OpenCV调用Yolov5：实现目标检测 |21xrx.com

OpenCV调用Yolov5：实现目标检测

2023-09-23 06:44:31 深夜i -- --

OpenCV Yolov5 目标检测调用实现

OpenCV是一个广泛应用于计算机视觉领域的开源库，它提供了许多功能强大的图像处理和计算机视觉算法。Yolov5是一个基于深度学习的目标检测算法，它能够快速准确地识别图像中的多个目标。在这篇文章中，我们将介绍如何使用OpenCV调用Yolov5来实现目标检测。

首先，我们需要安装OpenCV和Yolov5的相关库和模型。可以通过pip命令来安装它们：

pip install opencv-python pip install opencv-contrib-python pip install yolov5

在安装完成后，我们可以开始编写代码。首先，我们需要导入所需的库：

python
import cv2
import torch
from torchvision.models import load_state_dict_from_url
from yolov5.models.experimental import attempt_load
from yolov5.utils.torch_utils import select_device, time_synchronized
from yolov5.utils.general import non_max_suppression, scale_coords

然后，我们需要定义一些辅助函数，例如加载模型和类别文件，以及进行目标检测的函数：

python
def load_model():
  model = attempt_load("yolov5s.pt", map_location=torch.device('cpu'))
  return model
def load_classes():
  with open("coco.names", "r") as f:
    classes = [line.strip() for line in f.readlines()]
  return classes
def detect_objects(image, model, classes):
  device = select_device('')
  model.to(device).eval()
  img = torch.from_numpy(image).to(device)
  img = img.float() / 255.0
  img = img.unsqueeze(0)
  pred = model(img)[0]
  pred = non_max_suppression(pred, 0.4, 0.5)
  for det in pred:
    if len(det):
      det[:, :4] = scale_coords(img.shape[2:], det[:, :4], image.shape).round()
      for *xyxy, conf, cls in reversed(det):
        label = f'{classes[int(cls)]} {conf:.2f}'
        plot_one_box(xyxy, image, label=label)
  return image
def plot_one_box(xyxy, img, color=(0, 255, 0), label=None, line_thickness=3):
  tl = line_thickness or round(0.002 * (img.shape[0] + img.shape[1]) / 2) + 1
  c1, c2 = (int(xyxy[0]), int(xyxy[1])), (int(xyxy[2]), int(xyxy[3]))
  cv2.rectangle(img, c1, c2, color, thickness=tl, lineType=cv2.LINE_AA)
  if label:
    tf = max(tl - 1, 1)
    t_size = cv2.getTextSize(label, 0, fontScale=tl / 3, thickness=tf)[0]
    c2 = c1[0] + t_size[0], c1[1] - t_size[1] - 3
    cv2.rectangle(img, c1, c2, color, -1, cv2.LINE_AA)
    cv2.putText(
      img, label, (c1[0], c1[1] - 2), 0, tl / 3, [225, 255, 255], thickness=tf, lineType=cv2.LINE_AA
    )

接下来，我们可以使用OpenCV读取图像并调用目标检测函数：

python
if __name__ == '__main__':
  # 加载模型和类别文件
  model = load_model()
  classes = load_classes()
  # 读取图像
  image = cv2.imread("image.jpg")
  # 目标检测
  result = detect_objects(image, model, classes)
  # 显示结果
  cv2.imshow("Object Detection", result)
  cv2.waitKey(0)
  cv2.destroyAllWindows()

通过以上步骤，我们就可以使用OpenCV调用Yolov5来实现目标检测了。只需几行代码，就能够快速准确地检测出图像中的多个目标。这对于许多计算机视觉应用，如视频监控、自动驾驶等都非常有用。OpenCV和Yolov5的结合为我们提供了一个强大的工具，帮助我们更好地理解和分析图像中的信息。希望本文能够对读者们在目标检测方面的学习和应用有所帮助。

上一篇: idea打包java可执行jar包

下一篇: OpenCV人体检测：实现智能识别与分析

评论区

()

相似文章