目录
代码分析
这段代码使用 YOLO（You Only Look Once）模型进行视频中的物体检测，并通过 OpenCV 显示检测结果。以下是代码的详细分析：
1. YOLO 模型加载
net = cv2.dnn.readNet('../../needFiles/yolov3.weights', '../../needFiles/yolov3.cfg')
- 这行代码加载了预先训练的 YOLOv3 模型的权重文件（
yolov3.weights）和配置文件（yolov3.cfg）。YOLOv3 是一个实时物体检测模型，能够检测多个类别的物体。
layer_names = net.getLayerNames()
output_layers = [layer_names[i - 1] for i in net.getUnconnectedOutLayers()]
getLayerNames()获取网络的所有层名称。getUnconnectedOutLayers()返回网络输出层的索引（通常是 YOLO 的 3 个输出层），通过索引列表，获取这些输出层的名称，用于后面的forward方法中。
2. 视频加载与初始化
video_path = 'D:/Dji/DJIneo.mp4'
cap = cv2.VideoCapture(video_path)
- 使用
cv2.VideoCapture来加载视频文件。如果视频路径正确，cap将用于逐帧读取视频。
resize_scale = 0.3
- 定义缩放比例为 0.3，用于后续缩小显示尺寸，以减少计算量。
prev_time = 0
- 初始化变量
prev_time，用于计算帧率（FPS，Frames Per Second）。
3. 视频帧处理
while True:
ret, frame = cap.read()
if not ret:
break
- 逐帧读取视频内容，
cap.read()返回两个值，ret是布尔值表示是否成功读取，frame是当前帧图像。如果无法读取（如视频结束），则退出循环。
frame_resized = cv2.resize(frame, (0, 0), fx=resize_scale, fy=resize_scale)
- 当前帧
frame被缩小到原来的 30%（通过resize_scale），用于加快后续处理。
4. 物体检测
blob = cv2.dnn.blobFromImage(frame_resized, 0.00392, (416, 416), (0, 0, 0), True, crop=False)
net.setInput(blob)
outs = net.forward(output_layers)
- YOLO 模型需要特定格式的输入。
blobFromImage将图像转换为 YOLO 需要的 4D blob，归一化比例为0.00392，图像大小调整为(416, 416)。net.setInput(blob)将处理后的 blob 输入到网络，net.forward(output_layers)得到检测结果。
5. 处理检测结果
class_ids = []
confidences = []
boxes = []
- 初始化三个列表：
class_ids用于存储检测到的物体类别，confidences存储每个物体的置信度，boxes存储边界框的坐标。
for out in outs:
for detection in out:
scores = detection[5:]
class_id = np.argmax(scores)
confidence = scores[class_id]
if confidence > 0.5:
...
- 遍历 YOLO 输出的
outs，每个detection包含检测到的一个物体的信息。检测结果中的前 4 个值是物体的位置信息，后面的值是类别的置信度。np.argmax(scores)找出置信度最高的类别，confidence存储该类别的置信度。如果置信度超过 0.5，则认为该物体被成功检测。
6. 边界框和类别显示
indexes = cv2.dnn.NMSBoxes(boxes, confidences, 0.5, 0.4)
for i in indexes.flatten():
x, y, w, h = boxes[i]
label = str(class_ids[i])
cv2.rectangle(frame_resized, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv2.putText(frame_resized, label, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)
- 使用非极大值抑制（NMS，Non-Maximum Suppression）去除重叠的边界框，减少冗余检测结果。然后，遍历保留下来的边界框，在图像上绘制矩形框和类别标签。
7. 帧率（FPS）计算
current_time = time.time()
fps = 1 / (current_time - prev_time)
prev_time = current_time
cv2.putText(frame_resized, f'FPS: {int(fps)}', (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2)
- 通过计算两帧之间的时间差，实时计算并显示 FPS，以评估模型的运行效率。
8. 结果显示与退出
cv2.imshow('Object Detection', frame_resized)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
- 使用
imshow显示检测结果，按 'q' 键退出循环。
9. 资源释放
cap.release()
cv2.destroyAllWindows()
- 释放视频资源并关闭所有窗口。
整体代码
import cv2
import numpy as np
import time
# 加载 YOLO 模型
net = cv2.dnn.readNet('../../needFiles/yolov3.weights', '../../needFiles/yolov3.cfg')
layer_names = net.getLayerNames()
output_layers = [layer_names[i - 1] for i in net.getUnconnectedOutLayers()] # 修正索引问题
# 加载视频
video_path = 'D:/Dji/DJIneo.mp4'
cap = cv2.VideoCapture(video_path)
# 缩小显示尺寸
resize_scale = 0.3
# 初始化时间和帧计数器
prev_time = 0
# 处理视频的每一帧
while True:
ret, frame = cap.read()
if not ret:
break
# 缩小当前帧
frame_resized = cv2.resize(frame, (0, 0), fx=resize_scale, fy=resize_scale)
# 检测对象
blob = cv2.dnn.blobFromImage(frame_resized, 0.00392, (416, 416), (0, 0, 0), True, crop=False)
net.setInput(blob)
outs = net.forward(output_layers)
# 处理检测结果
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: # 置信度阈值
center_x = int(detection[0] * frame_resized.shape[1])
center_y = int(detection[1] * frame_resized.shape[0])
w = int(detection[2] * frame_resized.shape[1])
h = int(detection[3] * frame_resized.shape[0])
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)
# 应用非极大抑制来去除冗余框
indexes = cv2.dnn.NMSBoxes(boxes, confidences, 0.5, 0.4)
for i in indexes.flatten(): # 展平索引
x, y, w, h = boxes[i]
label = str(class_ids[i])
cv2.rectangle(frame_resized, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv2.putText(frame_resized, label, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)
# 计算 FPS
current_time = time.time()
fps = 1 / (current_time - prev_time)
prev_time = current_time
# 显示 FPS
cv2.putText(frame_resized, f'FPS: {int(fps)}', (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2)
# 显示结果
cv2.imshow('Object Detection', frame_resized)
# 按 'q' 键退出
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 释放资源
cap.release()
cv2.destroyAllWindows()
效果展示
<iframe allowfullscreen="true" data-mediaembed="csdn" frameborder="0" id="oqHBSRUh-1725890018997" src="https://live.csdn.net/v/embed/423260"></iframe>YOLOV3实现目标识别
总结
这，呃，不总结了
标签：YoloV3,frame,resized,cv2,实时,OpenCV,time,net,class From： https://blog.csdn.net/DDDDWJDDDD/article/details/142070366