当前位置:   article > 正文

OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标_ai视频分析 yolo

ai视频分析 yolo

本文来源公众号“OpenCV与AI深度学习,仅用于学术分享,侵权删,干货满满。

原文链接:如何使用YOLOv9检测图片和视频中的目标

1 介绍

    在之前的文章中,我们探索了使用 YOLOv8 进行对象检测。现在,我们很高兴能够深入研究最新的迭代——YOLOv9!这个新版本承诺在准确性、效率和适用性方面取得显著进步,使其成为各种计算机视觉任务的强大工具。

2 如何使用 YOLOv9 处理图像和视频

第 1 步:安装必要的库

pip install opencv-python ultralytics

第 2 步:导入库

  1. import cv2
  2. from ultralytics import YOLO

第 3 步:选择模型

model = YOLO("yolov9c.pt")

    在下面网址中,您可以比较不同的型号并权衡各自的优缺点。在本例中,我们选择了 yolov9c.pt。

https://docs.ultralytics.com/de/models/yolov9/#impact-on-lightweight-models

第 4 步:编写一个函数来预测和检测图像和视频中的对象 

  1. def predict(chosen_model, img, classes=[], conf=0.5):
  2. if classes:
  3. results = chosen_model.predict(img, classes=classes, conf=conf)
  4. else:
  5. results = chosen_model.predict(img, conf=conf)
  6. return results
  7. def predict_and_detect(chosen_model, img, classes=[], conf=0.5, rectangle_thickness=2, text_thickness=1):
  8. results = predict(chosen_model, img, classes, conf=conf)
  9. for result in results:
  10. for box in result.boxes:
  11. cv2.rectangle(img, (int(box.xyxy[0][0]), int(box.xyxy[0][1])),
  12. (int(box.xyxy[0][2]), int(box.xyxy[0][3])), (255, 0, 0), rectangle_thickness)
  13. cv2.putText(img, f"{result.names[int(box.cls[0])]}",
  14. (int(box.xyxy[0][0]), int(box.xyxy[0][1]) - 10),
  15. cv2.FONT_HERSHEY_PLAIN, 1, (255, 0, 0), text_thickness)
  16. return img, results
'
运行

   predict()函数有三个参数:

  • chosen_model:用于预测的训练模型
  • img:进行预测的图像
  • classes:(可选)用于过滤预测的类名列表
  • conf:(可选)要考虑的预测的最小置信度阈值

    该函数首先检查是否classes提供了参数。如果是,则chosen_model.predict()使用参数调用该方法classes,该方法将预测仅过滤到这些类。否则,chosen_model.predict()将在不带参数的情况下调用该方法classes,这会返回所有预测。

    该conf参数用于过滤掉置信度分数低于指定阈值的预测。这对于消除误报很有用。

    该函数返回预测结果列表,其中每个结果包含以下信息:

  • name: 预测类别的名称
  • conf:预测的置信度分数
  • box:预测对象的边界框

    predict_and_detect()函数:该函数采用与 函数相同的参数predict(),但除了预测结果之外,它还返回带注释的图像。

    该函数首先调用该predict()函数来获取预测结果。然后,它迭代预测结果并在每个预测对象周围绘制一个边界框。预测类的名称也写在边界框上方。

    该函数返回一个包含注释图像和预测结果的元组。

    以下是两个函数之间差异的总结:

  • predict()函数仅返回预测结果,同时该predict_and_detect()函数还返回带注释的图像
  • predict_and_detect()函数是函数的包装器predict(),这意味着它predict()在内部调用该函数。

第 5 步:使用 YOLOv9 检测图像中的目标

  1. # read the image
  2. image = cv2.imread("YourImagePath")
  3. result_img, _ = predict_and_detect(model, image, classes=[], conf=0.5)

如果想检测特定的类,可以在下面链接找到对应的类名,只需在类列表中写入对象的 ID 号即可。

https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml

第 6 步:保存并绘制结果图像

  1. cv2.imshow("Image", result_img)
  2. cv2.imwrite("YourSavePath", result_img)
  3. cv2.waitKey(0)

第 7 步:使用 YOLOv9 检测视频中的目标

  1. video_path = r"YourVideoPath"
  2. cap = cv2.VideoCapture(video_path)
  3. while True:
  4. success, img = cap.read()
  5. if not success:
  6. break
  7. result_img, _ = predict_and_detect(model, img, classes=[], conf=0.5)
  8. cv2.imshow("Image", result_img)
  9. cv2.waitKey(1)

第 8 步:保存结果视频

  1. # defining function for creating a writer (for mp4 videos)
  2. def create_video_writer(video_cap, output_filename):
  3. # grab the width, height, and fps of the frames in the video stream.
  4. frame_width = int(video_cap.get(cv2.CAP_PROP_FRAME_WIDTH))
  5. frame_height = int(video_cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
  6. fps = int(video_cap.get(cv2.CAP_PROP_FPS))
  7. # initialize the FourCC and a video writer object
  8. fourcc = cv2.VideoWriter_fourcc(*'MP4V')
  9. writer = cv2.VideoWriter(output_filename, fourcc, fps,
  10. (frame_width, frame_height))
  11. return writer
'
运行

只需使用上面的函数和代码即可:

  1. output_filename = "YourFilename"
  2. writer = create_video_writer(cap, output_filename)
  3. video_path = r"YourVideoPath"
  4. cap = cv2.VideoCapture(video_path)
  5. while True:
  6. success, img = cap.read()
  7. if not success:
  8. break
  9. result_img, _ = predict_and_detect(model, img, classes=[], conf=0.5)
  10. writer.write(result_img)
  11. cv2.imshow("Image", result_img)
  12. cv2.waitKey(1)
  13. writer.release()

THE END !

文章结束,感谢阅读。您的点赞,收藏,评论是我继续更新的动力。大家有推荐的公众号可以评论区留言,共同学习,一起进步。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/爱喝兽奶帝天荒/article/detail/819078
推荐阅读
相关标签
  

闽ICP备14008679号