用python+opencv实现目标检测

2022/7/12 14:22:09

编程Tag： image file opencv python cv2 weights boxes 实现目标

本文主要是介绍用python+opencv实现目标检测，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

前言

opencv是什么可能很多人都不清楚，那么这个时候咱们就可以打开百度输入opencv是什么。
请添加图片描述

这不就有了吗，然后点击进去。
请添加图片描述
这不就完美的解决了opencv是干啥的了吗，不过估计还是有很多人是看不明白的那么接下来咱们就来实现它当中的一个功能吧，非常强大，好好看好好学。

正文

在此篇文章中主要讲的是
展示如何使用Python和OpenCV实现简单的对象检测。

我们需要初始化虚拟环境:

 
 
python3 -m venv env
source env/bin/activate
 
mkdir weights
cp [darknet directory]/cfg/coco.names weights/
cp [darknet directory]/cfg/yolov3.cfg weights/
cp [darknet directory]/yolov3.weights

安装

接下来，我们需要安装示例所需的库，创建一个“requirements.txt”文件并添加以下内容:

 
 
# requirements.txt
opencv-python
argparse
numpy

然后通过以下方式安装:

pip install -r requirements.txt

编写源代码

首先，我们需要导入所需的模块:

import numpy as np
import argparse
import cv2

接下来声明必要的变量并初始化网络模型:

LABELS_FILE = "weights/coco.names"
CONFIG_FILE = "weights/yolov3.cfg"
WEIGHTS_FILE = "weights/yolov3.weights"
CONFIDENCE_THRESHOLD = 0.3 python学习交流群：660193417
 
LABELS = open(LABELS_FILE).read().strip().split("\n")
 
np.random.seed(4)
COLORS = np.random.randint(0, 255, size = (len(LABELS), 3), dtype = "uint8")
 
net = cv2.dnn.readNetFromDarknet(CONFIG_FILE, WEIGHTS_FILE) python学习交流Q群：660193417###

下面的函数循环遍历在图像中找到的检测到的对象，检查置信度是否高于最小阈值，如果是，则将该框与检测到的坐标一起添加到box数组中。

然后，它检查以确保有一个以上的检测，如果是这样，它将框连同对象标签和置信度一起绘制到图像上。

最后，修改后的图像显示在屏幕上。

def drawBoxes (image, layerOutputs, H, W):
  boxes = []
  confidences = []
  classIDs = []
 
  for output in layerOutputs:
    for detection in output:
      scores = detection[5:]
      classID = np.argmax(scores)
      confidence = scores[classID]
 
      if confidence > CONFIDENCE_THRESHOLD:
        box = detection[0:4] * np.array([W, H, W, H])
        (centerX, centerY, width, height) = box.astype("int")
 
        x = int(centerX - (width / 2))
        y = int(centerY - (height / 2))
 
        boxes.append([x, y, int(width), int(height)])
        confidences.append(float(confidence))
        classIDs.append(classID)
 
  idxs = cv2.dnn.NMSBoxes(boxes, confidences, CONFIDENCE_THRESHOLD, CONFIDENCE_THRESHOLD)
 
  # Ensure at least one detection exists
  if len(idxs) > 0:
    for i in idxs.flatten():
      (x, y) = (boxes[i][0], boxes[i][1])
      (w, h) = (boxes[i][2], boxes[i][3])
 
      color = [int(c) for c in COLORS[classIDs[i]]]
 
      cv2.rectangle(image, (x, y), (x + w, y + h), color, 2)
      text = "{}: {:.4f}".format(LABELS[classIDs[i]], confidences[i])
      cv2.putText(image, text, (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2)
 
  # Display the image
  cv2.imshow("output", image)

下一个函数从提供的路径中读取一个图像文件，从图像中创建一个blob并设置网络输入。

然后，我们获得层输出，然后将必要的变量传递给上面定义的函数。

def detectObjects (imagePath):
  image = cv2.imread(imagePath)
  (H, W) = image.shape[:2]
 
  ln = net.getLayerNames()
  ln = [ln[i - 1] for i in net.getUnconnectedOutLayers()]
 
  blob = cv2.dnn.blobFromImage(image, 1 / 255.0, (416, 416), swapRB = True, crop = False)
  net.setInput(blob)
  layerOutputs = net.forward(ln)
  drawBoxes(image, layerOutputs, H, W)

最后，我们当然需要main函数，我们使用argparse从命令行读取文件路径，调用上面的函数，然后等待用户按任意键。

完成之后

if __name__ == "__main__":
  ap = argparse.ArgumentParser()
  ap.add_argument("-i", "--image", required = True, help = "Path to input file")
 
  args = vars(ap.parse_args())
  detectObjects(args["image"])
 
  cv2.waitKey(0)
  cv2.destroyAllWindows()