〔yolov3〕，yolov3。weights〕）configPathos。path。sep。join（〔args〔yolov3〕，yolov3。cfg〕）labelsPathos。path。sep。join（〔args〔yolov3〕，coco。names〕）读取标签名文件LABELSopen（labelsPath）。read（）。strip（）。split（）initializealistofcolorstorepresenteachpossibleclasslabelnp。random。seed（42）颜色随机设置COLORSnp。random。randint（0，255，size（len（LABELS），3），dtypeuint8）print（〔INFO〕loadingYOLOfromdisk。。。）netcv2。dnn。readNetFromDarknet（configPath，weightsPath）lnnet。getLayerNames（）ln〔ln〔i〔0〕1〕foriinnet。getUnconnectedOutLayers（）〕第4步：获取输入的原视频文件vscv2。VideoCapture（args〔input〕）writerNone（W，H）（None，None）trytodeterminethetotalnumberofframesinthevideofiletry：propcv2。cv。CVCAPPROPFRAMECOUNTifimutils。iscv2（）elsecv2。CAPPROPFRAMECOUNTtotalint（vs。get（prop））测算本视频内的目标检测识别后的总框架print（〔INFO〕｛｝totalframesinvideo。format（total））anerroroccurredwhiletryingtodeterminethetotalnumberofframesinthevideofileexcept：print（〔INFO〕couldnotdetermineofframesinvideo）print（〔INFO〕noapprox。completiontimecanbeprovided）total1第5步：循环loopoverframesfromthevideofilestreamwhileTrue：readthenextframefromthefile（grabbed，frame）vs。read（）iftheframewasnotgrabbed，thenwehavereachedtheendofthestreamifnotgrabbed：breakiftheframedimensionsareempty，grabthemifWisNoneorHisNone：（H，W）frame。shape〔：2〕constructablobfromtheinputframeandthenperformaforwardpassoftheYOLOobjectdetector，givingusourboundingboxesandassociatedprobabilitiesblobcv2。dnn。blobFromImage（frame，1255。0，（416，416），swapRBTrue，cropFalse）net。setInput（blob）starttime。time（）layerOutputsnet。forward（ln）endtime。time（）initializeourlistsofdetectedboundingboxes，confidences，andclassIDs，respectivelyboxes〔〕confidences〔〕classIDs〔〕loopovereachofthelayeroutputsforoutputinlayerOutputs：loopovereachofthedetectionsfordetectioninoutput：scoresdetection〔5：〕classIDnp。argmax（scores）confidencescores〔classID〕ifconfidenceargs〔confidence〕：boxdetection〔0：4〕np。array（〔W，H，W，H〕）（centerX，centerY，width，height）box。astype（int）xint（centerX（width2））yint（centerY（height2））boxes。append（〔x，y，int（width），int（height）〕）confidences。append（float（confidence））classIDs。append（classID）绑定boxidxscv2。dnn。NMSBoxes（boxes，confidences，args〔confidence〕，args〔threshold〕）ensureatleastonedetectionexists确保一个侦测存在iflen（idxs）0：loopovertheindexeswearekeepingforiinidxs。flatten（）：extracttheboundingboxcoordinates（x，y）（boxes〔i〕〔0〕，boxes〔i〕〔1〕）（w，h）（boxes〔i〕〔2〕，boxes〔i〕〔3〕）drawaboundingboxrectangleandlabelontheframecolor〔int（c）forcinCOLORS〔classIDs〔i〕〕〕cv2。rectangle（frame，（x，y），（xw，yh），color，2）text｛｝：｛：。4f｝。format（LABELS〔classIDs〔i〕〕，confidences〔i〕）cv2。putText（frame，text，（x，y5），cv2。FONTHERSHEYSIMPLEX，0。5，color，2）checkifthevideowriterisNone写入新的视频文件ifwriterisNone：initializeourvideowriterfourcccv2。VideoWriterfourcc（MJPG）writercv2。VideoWriter（args〔output〕，fourcc，30，（frame。shape〔1〕，frame。shape〔0〕），True）someinformationonprocessingsingleframeiftotal0：elap（endstart）print（〔INFO〕singleframetook｛：。4f｝seconds。format（elap））print（〔INFO〕estimatedtotaltimetofinish：｛：。4f｝seconds。format（elaptotal））writetheoutputframetodiskwriter。write（frame）第6步：结束和收尾releasethefilepointersprint（〔INFO〕cleaningup。。。）writer。release（）vs。release（）
　　5。4运行：第7步：使用方法在本代码sp3。py的目录下打开终端本机输入python3。8sp3。pyinputvideos222。mp4outputoutput2222。aviyolov3yolov3
　　5。5图：
　　视频是一首完整的MV，有点大，时间有一点久
　　6小结：
　　6。1摄像头视频，有点卡，小bug。
　　6。2合成视频，有点慢，xiaobug。
　　7yolo介绍：
　　7。1yolo是目前比较流行的目标检测算法，速度快结构简单。
　　7。2YOLO是2016年提出来的目标检测算法，当前较为火热。
　　7。3yoloYouOnlyLookOnce：
　　Unified，RealTimeObjectDetection，
　　即：YouOnlyLookOnce说的是只需要一次CNN运算，
　　Unified指的是这是一个统一的框架，提供endtoend的预测，
　　而RealTime体现是Yolo算法速度快，达到实时。
　　7。4yolov3比较成熟，但目前已经出现yolov4和yolov5（被认为是v4。5版本）。