天天看點
傳回

10分鐘學會使用YOLO及Opencv實作目标檢測（下）|附源碼

在上一節内容中

，介紹了如何将YOLO應用于圖像目标檢測中，那麼在學會檢測單張圖像後，我們也可以利用YOLO算法實作視訊流中的目标檢測。

将YOLO應用于視訊流對象檢測

首先打開

 yolo_video.py

檔案并插入以下代碼：

# import the necessary packages
import numpy as np
import argparse
import imutils
import time
import cv2
import os
 
# construct the argument parse and parse the arguments
ap = 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())

同樣，首先從導入相關資料包和指令行參數開始。與之前不同的是，此腳本沒有

-- image

參數，取而代之的是量個視訊路徑：

  • -- input

       ：輸入視訊檔案的路徑；

  • -- output

       ：輸出視訊檔案的路徑；

視訊的輸入可以是手機拍攝的短視訊或者是網上搜尋到的視訊。另外，也可以通過将多張照片合成為一個短視訊也可以。本部落格使用的是在PyImageSearch上找到來自imutils的

VideoStream

類的 示例。

下面的代碼與處理圖形時候相同：

# load the COCO class labels our YOLO model was trained on
labelsPath = 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 label
np.random.seed(42)
COLORS = np.random.randint(0, 255, size=(len(LABELS), 3),
    dtype="uint8")
 
# derive the paths to the YOLO weights and model configuration
weightsPath = 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 YOLO
print("[INFO] loading YOLO from disk...")
net = cv2.dnn.readNetFromDarknet(configPath, weightsPath)
ln = net.getLayerNames()
ln = [ln[i[0] - 1] for i in net.getUnconnectedOutLayers()]

在這裡，加載标簽并生成相應的顔色，然後加載YOLO模型并确定輸出層名稱。

接下來，将處理一些特定于視訊的任務：

# initialize the video stream, pointer to output video file, and
# frame dimensions
vs = cv2.VideoCapture(args["input"])
writer = None
(W, H) = (None, None)
 
# try to determine the total number of frames in the video file
try:
    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 file
except:
    print("[INFO] could not determine # of frames in video")
    print("[INFO] no approx. completion time can be provided")
    total = -1

在上述代碼塊中：

  • 打開一個指向視訊檔案的檔案指針，循環讀取幀；
  • 初始化視訊編寫器 （

    writer

     ）和幀尺寸；
  • 嘗試确定視訊檔案中的總幀數（

    total

     ），以便估計整個視訊的處理時間；

之後逐個處理幀：

# loop over frames from the video file stream
while 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]

上述定義了一個 

while

循環， 然後從第一幀開始進行處理，并且會檢查它是否是視訊的最後一幀。接下來，如果尚未知道幀的尺寸，就會擷取一下對應的尺寸。

接下來，使用目前幀作為輸入執行YOLO的前向傳遞 ：

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 = []

在這裡，建構一個 

blob

 并将其傳遞通過網絡，進而獲得預測。然後繼續初始化之前在圖像目标檢測中使用過的三個清單： 

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)

在上述代碼中，與圖像目标檢測相同的有：

  • 循環輸出層和檢測；
  • 提取

     classID

     并過濾掉弱預測；
  • 計算邊界框坐标；
  • 更新各自的清單；

接下來，将應用非最大值抑制：

# 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)

同樣的，在上述代碼中與圖像目标檢測相同的有：

  • 使用

    cv2.dnn.NMSBoxes

     函數用于抑制弱的重疊邊界框，可以 在此處 閱讀有關非最大值抑制的更多資訊；
  • 循環周遊由NMS計算的

    idx

     ，并繪制相應的邊界框+标簽；

最終的部分代碼如下：

# 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 pointers
print("[INFO] cleaning up...")
writer.release()
vs.release()

總結一下：

  • 初始化視訊編寫器（

    writer

     ），一般在循環的第一次疊代被初始化；
  • 列印出對處理視訊所需時間的估計；
  • 将幀（

    frame

     ）寫入輸出視訊檔案；
  • 清理和釋放指針；

現在，打開一個終端并執行以下指令：

$ 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...
10分鐘學會使用YOLO及Opencv實作目标檢測（下）|附源碼

圖6：YOLO應用于車禍視訊對象檢測

在視訊/ GIF中，你不僅可以看到被檢測到的車輛，還可以檢測到人員以及交通信号燈！

YOLO目标檢測器在該視訊中表現相當不錯。讓現在嘗試同一車追逐視訊中的不同視訊：

$ 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...
10分鐘學會使用YOLO及Opencv實作目标檢測（下）|附源碼

圖7：在該視訊中，使用OpenCV和YOLO對象檢測來找到該嫌疑人，嫌疑人現在已經逃離汽車并正位于停車場

YOLO再一次能夠檢測到行人！或者嫌疑人回到他們的車中并繼續追逐：

$ 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...
10分鐘學會使用YOLO及Opencv實作目标檢測（下）|附源碼

圖8： YOLO是一種快速深度學習對象檢測器，能夠在使用GPU的情況下用于實時視訊

最後一個例子，讓我們看看如何使用YOLO作為建構流量計數器：

$ 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...
10分鐘學會使用YOLO及Opencv實作目标檢測（下）|附源碼

圖9：立交橋交通視訊表明，YOLO和OpenCV可準确、快速地檢測汽車

下面彙總YOLO視訊對象檢測完整視訊：

YOLO目标檢測器的局限和缺點

YOLO目标檢測器的最大限制和缺點是：

  • 它并不總能很好地處理小物體；
  • 它尤其不适合處理密集的對象；

限制的原因是由于YOLO算法其本身：

  • YOLO對象檢測器将輸入圖像劃分為

    SxS

     網格，其中網格中的每個單元格僅預測單個對象；
  • 如果單個單元格中存在多個小對象，則YOLO将無法檢測到它們，最終導緻錯過對象檢測；

是以，如果你的資料集是由許多靠近在一起的小對象組成時，那麼就不應該使用YOLO算法。就小物體而言，更快的R-CNN往往效果最好，但是其速度也最慢。在這裡也可以使用SSD算法， SSD通常在速度和準确性方面也有很好的權衡。

值得注意的是，在本教程中，YOLO比SSD運作速度慢，大約慢一個數量級。是以，如果你正在使用預先訓練的深度學習對象檢測器供OpenCV使用，可能需要考慮使用SSD算法而不是YOLO算法。

是以，在針對給定問題選擇對象檢測器時，我傾向于使用以下準則：

  • 如果知道需要檢測的是小物體并且速度方面不作求，我傾向于使用faster R-CNN算法；
  • 如果速度是最重要的，我傾向于使用YOLO算法；
  • 如果需要一個平衡的表現，我傾向于使用SSD算法；

想要訓練自己的深度學習目标檢測器？

10分鐘學會使用YOLO及Opencv實作目标檢測（下）|附源碼

圖10：在我的書“使用Python進行計算機視覺的深度學習”中，我介紹了多種對象檢測算法，包括faster R-CNN、SSD、RetinaNet。書中講述了如何建立對象檢測圖像資料集、訓練對象檢測器并進行預測。

在本教程中，使用的YOLO模型是在COCO資料集上預先訓練的.。但是，如果想在自己的資料集上訓練深度學習對象檢測器，該如何操作呢？

大體思路是自己标注資料集，按照darknet網站上的訓示及網上部落格自己更改相應的參數訓練即可。或者在我的書“

 深度學習計算機視覺與Python

”中，詳細講述了如何将faster R-CNN、SSD和RetinaNet應用于：

  • 檢測圖像中的徽标；
  • 檢測交通标志；
  • 檢測車輛的前視圖和後視圖（用于建構自動駕駛汽車應用）；
  • 檢測圖像和視訊流中武器；

書中的所有目标檢測章節都包含對算法和代碼的詳細說明，確定你能夠成功訓練自己的對象檢測器。在

這裡

可以了解有關我的書的更多資訊（并擷取免費的示例章節和目錄）。

總結

在本教程中，我們學習了如何使用Deep Learning、OpenCV和Python完成YOLO對象檢測。然後，我們簡要讨論了YOLO架構，并用Python實作：

  • 将YOLO對象檢測應用于單個圖像；
  • 将YOLO對象檢測應用于視訊流；

在配備的3GHz Intel Xeon W處理器的機器上，YOLO的單次前向傳輸耗時約0.3秒； 但是，使用

單次檢測器（SSD）

，檢測耗時隻需0.03秒，速度提升了一個數量級。對于使用OpenCV和Python在CPU上進行基于實時深度學習的對象檢測，你可能需要考慮使用SSD算法。

如果你有興趣在自己的自定義資料集上訓練深度學習對象檢測器，請務必參閱寫的“使用Python進行計算機視覺深度學習”，其中提供了有關如何成功訓練自己的檢測器的詳細指南。或者參看

本人之前的部落格

。

作者資訊

Adrian Rosebrock ，機器學習，人工智能，圖像處理

本文由阿裡雲雲栖社群組織翻譯。

文章原标題《YOLO object detection with OpenCV》，譯者：海棠，審校：Uncle_LLD。

文章為簡譯，更為詳細的内容，

請檢視原文
機器學習/深度學習 算法 固态存儲 計算機視覺 Python opencv學習視訊檢測 opencv使用附源碼 opencv檢測代碼 opencv視訊檢測 opencv附源碼
上一篇: 前後端分離與不分離的本質差別！
下一篇: 專訪李偉：這麼多程式設計語言，為什麼我選擇了C++?

繼續閱讀