摘要：将YOLO应用于图像目标检测中，那么在学会检测单张图像后，我们也可以利用YOLO算法实现视频流中的目标检测。将YOLO应用于视频流对象检测首先打开?yol ...
摘要：将YOLO应用于图像目标检测中，那么在学会检测单张图像后，我们也可以利用YOLO算法实现视频流中的目标检测。将YOLO应用于视频流对象检测首先打开?yolo_video.py文件并插入以下代码：将YO

将YOLO应用于图像目标检测中，那么在学会检测单张图像后，我们也可以利用YOLO算法实现视频流中的目标检测。将YOLO应用于视频流对象检测首先打开?yolo_video.py文件并插入以下代码：

将YOLO应用于图像目标检测中，那么在学会检测单张图像后，我们也可以利用YOLO算法实现视频流中的目标检测。

将YOLO应用于视频流对象检测 首先打开 yolo_video.py文件并插入以下代码：

# import the necessary packagesimport numpy as npimport argparseimport imutilsimport timeimport cv2import os # construct the argument parse and parse the argumentsap = argparse.ArgumentParser()ap.add_argument( -i , --input , required=True, help= path to input video )ap.add_argument( -o , --output , required=True, help= path to output video )ap.add_argument( -y , --yolo , required=True, help= base path to YOLO directory )ap.add_argument( -c , --confidence , type=float, default=0.5, help= minimum probability to filter weak detections )ap.add_argument( -t , --threshold , type=float, default=0.3, help= threshold when applyong non-maxima suppression )args = vars(ap.parse_args())

同样，首先从导入相关数据包和命令行参数开始。与之前不同的是，此脚本没有-- image参数，取而代之的是量个视频路径：

视频的输入可以是手机拍摄的短视频或者是网上搜索到的视频。另外，也可以通过将多张照片合成为一个短视频也可以。本博客使用的是在PyImageSearch上找到来自imutils的VideoStream类的 示例。

下面的代码与处理图形时候相同：

# load the COCO class labels our YOLO model was trained onlabelsPath = os.path.sep.join([args[ yolo ], coco.names ])LABELS = open(labelsPath).read().strip().split( \n ) # initialize a list of colors to represent each possible class labelnp.random.seed(42)COLORS = np.random.randint(0, 255, size=(len(LABELS), 3), dtype= uint8 ) # derive the paths to the YOLO weights and model configurationweightsPath = os.path.sep.join([args[ yolo ], yolov3.weights ])configPath = os.path.sep.join([args[ yolo ], yolov3.cfg ]) # load our YOLO object detector trained on COCO dataset (80 classes)# and determine only the *output* layer names that we need from YOLOprint( [INFO] loading YOLO from disk... )net = cv2.dnn.readNetFromDarknet(configPath, weightsPath)ln = net.getLayerNames()ln = [ln[i[0] - 1] for i in net.getUnconnectedOutLayers()]

在这里，加载标签并生成相应的颜色，然后加载YOLO模型并确定输出层名称。

接下来，将处理一些特定于视频的任务：

# initialize the video stream, pointer to output video file, and# frame dimensionsvs = cv2.VideoCapture(args[ input ])writer = None(W, H) = (None, None) # try to determine the total number of frames in the video filetry: prop = cv2.cv.CV_CAP_PROP_FRAME_COUNT if imutils.is_cv2() \ else cv2.CAP_PROP_FRAME_COUNT total = int(vs.get(prop)) print( [INFO] {} total frames in video .format(total)) # an error occurred while trying to determine the total# number of frames in the video fileexcept: print( [INFO] could not determine # of frames in video ) print( [INFO] no approx. completion time can be provided ) total = -1

在上述代码块中：

# loop over frames from the video file streamwhile True: # read the next frame from the file (grabbed, frame) = vs.read() # if the frame was not grabbed, then we have reached the end # of the stream if not grabbed: break # if the frame dimensions are empty, grab them if W is None or H is None: (H, W) = frame.shape[:2]

上述定义了一个 while循环， 然后从第一帧开始进行处理，并且会检查它是否是视频的最后一帧。接下来，如果尚未知道帧的尺寸，就会获取一下对应的尺寸。

接下来，使用当前帧作为输入执行YOLO的前向传递 ：

ect Detection with OpenCVPython # construct a blob from the input frame and then perform a forward # pass of the YOLO object detector, giving us our bounding boxes # and associated probabilities blob = cv2.dnn.blobFromImage(frame, 1 / 255.0, (416, 416), swapRB=True, crop=False) net.setInput(blob) start = time.time() layerOutputs = net.forward(ln) end = time.time() # initialize our lists of detected bounding boxes, confidences, # and class IDs, respectively boxes = [] confidences = [] classIDs = []

在这里，构建一个 blob 并将其传递通过网络，从而获得预测。然后继续初始化之前在图像目标检测中使用过的三个列表： boxes 、 confidences、classIDs ：

 # loop over each of the layer outputs for output in layerOutputs: # loop over each of the detections for detection in output: # extract the class ID and confidence (i.e., probability) # of the current object detection scores = detection[5:] classID = np.argmax(scores) confidence = scores[classID] # filter out weak predictions by ensuring the detected # probability is greater than the minimum probability if confidence args[ confidence ]: # scale the bounding box coordinates back relative to # the size of the image, keeping in mind that YOLO # actually returns the center (x, y)-coordinates of # the bounding box followed by the boxes width and # height box = detection[0:4] * np.array([W, H, W, H]) (centerX, centerY, width, height) = box.astype( int ) # use the center (x, y)-coordinates to derive the top # and and left corner of the bounding box x = int(centerX - (width / 2)) y = int(centerY - (height / 2)) # update our list of bounding box coordinates, # confidences, and class IDs boxes.append([x, y, int(width), int(height)]) confidences.append(float(confidence)) classIDs.append(classID)

在上述代码中，与图像目标检测相同的有：

 # apply non-maxima suppression to suppress weak, overlapping # bounding boxes idxs = cv2.dnn.NMSBoxes(boxes, confidences, args[ confidence ], args[ threshold ]) # ensure at least one detection exists if len(idxs) 0: # loop over the indexes we are keeping for i in idxs.flatten(): # extract the bounding box coordinates (x, y) = (boxes[i][0], boxes[i][1]) (w, h) = (boxes[i][2], boxes[i][3]) # draw a bounding box rectangle and label on the frame color = [int(c) for c in COLORS[classIDs[i]]] cv2.rectangle(frame, (x, y), (x + w, y + h), color, 2) text = {}: {:.4f} .format(LABELS[classIDs[i]], confidences[i]) cv2.putText(frame, text, (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2)

同样的，在上述代码中与图像目标检测相同的有：

使用cv2.dnn.NMSBoxes函数用于抑制弱的重叠边界框，可以在此处阅读有关非最大值抑制的更多信息； 循环遍历由NMS计算的idx，并绘制相应的边界框+标签； 最终的部分代码如下：

 # check if the video writer is None if writer is None: # initialize our video writer fourcc = cv2.VideoWriter_fourcc(* MJPG ) writer = cv2.VideoWriter(args[ output ], fourcc, 30, (frame.shape[1], frame.shape[0]), True) # some information on processing single frame if total 0: elap = (end - start) print( [INFO] single frame took {:.4f} seconds .format(elap)) print( [INFO] estimated total time to finish: {:.4f} .format( elap * total)) # write the output frame to disk writer.write(frame) # release the file pointersprint( [INFO] cleaning up... )writer.release()vs.release()

总结一下：

$ python yolo_video.py --input videos/car_chase_01.mp4 \ --output output/car_chase_01.avi --yolo yolo-coco[INFO] loading YOLO from disk...[INFO] 583 total frames in video[INFO] single frame took 0.3500 seconds[INFO] estimated total time to finish: 204.0238[INFO] cleaning up...

图6：YOLO应用于车祸视频对象检测

 

在视频/ GIF中，你不仅可以看到被检测到的车辆，还可以检测到人员以及交通信号灯！

YOLO目标检测器在该视频中表现相当不错。让现在尝试同一车追逐视频中的不同视频：

$ python yolo_video.py --input videos/car_chase_02.mp4 \ --output output/car_chase_02.avi --yolo yolo-coco[INFO] loading YOLO from disk...[INFO] 3132 total frames in video[INFO] single frame took 0.3455 seconds[INFO] estimated total time to finish: 1082.0806[INFO] cleaning up...

图7：在该视频中，使用OpenCV和YOLO对象检测来找到该嫌疑人，嫌疑人现在已经逃离汽车并正位于停车场

 

YOLO再一次能够检测到行人！或者嫌疑人回到他们的车中并继续追逐：

$ python yolo_video.py --input videos/car_chase_03.mp4 \ --output output/car_chase_03.avi --yolo yolo-coco[INFO] loading YOLO from disk...[INFO] 749 total frames in video[INFO] single frame took 0.3442 seconds[INFO] estimated total time to finish: 257.8418[INFO] cleaning up...

图8： YOLO是一种快速深度学习对象检测器，能够在使用GPU的情况下用于实时视频

 

最后一个例子，让我们看看如何使用YOLO作为构建流量计数器：

$ python yolo_video.py --input videos/overpass.mp4 \ --output output/overpass.avi --yolo yolo-coco[INFO] loading YOLO from disk...[INFO] 812 total frames in video[INFO] single frame took 0.3534 seconds[INFO] estimated total time to finish: 286.9583[INFO] cleaning up...

图9：立交桥交通视频表明，YOLO和OpenCV可准确、快速地检测汽车

 

下面汇总YOLO视频对象检测完整视频：

因此，如果你的数据集是由许多靠近在一起的小对象组成时，那么就不应该使用YOLO算法。就小物体而言，更快的R-CNN往往效果最好，但是其速度也最慢。在这里也可以使用SSD算法， SSD通常在速度和准确性方面也有很好的权衡。

值得注意的是，在本教程中，YOLO比SSD运行速度慢，大约慢一个数量级。因此，如果你正在使用预先训练的深度学习对象检测器供OpenCV使用，可能需要考虑使用SSD算法而不是YOLO算法。

因此，在针对给定问题选择对象检测器时，我倾向于使用以下准则：

图10：在我的书 使用Python进行计算机视觉的深度学习 中，我介绍了多种对象检测算法，包括faster R-CNN、SSD、RetinaNet。书中讲述了如何创建对象检测图像数据集、训练对象检测器并进行预测。

在本教程中，使用的YOLO模型是在COCO数据集上预先训练的.。但是，如果想在自己的数据集上训练深度学习对象检测器，该如何操作呢？

大体思路是自己标注数据集，按照darknet网站上的指示及网上博客自己更改相应的参数训练即可。或者在我的书  深度学习计算机视觉与Python 中，详细讲述了如何将faster R-CNN、SSD和RetinaNet应用于：

书中的所有目标检测章节都包含对算法和代码的详细说明，确保你能够成功训练自己的对象检测器。在这里可以了解有关我的书的更多信息（并获取免费的示例章节和目录）。

在本教程中，我们学习了如何使用Deep Learning、OpenCV和Python完成YOLO对象检测。然后，我们简要讨论了YOLO架构，并用Python实现：

在配备的3GHz Intel Xeon W处理器的机器上，YOLO的单次前向传输耗时约0.3秒； 但是，使用单次检测器（SSD），检测耗时只需0.03秒，速度提升了一个数量级。对于使用OpenCV和Python在CPU上进行基于实时深度学习的对象检测，你可能需要考虑使用SSD算法。

如果你有兴趣在自己的自定义数据集上训练深度学习对象检测器，请务必参阅写的 使用Python进行计算机视觉深度学习 ，其中提供了有关如何成功训练自己的检测器的详细指南。

 

原文链接：http://click.aliyun.com/m/1000025488/

本文为云栖社区原创内容，未经允许不得转载。

摘要：将YOLO应用于图像目标检测中，那么在学会检测单张图像后，我们也可以利用YOLO算法实现视频流中的目标检测。将YOLO应用于视频流对象检测首先打开?yol