使用OpenCV进行YOLO对象检测

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

什么是YOLO？

YOLO 是“You Only Look Once”一词的缩写。这是一种算法，可以（实时）检测和识别图片中的各种对象。YOLO 中的对象检测是作为回归问题完成的，并提供检测到的图像的类别概率。YOLO 算法采用卷积神经网络 (CNN) 实时检测物体。顾名思义，该算法只需要通过神经网络进行一次前向传播即可检测物体。

这意味着整个图像中的预测是在单个算法运行中完成的。CNN 用于同时预测各种类别概率和边界框。YOLO 算法由各种变体组成。一些常见的包括微型 YOLO 和 YOLOv3。

如何安装 YOLO？

让我们澄清一些事情。YOLO 是一个深度学习算法，所以它本身不需要任何安装，我们需要的是一个运行能够运行这个算法的深度学习框架。

在这里，我们将描述与 YOLO 兼容的 3 个最常用和已知的框架以及每个框架的优缺点：

Darknet：它是由 YOLO 的开发者构建的，专门为 yolo 制作的框架。

• 优点：速度快，可以与GPU或CPU一起工作
• 缺点：它只适用于Linux操作系统

Darkflow：它是Darknet对Tensorflow（另一个深度学习框架）的改编。

• 优点：速度快，可与GPU或CPU配合使用，同时兼容Linux、Windows和Mac。
• 缺点：安装真的很复杂，尤其是在windows上

OpenCV：OpenCV也有一个与 YOLO 配合使用的深度学习框架。但是要确保至安装OpenCV 3.4.2以上的版本。

• 优点：它不需要安装任何东西，除了opencv。
• 缺点：它仅适用于 CPU，因此您无法获得真正的高速实时处理视频。

为什么 YOLO 算法很重要

YOLO 算法之所以重要，原因如下：

• 速度：该算法提高了检测速度，因为它可以实时预测物体。
• 高精度：YOLO 是一种预测技术，可提供准确的结果且背景误差最小。
• 学习能力：该算法具有出色的学习能力，使其能够学习对象的表示并将其应用于对象检测。

如何在 Opencv 中使用 YOLO

我们将在本文重点介绍如何将YOLO与OpenCV结合使用。这是初学者的最佳方法，无需进行复杂的安装即可快速运行算法。

让我们从导入 Opencv 和 numpy 库开始，然后加载算法。

加载算法。运行算法我们需要三个文件：

• 权重文件：它是训练好的模型，是检测物体的算法的核心。
• cfg 文件：是配置文件，里面有算法的所有设置。
• 名称文件：包含算法可以检测到的对象的名称。

然后我们将图像加载到我们想要执行对象检测的位置，并且我们还获得了它的宽度和高度。

现在我们已经准备好算法和图像，是时候将图像传递到网络并进行检测了。

请记住，我们不能立即使用网络上的完整图像，但首先我们需要将其转换为 blob。Blob 它用于从图像中提取特征并调整它们的大小。YOLO 接受三种尺寸：

• 320×320 体积小，精度低但速度更快
• 609×609 更大，精度高，速度慢
• 416×416 它在中间，两者都有

第21 行的outs是检测的结果。Outs 是一个数组，其中包含有关检测到的对象、它们的位置和检测置信度的所有信息。

至此检测完成，我们只需要将结果显示在屏幕上即可。
然后我们循环遍历 outs 数组，计算置信度并选择置信度阈值。

在第 32 行，我们将阈值置信度设置为 0.5，如果它更大，我们认为正确检测到对象，否则我们跳过它。
阈值从0到1。越接近1，检测的准确率越高，越接近 0，准确率越低，但检测到的对象数量也越大

当我们执行检测时，碰巧我们对同一个对象有更多的框，所以我们应该使用另一个函数来去除这个“噪声”。它被称为非最大抑制。

我们最终提取所有信息并将它们显示在屏幕上。

• Box：包含围绕检测到的对象的矩形的坐标。
• 标签：它是检测到的对象的名称
• Confidence：关于检测的置信度从 0 到 1。

结论

本博客概述了 YOLO 算法及其在对象检测中的使用方式。与其他对象检测技术（例如 Fast R-CNN 和 Retina-Net）相比，该技术提供了改进的检测结果。

总结一下：

• 我们已经获得了对象检测和 YOLO 算法的概述。
• 我们已经了解了 YOLO 算法之所以重要的主要原因。
• 我们已经了解了 YOLO 算法的工作原理。我们还了解了 YOLO 用于检测对象的主要技术。
• 我们已经了解了 YOLO 的实际应用。

源码链接：https://github.com/MrBam44/YOLO-object-detection-using-Opencv-with-Python

好消息！

小白学视觉知识星球

开始面向外开放啦👇👇👇

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~