本文共 5847 字，大约阅读时间需要 19 分钟。

目标检测就是对目标进行动态实时跟踪定位，常见的目标检测算法有 R-CNN、Fast R-CNN、Faster R-CNN、SSD、Yolo 等，其中 Yolo 的速度和精确度都比较高，且只需训练一次，使用起来比较方便。

这里我们就使用官方现成的模型来检测图片，看一看效果，先学会使用流程，以后再训练自己的模型。

注意：opencv-python 目前只有 4.4.0 版本适配了 YOLOv4

导入库

import numpy as npimport timeimport cv2

• 1
• 2
• 3

设置标签和标注颜色

LABELS = open("coco.names").read().strip().split("\n")np.random.seed(666)COLORS = np.random.randint(0, 255, size=(len(LABELS), 3), dtype="uint8")

• 1
• 2
• 3

coco.names 内包含了很多目标标签，如 person、bicycle、car 等，且按一定顺序排列，里面基本包含了 Yolo 官方模型中可检测的对象。该文件可从以下链接中提取：

每个对象配备了不一样的颜色，以便在图片中标记时便于区分。

加载网络

# 导入 YOLO 配置和权重文件并加载网络：net = cv2.dnn_DetectionModel('yolov4.cfg', 'yolov4.weights')# 获取 YOLO 未连接的输出图层layer = net.getUnconnectedOutLayersNames()

• 1
• 2
• 3
• 4

yolov4.cfg 和 yolov4.weights 文件就是官方提供的模型，下载链接： 提取码：xsxb 。如果失效，可以直接百度搜索 Yolov4模型下载，有很多人都分享出来了。

cv2.dnn_DetectionModel 是 opencv 4.1.2 开始新增的方法，用于加载网络。以前是使用 cv2.dnn.readNetFromDarknet ，此处使用也可以达到同样的效果。

getUnconnectedOutLayersNames() 用于提取输出图层的名称，yolo 含有很多的图层，可以使用 getLayerNames() 将所有图层的名称提取出来。但在这里，我们只需要使用 yolo 的最后输出图层。

检测图片

# 导入图片image = cv2.imread('timg.jpg')# 获取图片尺寸(H, W) = image.shape[:2]# 从输入图像构造一个 blob，然后执行 YOLO 对象检测器的前向传递，给我们边界盒和相关概率blob = cv2.dnn.blobFromImage(image, 1/255.0, (416, 416),                             swapRB=True, crop=False)net.setInput(blob)start = time.time()# 前向传递，获得信息layerOutputs = net.forward(layer)# 用于得出检测时间end = time.time()print("[INFO] YOLO took {:.6f} seconds".format(end - start))

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15

blobFromImage 用于对图像进行预处理

• image：输入图像
• scalefactor：图像各通道数值的缩放比例
• size：输出图像的空间尺寸
• mean：用于各通道减去的值，以降低光照的影响
• swapRB：交换 RB 通道，默认为 False
• crop：图像裁剪，默认为 False。当值为 True 时，先按比例缩放，然后从中心裁剪成 size 尺寸
• ddepth：输出的图像深度，可选 CV_32F 或者 CV_8U

数据提取

boxes = []confidences = []classIDs = []# 循环提取每个输出层for output in layerOutputs:    # 循环提取每个框    for detection in output:        # 提取当前目标的类 ID 和置信度        scores = detection[5:]        classID = np.argmax(scores)        confidence = scores[classID]        # 通过确保检测概率大于最小概率来过滤弱预测        if confidence > 0.5:            # 将边界框坐标相对于图像的大小进行缩放，YOLO 返回的是边界框的中心(x, y)坐标，            # 后面是边界框的宽度和高度            box = detection[0:4] * np.array([W, H, W, H])            (centerX, centerY, width, height) = box.astype("int")            # 转换出边框左上角坐标            x = int(centerX - (width / 2))            y = int(centerY - (height / 2))            # 更新边界框坐标、置信度和类 id 的列表            boxes.append([x, y, int(width), int(height)])            confidences.append(float(confidence))            classIDs.append(classID)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25

3 个列表内保存的内容：

• boxes：对象的边界框
• confidences ：YOLO 分配给对象的置信度值，较低的置信度值表示该对象可能不是网络认为的对象。上面的代码中将过滤掉小于 0.5 阈值的对象
• classIDs：检测到的对象的类标签

这样每个被提取出的对象，都确定了标签和区域坐标就、位置。接下来就是在图片中标记出来，便于我们观看。

标记显示

# 非最大值抑制，确定唯一边框idxs = cv2.dnn.NMSBoxes(boxes, confidences, 0.5, 0.3)# 确定每个对象至少有一个框存在if len(idxs) > 0:    # 循环画出保存的边框    for i in idxs.flatten():        # 提取坐标和宽度        (x, y) = (boxes[i][0], boxes[i][1])        (w, h) = (boxes[i][2], boxes[i][3])        # 画出边框和标签        color = [int(c) for c in COLORS[classIDs[i]]]        cv2.rectangle(image, (x, y), (x + w, y + h), color, 1, lineType=cv2.LINE_AA)        text = "{}: {:.4f}".format(LABELS[classIDs[i]], confidences[i])        cv2.putText(image, text, (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX,            0.5, color, 1, lineType=cv2.LINE_AA)cv2.imshow("Tag", image)cv2.waitKey(0)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17

对于每个对象，Yolo 会框出 3 个左右的区域，我们只需要显示出最合适的区域。非最大值抑制，就是搜索出局部最大值，将置信度最大的框保存，其余剔除。

cv2.dnn.NMSBoxes(bboxes, scores, score_threshold, nms_threshold, eta=None, top_k=None)

• bboxes：一组边框
• scores：一组对应的置信度
• score_threshold：置信度的阈值
• nms_threshold：非最大抑制的阈值

之后将每个对象的方框和标签都画出来

结果展示：

完整代码

import numpy as npimport timeimport cv2LABELS = open("coco.names").read().strip().split("\n")np.random.seed(666)COLORS = np.random.randint(0, 255, size=(len(LABELS), 3), dtype="uint8")# 导入 YOLO 配置和权重文件并加载网络：net = cv2.dnn_DetectionModel('yolov4.cfg', 'yolov4.weights')# 获取 YOLO 未连接的输出图层layer = net.getUnconnectedOutLayersNames()image = cv2.imread('timg.jpg')# 获取图片尺寸(H, W) = image.shape[:2]# 从输入图像构造一个 blob，然后执行 YOLO 对象检测器的前向传递，给我们边界盒和相关概率blob = cv2.dnn.blobFromImage(image, 1/255.0, (416, 416),                             swapRB=True, crop=False)net.setInput(blob)start = time.time()# 前向传递，获得信息layerOutputs = net.forward(layer)# 用于得出检测时间end = time.time()print("YOLO took {:.6f} seconds".format(end - start))boxes = []confidences = []classIDs = []# 循环提取每个输出层for output in layerOutputs:    # 循环提取每个框    for detection in output:        # 提取当前目标的类 ID 和置信度        scores = detection[5:]        classID = np.argmax(scores)        confidence = scores[classID]        # 通过确保检测概率大于最小概率来过滤弱预测        if confidence > 0.5:            # 将边界框坐标相对于图像的大小进行缩放，YOLO 返回的是边界框的中心(x, y)坐标，            # 后面是边界框的宽度和高度            box = detection[0:4] * np.array([W, H, W, H])            (centerX, centerY, width, height) = box.astype("int")            # 转换出边框左上角坐标            x = int(centerX - (width / 2))            y = int(centerY - (height / 2))            # 更新边界框坐标、置信度和类 id 的列表            boxes.append([x, y, int(width), int(height)])            confidences.append(float(confidence))            classIDs.append(classID)# 非最大值抑制，确定唯一边框idxs = cv2.dnn.NMSBoxes(boxes, confidences, 0.5, 0.3)# 确定每个对象至少有一个框存在if len(idxs) > 0:    # 循环画出保存的边框    for i in idxs.flatten():        # 提取坐标和宽度        (x, y) = (boxes[i][0], boxes[i][1])        (w, h) = (boxes[i][2], boxes[i][3])        # 画出边框和标签        color = [int(c) for c in COLORS[classIDs[i]]]        cv2.rectangle(image, (x, y), (x + w, y + h), color, 1, lineType=cv2.LINE_AA)        text = "{}: {:.4f}".format(LABELS[classIDs[i]], confidences[i])        cv2.putText(image, text, (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX,            0.5, color, 1, lineType=cv2.LINE_AA)cv2.imshow("Tag", image)cv2.waitKey(0)