Yolov5 安装详细教程及目标检测和识别_yolo5安装教程

文章内容：
1.在 Anaconda 环境下，进行目标检测程序（Yolov5）的下载及安装，实现 Yolov5 的整体安装；
2.通过调用手机摄像头进行简单的目标检测和识别。

1 任务目标

• 实现目标检测程序的下载及安装，了解目标检测程序的开发过程和环境；
• 完成简单的目标检测，掌握移动 IP 摄像头对目标场景的检测方法。

2 任务环境

• 设备：PC( Windows系统 )、手机
• 环境：Anaconda 环境
  安装 Anaconda 环境并新建虚拟环境可以移步到我的另一条博文：Python 环境资源配置

3 Yolov5 下载安装

3.1 下载 Yolov5

在下载配置 Yolov5 之前，需要先安装好 Anaconda 环境，新建虚拟环境，并进入。

• 这里我之前已经创建好了名为“ PyCharmLearningProject ”的虚拟环境。(名字不重要)

• 通过“win+R”进入命令提示符

• 输入命令“ activate PyCharmLearningProject ”进入虚拟环境
  

• 下载 Yolov5 源码
  Yolov5 Github下载地址：https://github.com/ultralytics/yolov5
  
  直接 git clone 到本地工作目录。

• 在刚才的命令窗口输入命令：
  “ git clone https: //github.com/ultralytics/yolov5 ”，
  等待下载完成。
  

• 下载后可以看到目录架构：
  

3.2 下载 Yolov5 预训练模型

这是已经训练好的权重参数数据，可以直接使用，就不用在本机再做练习了。

• 进入下载地址：https://github.com/ultralytics/yolov5/releases
  可以看到如下界面：
  

• 找到最新的 release ,点击下面的 Assets 下载 .pt模型文件。
  其中，yolov5 共有四种模型：yolov5s、yolov5m、yolov5l、yolov5x。其中 yolov5s 目标检测速度最快，因为其网络参数最少，但相应的，检测效果相比是最差的；而 yolov5x 是检测效果最好的，参数最多，而时间上最慢。
  可以根据需要选择模型文件下载到 yolov5 源目录。
  

• 下载完可以看到，我选择了四个都下载到了 yolov5 目录下。如下：
  

注意：在之后通过 detect.py 对图像进行目标检测的实际操作时，detect.py 默认使用同目录下的 yolov5s.pt 模型，如果想用其他的模型，可以在命令里加入调用来指定。

3.3 安装Yolov5

源码下完后，下面开始安装Yolov5所需模块。

• 先在命令行里打开 yolov5 目录
  输入:“cd yolov5”
  
• 接着在命令行里，
  输入“pip install -r requirements.txt”，等待安装完成即可。（pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple 命令会更快！！）
• 由于 requirements.txt 依赖包里默认安装的 pytorch-cpu 版，如果有 cuda 可以安装 pytorch-gpu 版：https://pytorch.org/get-started/locally/ ， 提升速度。
  在官网里下载 pytorch-gpu 速度会比较慢，快速下载具体操作可以参考这篇博客：安装Torch GPU版本

注意：这里我们最好安装 GPU 版本。亲测发现使用 GPU 版大大提升了运行速率，相比于 CPU ，GPU 对视频的检测速率提升了近10倍！（不同设备的运行速率可能不同）

将下面的命令在命令行输入执行即可完成安装 torch 的 GPU 版本。

到这里，Yolov5 就全部安装完成。

4 测试 Yolov5

4.1 图片检测

• 在目录里准备好图片
  
• 通过 detect.py 对图像进行目标检测：

python detect.py --source ./data/images/1.jpg
1

可以看到处理时间只有 0.03 s。
结果可以再“ yolov5\runs\detect ”里找到

• 对比效果如下：
  

4.2 视频检测

• 在目录里准备好图片
  
• 通过 detect.py 对视频进行目标检测：

python detect.py --source data/video/luhan.mp4
1

可以看到处理时间只有 0.01 s左右。
结果可以再“ yolov5\runs\detect ”里找到

• 效果如下：

检测出的视频效果还是可以的，清晰度也是有的，只是我这里上传的是压缩之后的动图，看起来有些模糊。

4.3 调用摄像头检测

• 使用本机摄像头检测
  输入命令：

python detect.py --source 0
1

可以看到处理时间只有 0.02 s左右。
结果可以再“ yolov5\runs\detect ”里找到。

4.4 调用手机 IP 摄像头检测

• 手机上的准备：
  在手机上下载 IP 摄像头，并安装。
  安装步骤具体可以移步到我的另一篇博客：Python+OpenCV 调用手机摄像头并实现人脸识别。这里不再赘述。

• 在命令行进入虚拟环境：PyCharmLearningProject
  进入 yolov5 目录，输入：“cd yolov5”
  

• 调用手机摄像头
  命令行输入：
  “python detect.py --source http://admin:admin@xxx.xxx.xx.x:xxxx”；
  即可调用执行。

注意：命令中的 admin 为我的 IP 摄像头用户名，admin 为我的 IP 摄像头密码，这个可以在IP摄像头 APP 的设置里查看和修改，代码中的要使用自己的用户名、密码。@后面的地址是局域网 IP地址，这个在打开 IP 摄像头服务器之后的界面就能看到，也需要修改为自己的地址。

• 检测效果：
  
  可以看到，成功调用了手机摄像头，并实现目标检测。每帧图片速率大约 0.02 秒左右，检测速度和识别率都很好。

5 总结

这篇文章主要是完成目标检测程序的安装，在 Anaconda 环境下，进行目标检测程序（Yolov5）的下载及安装，实现 Yolov5 的整体安装；通过调用手机摄像头进行简单的目标检测和识别。
以后可以试着自己打标签，训练一些模型用以准确检测识别更多的目标。
文章内容如有问题或疑问，敬请读者指正。

6 参考资料

半小时搞定Yolov5安装配置及使用（详细过程）