逐行代碼教你使用OpenCV+YOLO進(jìn)行目標(biāo)跟蹤

點(diǎn)擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”

重磅干貨，第一時(shí)間送達(dá)

YOLO 是一種能夠?qū)崟r(shí)進(jìn)行目標(biāo)檢測(cè)的深度學(xué)習(xí)算法。您可以使用預(yù)訓(xùn)練的 YOLO 模型，如 YOLOv8 或 YOLOv9，或者在需要時(shí)在自定義數(shù)據(jù)集上訓(xùn)練自己的模型。在本文中，我將帶您了解如何使用預(yù)訓(xùn)練的 YOLO 模型進(jìn)行目標(biāo)跟蹤。這是最簡(jiǎn)單的教程，我們只處理簡(jiǎn)單的目標(biāo)檢測(cè)。

讓我們看看目標(biāo)檢測(cè)所涉及的步驟。

1. 我們將加載模型

2. 我們將加載視頻

3. 我們將逐幀提取視頻

4. 對(duì)每一幀進(jìn)行預(yù)測(cè)并使用 OpenCV 顯示結(jié)果

下面的圖像總結(jié)了這些步驟：

目標(biāo)檢測(cè)步驟 讓我們開始編碼。

第 0 步：環(huán)境設(shè)置

我們需要兩個(gè)庫 ultralytics 和 opencv，您可以使用以下代碼安裝這些庫。

   

    

     

      

     
     
pip install ultralytics opencv-python
    
   

導(dǎo)入所有必要的庫。

   

    

     

      

      

     
     
import cv2 as cvfrom ultralytics import YOLO
    
    


   

第 1 步：加載模型 

#load the modelmodel = YOLO('yolov8n.pt')

在 YOLO 中加載模型非常容易。我們可以直接使用 ultralytics 提供的 YOLO() 函數(shù)，并指定模型名稱。一旦運(yùn)行，它會(huì)自動(dòng)在代碼所在的文件夾中下載指定的 YOLO 模型。

第 2 步：加載視頻 

我們使用 OpenCV 的 VideoCapture() 函數(shù)來加載視頻。這個(gè)函數(shù)的輸入是視頻的路徑。

path = "../videos/football_test.mp4"#read videovs = cv.VideoCapture(path)

第 3 步：提取幀 

一旦我們加載了視頻，在下一步我們將逐個(gè)提取視頻中的幀。視頻是由連續(xù)拼接在一起的幀組成的。

• vs = cv.VideoCapture(path)：包含指向視頻的指針。

• vs.read()：允許我們逐幀讀取視頻。一旦我們調(diào)用vs上的read函數(shù)，它將以迭代的方式返回當(dāng)前的視頻幀。

• cv.imshow('image', frame)：顯示每個(gè)提取出的幀。

   

    

     

      

      

      

      

      

      

      

      

      

      

      

      

     
     
path = "../videos/football_test.mp4"#read videovs = cv.VideoCapture(path)
#load the modelmodel = YOLO('yolov8n.pt')while True:    (grabbed,frame) = vs.read()    if not grabbed:        break    cv.imshow('image', frame)    cv.waitKey(500)
    
    


   

第 4 步：應(yīng)用預(yù)測(cè) 

模型的predict()方法是用于對(duì)每一幀進(jìn)行預(yù)測(cè)的方法。預(yù)測(cè)結(jié)果存儲(chǔ)在results變量中。在while循環(huán)中，我們從視頻中提取每一幀，并在每一幀上進(jìn)行預(yù)測(cè)。簡(jiǎn)單來說，我正在嘗試在視頻中的每一幀中檢測(cè)對(duì)象。

results = model.predict(frame,stream=False)
path = "../videos/football_test.mp4"    #read video    vs = cv.VideoCapture(path)    #load the model    model = YOLO('yolov8n.pt')    while True:        (grabbed,frame) = vs.read()        if not grabbed:            break        results = model.predict(frame,stream=False)        cv.imshow('image', frame)        cv.waitKey(500)

第 5 步：繪制邊界框

為了繪制邊界框，我創(chuàng)建了一個(gè)函數(shù)，該函數(shù)將輸入圖像、數(shù)據(jù)（包含預(yù)測(cè)結(jié)果）、檢測(cè)到的類別名稱，并返回帶有檢測(cè)到的對(duì)象邊界框的圖像。drawBox(data, image, name)：data是預(yù)測(cè)詳情，image是幀，name是檢測(cè)到的類別名稱，例如：人、汽車等。

def drawBox(data,image,name):    x1, y1, x2, y2, conf, id = data    p1 = (int(x1), int(y1))    p2 = (int(x2), int(y2))    cv.rectangle(image, p1, p2, (0, 0, 255), 3)    cv.putText(image, name, p1, cv.FONT_HERSHEY_SIMPLEX, 3, (0, 0, 255), 3)    return image    results = model.predict(frame,stream=False)for result in results:     for data in result.boxes.data.tolist():           #print(data)           id = data[5]           drawBox(data, frame,detection_classes[id])

由于結(jié)果包含了幀中所有檢測(cè)到的對(duì)象的詳細(xì)信息，我們?cè)谏鲜龃a中對(duì)每個(gè)檢測(cè)到的對(duì)象進(jìn)行解碼。對(duì)于每個(gè)檢測(cè)，我們調(diào)用`drawBox(data, frame, detection_classes[id])`來在檢測(cè)周圍繪制邊界框。

第 6 步：完整代碼

您也可以在此處訪問完整代碼：https://github.com/sunnykumar1516/YOLO/blob/main/ReadVideoApplyYoloV8.py。

import cv2 as cvfrom ultralytics import YOLO
def drawBox(data,image,name):    x1, y1, x2, y2, conf, id = data    p1 = (int(x1), int(y1))    p2 = (int(x2), int(y2))    cv.rectangle(image, p1, p2, (0, 0, 255), 3)    cv.putText(image, name, p1, cv.FONT_HERSHEY_SIMPLEX, 3, (0, 0, 255), 3)    return image
detection_classes= [] path = "../videos/football_test.mp4"    #read video vs = cv.VideoCapture(path)    #load the model model = YOLO('yolov8n.pt') while True:    (grabbed,frame) = vs.read()     if not grabbed:            break     results = model.predict(frame,stream=False)     detection_classes = results[0].names     for result in results:         for data in result.boxes.data.tolist():                #print(data)                id = data[5]                drawBox(data, frame,detection_classes[id])

      

       下載1：OpenCV-Contrib擴(kuò)展模塊中文版教程
       

      
      

       在「小白學(xué)視覺」公眾號(hào)后臺(tái)回復(fù)：擴(kuò)展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴(kuò)展模塊教程中文版，涵蓋擴(kuò)展模塊安裝、SFM算法、立體視覺、目標(biāo)跟蹤、生物視覺、超分辨率處理等二十多章內(nèi)容。
      
      

       下載2：Python視覺實(shí)戰(zhàn)項(xiàng)目52講
      
      

       在「小白學(xué)視覺」公眾號(hào)后臺(tái)回復(fù)：Python視覺實(shí)戰(zhàn)項(xiàng)目，即可下載包括圖像分割、口罩檢測(cè)、車道線檢測(cè)、車輛計(jì)數(shù)、添加眼線、車牌識(shí)別、字符識(shí)別、情緒檢測(cè)、文本內(nèi)容提取、面部識(shí)別等31個(gè)視覺實(shí)戰(zhàn)項(xiàng)目，助力快速學(xué)校計(jì)算機(jī)視覺。
      
      

       下載3：OpenCV實(shí)戰(zhàn)項(xiàng)目20講
      
      

       在「小白學(xué)視覺」公眾號(hào)后臺(tái)回復(fù)：OpenCV實(shí)戰(zhàn)項(xiàng)目20講，即可下載含有20個(gè)基于OpenCV實(shí)現(xiàn)20個(gè)實(shí)戰(zhàn)項(xiàng)目，實(shí)現(xiàn)OpenCV學(xué)習(xí)進(jìn)階。
      
      

       

      
交流群

歡迎加入公眾號(hào)讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動(dòng)駕駛、計(jì)算攝影、檢測(cè)、分割、識(shí)別、醫(yī)學(xué)影像、GAN、算法競(jìng)賽等微信群（以后會(huì)逐漸細(xì)分），請(qǐng)掃描下面微信號(hào)加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請(qǐng)按照格式備注，否則不予通過。添加成功后會(huì)根據(jù)研究方向邀請(qǐng)進(jìn)入相關(guān)微信群。請(qǐng)勿在群內(nèi)發(fā)送廣告，否則會(huì)請(qǐng)出群，謝謝理解~