|
|
# yolov4-tiny目标检测
|
|
|
import cv2
|
|
|
import numpy as np
|
|
|
from myFunction import drawButton
|
|
|
|
|
|
|
|
|
#（1）导入yolov4-tiny网络模型结构
|
|
|
# 传入模型结构.cfg文件，模型权重参数.weight文件
|
|
|
net = cv2.dnn.readNet('dnn_model\yolov4-tiny.cfg', 'dnn_model\yolov4-tiny.weights')
|
|
|
|
|
|
# 定义一个目标检测模型，将模型传进去
|
|
|
model = cv2.dnn_DetectionModel(net)
|
|
|
|
|
|
'''
|
|
|
设置模型的输入
|
|
|
size：将输入的图像缩放至指定大小。size越大检测效果越好，但是检测速度越慢
|
|
|
scale：像素值的缩放大小。在opencv中每个像素值的范围在0-255之间，而在神经网络中每个像素值在0-1之间
|
|
|
'''
|
|
|
model.setInputParams(size=(416, 416), scale=1/255)
|
|
|
|
|
|
|
|
|
#（2）获取分类文本的信息
|
|
|
classes = [] # 存放每个分类的名称
|
|
|
with open('dnn_model\classes.txt') as file_obj:
|
|
|
# 获取文本中的每一行
|
|
|
for class_name in file_obj.readlines():
|
|
|
# 删除文本中的换行符、空格等
|
|
|
class_name = class_name.strip()
|
|
|
# 将每个分类名保存到列表中
|
|
|
classes.append(class_name)
|
|
|
|
|
|
|
|
|
#（3）视频捕获
|
|
|
filepath = 'F:\\yolov4-tiny\\1.mp4'
|
|
|
cap = cv2.VideoCapture(filepath)
|
|
|
|
|
|
|
|
|
#（4）创建鼠事件
|
|
|
# 创建按钮，默认停用
|
|
|
button_class = False
|
|
|
button_index = None # 存放哪个按键被点亮了
|
|
|
|
|
|
# 定义鼠标回调函数
|
|
|
def click_button(event, x, y, flags, params):
|
|
|
|
|
|
# 调用外部变量
|
|
|
global button_class
|
|
|
global button_index
|
|
|
|
|
|
# 设置事鼠标件event为点击鼠标左键
|
|
|
if event == cv2.EVENT_LBUTTONDOWN:
|
|
|
|
|
|
# 检查鼠标的坐标是否在矩形框按键内部，index代表第几个按钮
|
|
|
# 遍历每个矩形框，每个框包含四个角的坐标
|
|
|
for index, pt in enumerate(np.array(buttonList)): # 要转换成numpy类型
|
|
|
|
|
|
# 如果设为True，计算鼠标左键距离矩形框的距离
|
|
|
is_inside = cv2.pointPolygonTest(pt, (x,y), False)
|
|
|
|
|
|
if is_inside > 0: # 鼠标在矩形框内部
|
|
|
|
|
|
print(f'click in the No.{index+1}', (x,y))
|
|
|
|
|
|
# 如果鼠标点击位置在矩形框内部，并且上一次没点击
|
|
|
if button_class == False:
|
|
|
# 激活按钮
|
|
|
button_class = True
|
|
|
# 激活哪个分类的检测框
|
|
|
button_index = index
|
|
|
|
|
|
|
|
|
# 如果鼠标点击位置不在矩形框内部
|
|
|
else:
|
|
|
button_class = False
|
|
|
|
|
|
|
|
|
#（5）创建窗口
|
|
|
cv2.namedWindow('Image') # 窗口名和显示图像的窗口名相同
|
|
|
|
|
|
# 设置鼠标回调，窗口名和上面相同，自定义回调函数
|
|
|
cv2.setMouseCallback('Image', click_button)
|
|
|
|
|
|
# 创建按钮
|
|
|
usenames = ['all', 'person', 'car', 'bus', 'truck']
|
|
|
button = drawButton(usenames)
|
|
|
|
|
|
|
|
|
#（6）定义检测框绘制函数
|
|
|
colorline = (0,255,0) # 角点线段颜色
|
|
|
angerline = 13 # 角点线段长度
|
|
|
|
|
|
def drawbbx(img, x, y, w, h, predName, score):
|
|
|
|
|
|
# 检测框
|
|
|
cv2.rectangle(img, (x, y), (x+w, y+h), (255,255,0), 1)
|
|
|
# 角点美化
|
|
|
cv2.line(img, (x,y), (x+angerline,y), colorline, 2)
|
|
|
cv2.line(img, (x,y), (x,y+angerline), colorline, 2)
|
|
|
cv2.line(img, (x+w,y), (x+w,y+angerline), colorline, 2)
|
|
|
cv2.line(img, (x+w,y), (x+w-angerline,y), colorline, 2)
|
|
|
cv2.line(img, (x,y+h), (x,y+h-angerline), colorline, 2)
|
|
|
cv2.line(img, (x,y+h), (x+angerline,y+h), colorline, 2)
|
|
|
cv2.line(img, (x+w,y+h), (x+w,y+h-angerline), colorline, 2)
|
|
|
cv2.line(img, (x+w,y+h), (x+w-angerline,y+h), colorline, 2)
|
|
|
|
|
|
# 显示预测的类别
|
|
|
cv2.putText(img, predName, (x,y+h+20), cv2.FONT_HERSHEY_COMPLEX, 1, (0,255,0), 2)
|
|
|
|
|
|
# 显示预测概率
|
|
|
cv2.putText(img, str(int(score*100))+'%', (x,y-5), cv2.FONT_HERSHEY_COMPLEX, 1, (0,255,255), 2)
|
|
|
|
|
|
|
|
|
|
|
|
#（6）对每一帧视频图像处理
|
|
|
while True:
|
|
|
|
|
|
# 返回是否读取成功ret和读取的帧图像frame
|
|
|
ret, frame = cap.read()
|
|
|
|
|
|
# 图像比较大把它缩小一点
|
|
|
frame = cv2.resize(frame, (1280,720))
|
|
|
|
|
|
# 视频比较短，循环播放
|
|
|
if cap.get(cv2.CAP_PROP_POS_FRAMES) == cap.get(cv2.CAP_PROP_FRAME_COUNT):
|
|
|
|
|
|
# 如果当前帧==总帧数，那就重置当前帧为0
|
|
|
cap.set(cv2.CAP_PROP_POS_FRAMES, 0)
|
|
|
|
|
|
|
|
|
# 目标检测
|
|
|
'''
|
|
|
返回值
|
|
|
classids：检测得到的类别
|
|
|
score：检测得到的目标的概率
|
|
|
bbox：检测框的85项信息
|
|
|
参数
|
|
|
confThreshold：目标检测最小置信度
|
|
|
nmsThreshold：非极大值抑制的自定义参数
|
|
|
'''
|
|
|
classids, scores, bboxes = model.detect(frame, 0.5, 0.3)
|
|
|
|
|
|
# 在画面上创建按钮
|
|
|
button.drawRec_many(frame)
|
|
|
|
|
|
# 获取所有矩形框的四个角的坐标
|
|
|
buttonList = button.recList
|
|
|
|
|
|
|
|
|
#（7）显示检测结果
|
|
|
# 遍历所有的检测框信息，把它们绘制出来
|
|
|
for class_id, score, bbox in zip(classids, scores, bboxes):
|
|
|
|
|
|
# 获取检测框的左上角坐标和宽高
|
|
|
x, y, w, h = bbox
|
|
|
|
|
|
# 获取检测框对应的分类名
|
|
|
class_name = classes[class_id]
|
|
|
|
|
|
|
|
|
# 遍历四个按键的名称
|
|
|
for index, name in enumerate(usenames):
|
|
|
|
|
|
# 设置检测条件，只有检测到的类别是person并且鼠标点击位置在矩形框内
|
|
|
if class_name == name and index == button_index:
|
|
|
|
|
|
# 绘制class_name类别的检测框
|
|
|
drawbbx(frame, x, y, w, h, class_name, score)
|
|
|
|
|
|
elif name == 'all' and index == button_index:
|
|
|
|
|
|
# 绘制所有类别的检测框
|
|
|
drawbbx(frame, x, y, w, h, class_name, score)
|
|
|
|
|
|
# 显示图像
|
|
|
cv2.imshow('Image', frame) #窗口名，图像变量
|
|
|
if cv2.waitKey(30) & 0xFF==27: #每帧滞留1毫秒后消失
|
|
|
break
|
|
|
|
|
|
# 释放视频资源
|
|
|
cap.release()
|
|
|
cv2.destroyAllWindows()
|
|
|
|
