使用YOLO进行视频序列中人物检测与计数

在本文中,将探讨如何使用YOLO(You Only Look Once)模型在视频序列中检测和计数人物。YOLO是一种流行的实时对象检测系统,它能够快速准确地识别图像或视频中的对象。将从导入必要的库开始,然后加载YOLO模型,接着处理视频帧,最后绘制边界框并计数检测到的人物。

导入必要的库

import cv2 import numpy as np import time

以上代码导入了OpenCV库,NumPy库和time库,这些库将用于处理视频和执行时间测量。

加载YOLO模型

net = cv2.dnn.readNet("./yolov3.weights", "./yolov3.cfg") classes = [] with open("coco.names", "r") as f: classes = [line.strip() for line in f.readlines()] layer_names = net.getLayerNames() output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()]

这段代码加载了YOLO模型,并定义了输出层。首先读取了权重文件和配置文件,然后读取了类别名称,并确定了网络中输出层的名称。

处理视频文件

cap = cv2.VideoCapture('./video.mp4') out_video = cv2.VideoWriter('human.avi', cv2.VideoWriter_fourcc(*'MJPG'), 15.0, (640, 480))

使用OpenCV的VideoCapture类来读取视频文件,并创建了一个VideoWriter对象来保存处理后的视频。

捕获并处理视频帧

frame = cv2.resize(frame, (640, 480)) height, width, channel = frame.shape blob = cv2.dnn.blobFromImage(frame, 1/255, (320, 320), (0, 0, 0), True, crop=False) net.setInput(blob) outs = net.forward(output_layers)

首先调整了视频帧的大小,然后创建了一个blob,它是输入到网络中的数据。接着,通过网络前向传播来检测帧中的对象。

绘制边界框并计数

class_ids = [] confidences = [] boxes = [] for out in outs: for detection in out: scores = detection[5:] class_id = np.argmax(scores) confidence = scores[class_id] if confidence > 0.5: center_x = int(detection[0] * width) center_y = int(detection[1] * height) w = int(detection[2] * width) h = int(detection[3] * height) x = int(center_x - w / 2) y = int(center_y - h / 2) boxes.append([x, y, w, h]) confidences.append(float(confidence)) class_ids.append(class_id) indexes = cv2.dnn.NMSBoxes(boxes, confidences, 0.4, 0.6) count = 0 for i in range(len(boxes)): if i in indexes: x, y, w, h = boxes[i] label = str(classes[class_ids[i]]) color = COLORS[i] if int(class_ids[i]) == 0: count += 1 cv2.rectangle(frame, (x, y), (x + w, y + h), color, 2) cv2.putText(frame, label + " " + str(round(confidences[i], 3)), (x, y - 5), font, 1, color, 1)

这段代码计算了每个检测到的对象的边界框,并应用了非极大值抑制来消除弱检测。然后,在检测到的对象上绘制边界框,并为每个检测到的人物增加计数

绘制计数器

cv2.putText(frame, str(count), (100, 200), cv2.FONT_HERSHEY_DUPLEX, 2, (0, 255, 255), 10) cv2.imshow("Detected_Images", frame)

在视频帧上绘制了计数器,以显示每帧中检测到的人物数量。

定义感兴趣区域(ROI)

ROI = [(100, 100), (1880, 100), (100, 980), (1880, 980)] cv2.rectangle(frame, ROI[0], ROI[3], (255, 255, 0), 2)

定义了一个感兴趣区域(ROI),并只关注该区域内的帧。这有助于更准确地估计队列中的人物数量。

沪ICP备2024098111号-1
上海秋旦网络科技中心:上海市奉贤区金大公路8218号1幢 联系电话:17898875485