原文链接
YOLO
在本教程中，您将学习如何使用yolo 对象检测器 使用深度学习，OpenCV 和Python 检测图像和视频流中的对象。
通过应用目标检测，你不仅能够确定什么是图像中，也其中一个给定对象所在！
我们首先简要讨论yolo物体探测器，包括物体探测器的工作原理。
从那里我们将使用 OpenCV ，Python 和 深度学习 ：
将yolo物体检测器应用于图像
将yolo应用于视频流
我们将通过讨论YOLO对象检测器的一些限制和缺点来结束本教程，包括我的一些个人提示和建
使用 OpenCV 进行yolo对象检测
在本教程的其余部分中，我们将：
讨论 yolo 物体探测器的模型和架构
利用 yolo 检测图像中的对象
应用 yolo 检测视频流中的对象
讨论 yolo 物体探测器的一些限制和缺点
什么是YOLO物体探测器？
图1：yolo 对象检测器流水线（源）的简化图示。我们将在此博客文章中使用YOLO 和 OpenCV。
当涉及基于深度学习的物体检测时，您将遇到三种主要物体检测器：
R-CNN 及其变体，包括原始 R-CNN， Fast R- CNN, 和 Faster R-CNN
单发探测器（SSDs）
YOLO
R-CNN是第一个基于深度学习的物体检测器之一，并且是两级检测器的示例。
在第一个R-CNN出版物中，Rich特征层次结构用于精确的对象检测和语义分割，（2013）Girshick等。提出了一种对象检测器，它需要诸如选择性搜索（或等效物）之类的算法来提出可能包含对象的候选边界框。
然后将这些区域传递到 CNN 进行分类，最终导致第一个基于深度学习的物体探测器之一。
标准 R-CNN 方法的问题在于它很慢并且不是完整的端到端物体检测器。
Girshick等。2015年发表了第二篇论文，名为 Fast R-CNN。Fast R-CNN算法对原始R-CNN进行了相当大的改进，即提高准确度并减少执行正向传递所花费的时间; 但是，该模型仍然依赖于外部区域提议算法。
直到Girshick等人的后续2015年论文，Faster R-CNN：用区域提议网络实现实时物体检测，R-CNN才成为真正的端到端深度学习物体探测器。删除选择性搜索要求，而是依赖于（1）完全卷积的区域提议网络（RPN）和（2）可以预测对象边界框和“对象”分数（即，量化它是一个区域的可能性的分数图像的图像可能包含图像）。然后将RPN的输出传递到 R-CNN 组件以进行最终分类和标记。
虽然 R-CNN 倾向于非常准确，但 R-CNN 系列网络的最大问题在于它们的速度 – 它们非常慢，在GPU上仅获得5 FPS。
为了提高基于深度学习的物体探测器的速度，单次探测器（SSD）和YOLO都使用单级探测器策略。
这些算法将对象检测视为回归问题，采用给定的输入图像并同时学习边界框坐标和相应的类标签概率。
通常，单级检测器往往不如两级检测器准确，但明显更快。
YOLO是单级探测器的一个很好的例子。
Redmon等人于2015年首次推出了他们的论文“You Only Look Once：Unified，Real-Time Object Detection”，详细介绍了一种能够进行超实时物体检测的物体探测器，在GPU上获得45 FPS。
注意：他们的模型的一个较小的变种称为“Fast YOLO”，声称在GPU上达到155 FPS。
YOLO经历了许多不同的迭代，包括YOLO9000：更好，更快，更强（即YOLOv2），能够检测超过9,000个物体探测器。
通过对对象检测和分类进行联合训练，Redmon和Farhadi能够实现如此大量的对象检测。通过联合训练，作者同时在ImageNet分类数据集和COCO检测数据集上训练了YOLO9000。结果是一个名为YOLO9000的YOLO模型，它可以预测没有标记检测数据的对象类的检测。
虽然有趣和新颖，但鉴于论文的标题和摘要，YOLOv2的表现有点令人沮丧。
在COCO的156级版本中，YOLO9000实现了16％的平均精度（mAP），是的，虽然YOLO可以检测9,000个单独的类，但准确性并不是我们想要的。
Redmon和Farhadi最近发表了一篇新的YOLO论文，YOLOv3：增量改进（2018）。YOLOv3比之前的型号大得多，但在我看来，它是YOLO系列物体探测器中最好的一款。
我们将在此博客文章中使用YOLOv3，特别是YOLO在COCO数据集上进行了培训。
COCO数据集由80个标签组成，包括但不限于：
人
自行车
汽车和卡车
飞机
停车标志和消防栓
动物，包括猫，狗，鸟，马，牛和羊，仅举几例
厨房和餐厅用品，如酒杯，杯子，叉子，刀子，勺子等。
…以及更多！
您可以使用此链接找到YOLO在 COCO 数据集上训练的内容的完整列表。
我将结束本节，说任何学术需要阅读Redmon的YOLO论文和技术报告 – 它们不仅具有新颖性和洞察力，而且还具有令人难以置信的娱乐性。
但严重的是，如果你今天什么都不做，请阅读YOLOv3技术报告。
它只有6页，其中一页只是引用/引用。
此外，技术报告是诚实的，学术论文很少，如果有的话。
项目结构
我们来看看今天的项目布局。您可以使用操作系统的GUI（适用于OSX的Finder，适用于Ubuntu的Nautilus），但您可能会发现 在终端中使用tree命令更容易，更快捷
我们今天的项目包括4个目录和两个Python脚本。
目录（按重要性顺序）是：
yolo – coco / ：YOLOv3对象检测器预先训练（在COCO数据集上）模型文件。这些都是由Darknet团队训练的。
images / ：此文件夹包含四个静态图像，我们将执行对象检测以进行测试和评估。
videos / ：在使用YOLO对图像进行物体检测后，我们将实时处理视频。此目录包含四个示例视频供您测试。
output / ：输出已由YOLO处理并带有边界框和类名称注释的视频可以放在此文件夹中。
我们正在审查两个Python脚本 – yolo .py 和 yolo_video .py 。第一个脚本用于图像，然后我们将学习所学内容并将其应用于第二个脚本中的视频。
你准备好了吗？
图像中的YOLO对象检测
让我们开始将YOLO物体探测器应用于图像！
打开 项目中的 yolo .py文件
您需要为此脚本OpenCV 3.4.2+安装所有Python绑定。你可以在这里找到我的OpenCV安装教程，请记住OpenCV 4现在处于测试阶段 – 你可能会遇到安装或运行某些脚本的问题，因为它不是正式版本。暂时我建议去OpenCV 3.4.2+。实际上，你可以将起来，在不到5分钟运行 PIP为好。
首先，我们导入我们所需的包 – 只要安装了OpenCV和NumPy，您的解释器就会轻松过关。
现在让我们解析四个命令行参数。命令行参数在运行时处理，允许我们从终端更改脚本的输入。如果您不熟悉它们，我建议您在我之前的教程中阅读更多内容。我们的命令行参数包括：
– image ：输入图像的路径。我们将使用YOLO检测此图像中的对象。
– yolo ： yolo 目录的基本路径。然后，我们的脚本将加载所需的YOLO文件，以便对图像执行对象检测。
– confidence (置信度) ：过滤弱检测的最小概率。我给它的默认值为50％（ 0.5 ），但你可以随意尝试这个值。
– threshold ：这是我们的非最大值抑制阈值，默认值为 0.3 。您可以在此处阅读有关非最大值抑制的更多信息。
解析之后， args 变量现在是一个包含命令行参数的键值对的字典。你会 在这个脚本的其余部分看到 args很多次。
让我们加载我们的类标签并为每个标签设置随机颜色
这里我们 在第21行和第22行加载所有类 LABELS （注意第一个命令行参数 args [ “yolo”]） 。 然后将随机 颜色分配给第25-27行的每个标签 。
让我们推导出YOLO权重和配置文件的路径，然后从磁盘加载YOLO
要在第35行从磁盘加载 yolo ，我们将利用 OpenCV 的名为 cv2 的 DNN 函数 。dnn 。readNetFromDarknet 。此函数需要 configPath 和 weightsPath ，它们是通过第30行和第31行上的命令行参数建立的 。
我不能强调这一点：至少需要OpenCV 3.4.2才能运行此代码，因为它具有 加载YOLO所需的更新的 dnn模块。
让我们加载图像并通过网络发送
在这个块中我们：
加载输入 图像 并提取其尺寸（第38和39行）。
确定YOLO模型中的输出图层名称（第42和43行）。
从图像构造一个 blob（第48和49行）。您是否对 blob 是什么或 cv2 是什么感到困惑。dnn 。blobFromImage 呢？给这篇博客文章一个阅读。
既然我们的blob准备好了，我们就会
通过我们的 yolo 网络进行正向传递（第50和52行）
显示 yolo 的推理时间（第56行）
除非我们想象我们的结果，否则物体检测有什么用？我们现在采取措施来过滤和可视化我们的结果。
但首先，让我们初步化一些我们在这样做过程中需要的列表
这些清单包括：
boxes ：我们围绕对象的边界框。
confidences ：YOLO 分配给对象的置信度值。较低置信度值表示该对象可能不是网络认为的对象。请记住，从上面的命令行参数中我们将过滤掉不符合 0.5 阈值的对象。
classIDs ：检测到的对象的类标签。
让我们开始用我们的 YOLO layerOutputs 中的数据填充这些列表 ：YOLO Object Detection with OpenCVPython
在这个代码块中有很多 – 让我们分解它。
在这个块中，我们：
遍历每个 layerOutputs （从第65行开始 ）。
循环在每个 检测 中 output （嵌套循环开始于第67行）。
提取 classID 和 置信度 （第70-72行）。
使用 置信度 滤除弱检测（第76行）。
现在我们已经过滤掉了不需要的检测，我们将：
缩放边界框坐标，以便我们可以在原始图像上正确显示它们（第81行）。
提取边界框的坐标和尺寸（第82行）。YOLO 返回边界框坐标形式： （centerX ，centerY ，宽度，和高度） 。
使用此信息导出边界框的左上角（x，y） –坐标（第86和87行）。
更新 框 ， 置信度 和 classID 列表（第91-93行）。
有了这些数据，我们现在将应用所谓的“非最大值抑制”
YOLO不对我们应用非最大值抑制，因此我们需要明确应用它。
应用非最大值抑制可以抑制明显重叠的边界框，只保留最自信的边界框。
NMS 还确保我们没有任何冗余或无关的边界框。
利用 OpenCV 内置的 NMS DNN 模块实现，我们对第97和98行进行非最大值抑制 。所需要的只是我们提交边界 框 ， 置信度 ，以及我们的置信度阈值和 NMS 阈值。
如果你一直在阅读这篇博客，你可能想知道为什么我们没有使用我的imutils实现NMS。主要原因是 NMSBoxes 函数现在在OpenCV中工作。以前它对某些输入失败并导致错误消息。现在NMSBoxes 函数正常工作，我们可以在自己的脚本中使用它。
让我们在图像上绘制框和类文本！
假设存在至少一个检测（线101），我们继续循环 由非最大值抑制确定的idx。
然后，我们 使用随机类颜色（第105-113行）在图像上绘制边界框和文本 。
最后，我们显示结果图像，直到用户按下键盘上的任意键（确保选择并聚焦OpenCV 打开的窗口）。
从那里，打开一个终端并执行以下命令
$ python yolo.py --image images/baggage_claim.jpg --yolo yolo-coco
图2：带有 OpenCV 的YOLO用于检测机场中的人员和行李。
在这里你可以看到YOLO不仅检测到输入图像中的每个人，还检测了手提箱！
此外，如果您看一下图像的右上角，您会看到YOLO还检测到女士肩上的手提包。
我们试试另一个例子
$ python yolo.py --image images/living_room.jpg --yolo yolo-coco
图3：使用 OpenCV 进行YOLO对象检测用于检测人，狗，电视和椅子。遥控器是假阳性检测器，但是在查看ROI时，您可以想象该区域确实与遥控器有相似之处。
上面的图像包含一个人（我自己）和一只狗（Jemma，家庭比格犬）。
YOLO还可以检测电视显示器和椅子。尤其令我印象深刻的是YOLO能够检测到椅子，因为它是手工制作的老式“婴儿高脚椅”。
有趣的是，YOLO认为我手中有一个“ 遥控器 ”。它实际上不是遥控器 – 它是VHS录像带上玻璃的反射; 但是，如果你盯着这个地区，它实际上看起来可能是遥远的。
以下示例图像演示了YOLO对象检测器的局限性和弱点
$ python yolo.py --image images/dining_table.jpg --yolo yolo-coco
图4：YOLO和 OpenCV 用于餐桌的物体检测。
虽然YOLO正确地检测到葡萄酒瓶，餐桌和花瓶，但只有两个酒杯中的一个被正确检测到。
我们讨论为什么YOLO在下面的“YOLO物体探测器的限制和缺点”部分中与物体紧密相。
让我们尝试一个最终图像
1$ python yolo.py --image images/soccer.jpg --yolo yolo-coco
图5：使用YOLO物体探测器使用 OpenCV 检测足球运动员和足球。
YOLO能够正确地检测球场上的每个球员，包括足球本身。请注意尽管区域高度模糊且部分遮挡，但仍会检测到背景中的人。
视频流中的YOLO对象检测
既然我们已经学会了如何将YOLO对象检测器应用于单个图像，那么我们也可以利用YOLO在输入视频文件中执行对象检测。
打开 yolo_video .py 文件
我们从导入和命令行参数开始。
请注意，此脚本没有 像以前那样的 – image参数。取而代之的是，我们现在有两个与视频相关的论点：
– input ：输入视频文件的路径。
– output ：输出视频文件的路径。
鉴于这些论点，您现在可以使用您使用智能手机拍摄场景的视频或在线查找的视频。然后，您可以处理视频文件，生成带注释的输出视频。当然，如果您想使用网络摄像头处理实时视频流，也可以。只需在PyImageSearch上找到 来自imutils的 VideoStream 类的 示例。视频 被利用并进行一些小的改动。
继续，下一个块与YOLO图像处理脚本中的块相同
在这里，我们加载标签并生成颜色，然后加载我们的YOLO模型并确定输出层名称。
接下来，我们将处理一些特定于视频的任务
在这个块中，我们：
打开一个指向视频文件的文件指针，以便在即将到来的循环中读取帧（第45行）。
初始化我们的视频 编写器 和帧尺寸（第46和47行）。
尝试确定 视频文件中的 总帧数，以便我们估计整个视频的处理时间（第50-61行）。
现在我们准备开始逐个处理帧
我们定义一个 while 循环（第64行），然后我们抓住第一帧（第66行）。
我们会检查它是否是视频的最后一帧。如果是这样，我们需要 从 while 循环中断开（第70和71行）。
接下来，如果尚未抓住框架尺寸，我们会抓住框架尺寸（第74和75行）。
接下来，让我们使用当前帧 作为输入执行 YOLO 的正向传递
在这里，我们构建一个 blob 并将其传递通过网络，从而获得预测。我已经用时间戳包围了前向传递操作，因此我们可以计算在一帧上进行预测所用的时间 – 这将有助于我们估计处理整个视频所需的时间。
然后我们将继续初始化我们在前一个脚本中使用的三个列表： box ， confidences 和classIDs 。
下一个块再次与我们之前的脚本相同
在这个代码块中，我们：
循环输出层和检测（第94-96行）。
提取 classID 并过滤掉弱预测（第99-105行）。
计算边界框坐标（第111-117行）。
更新我们各自的列表（第121-123行）。
接下来，我们将应用非最大值抑制并开始继续注释框架
您也应该识别这些行。在这里，我们：
使用cv2应用NMS 。dnn 。NMSBoxes 函数（第127和128行）用于抑制弱的重叠边界框。您可以在此处阅读有关非最大值抑制的更多信息。
循环遍历 由NMS计算的 idx并绘制相应的边界框+标签（第131-144行）。
让我们完成脚本
总结一下，我们简单地说：
初始化我们的视频 writer 如果有必要（行147-151）。该 writer 将在循环的第一次迭代被初始化。
打印出我们对处理视频所需时间的估计（第154-158行）。
将帧写入 输出视频文件（第161行）。
清理和释放指针（第165和166行）。
从那里，打开一个终端并执行以下命令
$ python yolo_video.py --input videos/car_chase_01.mp4 \ --output output/car_chase_01.avi --yolo yolo-coco
图6：应用于车祸视频的YOLO深度学习对象检测。
上面你可以看到我在YouTube上找到的汽车追逐视频中的GIF摘录。
在视频/ GIF中，您不仅可以看到被检测到的车辆，还可以检测到人员以及交通信号灯！
YOLO物体探测器在这里表现相当不错。让我们尝试从同一车追逐视频中的不同视频剪辑
12$ python yolo_video.py --input videos/car_chase_02.mp4 \ --output output/car_chase_02.avi --yolo yolo-coco
图7：在这个运行中的嫌疑人的视频中，我们使用 OpenCV 和YOLO对象检测来找到该人。
嫌疑人现在已经逃离汽车并正在停车场。
YOLO再一次能够发现人。
有一次，嫌疑人实际上能够回到他们的汽车并继续追逐 – 让我们看看YOLO在那里的表现如何
$ python yolo_video.py --input videos/car_chase_03.mp4 \ --output output/car_chase_03.avi --yolo yolo-coco
图8：YOLO是一种快速深度学习对象检测器，能够在使用GPU的情况下用于实时视频。
注意：此视频对我来说太大了，无法包含在“下载”中。您可以在此处从YouTube下载视频。
作为最后一个例子，让我们看看我们如何使用YOLO作为构建流量计数器的起点
$ python yolo_video.py --input videos/overpass.mp4 \ --output output/overpass.avi --yolo yolo-coco
图9：在立交桥下的交通视频表明，YOLO和OpenCV可用于准确，快速地检测汽车
视频和音频的积分：
Quaker Oats在YouTube上发布了汽车追逐视频。
由Vlad Kiraly在YouTube上悬挂视频。
XTaKeRuX在FreeMusicArchive上的“白色乌鸦” 。
YOLO物体探测器的局限和缺点
可以说YOLO物体探测器的最大限制和缺点是：
它并不总能很好地处理小物体
它尤其不处理靠近组合的对象
这种限制的原因是由于YOLO算法本身：
YOLO对象检测器将输入图像划分为SxS网格，其中网格中的每个单元格仅预测单个对象。
如果单个单元格中存在多个小对象，则YOLO将无法检测到它们，最终导致错过对象检测。
因此，如果您知道您的数据集由许多靠近在一起的小对象组成，那么您不应该使用YOLO对象检测器。
就小物体而言，更快的 R-CNN 往往效果最好; 然而，它也是最慢的。
SSD 也可以在这里使用; 但是，SSD 也可能会遇到较小的对象（但不如YOLO那么多）。
固态硬盘通常在速度和准确性方面也有很好的权衡。
同样值得注意的是，在本教程中，YOLO比SSD运行速度慢。在我之前关于OpenCV对象检测的教程中，我们使用了SSD – SSD的单个正向传递耗时约0.03秒。
但是，从本教程中，我们知道YOLO物体探测器的前向传递需要约0.3秒，大约慢一个数量级！
如果您正在使用预先训练过的深度学习物体探测器OpenCV供应，您可能需要考虑使用SSD而不是YOLO。根据我的个人经验，我很少遇到需要在SSD上使用YOLO的情况：
我发现SSD更容易训练，它们在准确性方面的表现几乎总是优于YOLO(至少对于我曾经使用过的数据集）。
YOLO在COCO数据集上可能会有很好的结果; 但是，我没有找到与我自己的任务相同的准确度。
因此，在针对给定问题选择对象检测器时，我倾向于使用以下准则：
如果我知道我需要检测小物体并且速度不是问题，我倾向于使用更快的R-CNN。
如果速度绝对是最重要的，我使用YOLO。
如果我需要一个中间立场，我倾向于使用SSD。
在我的大多数情况下，我最终使用SSD或RetinaNet – 两者都是YOLO / Faster R-CNN之间的良好平衡。
想要训练自己的深度学习物体探测器？
图10：在我的书“深度学习计算机视觉与Python”中，我介绍了多种对象检测算法，包括更快的R-CNN，SSD和RetinaNet。在里面我将教你如何创建对象检测图像数据集，训练对象检测器，并进行预测。更不用说我还涵盖深度学习基础，最佳实践和我个人的经验法则。现在抓住你的副本，这样你就可以开始学习新技能了。
我们在本教程中使用的YOLO模型是在COCO数据集上预先训练的……
…但是，如果您想在自己的数据集上训练深度学习对象检测器，该怎么办？
在我的书“深度学习计算机视觉与Python”中，我将教你如何训练Faster R-CNN，单发探测器（SSD）和RetinaNet：
检测图像中的徽标
检测交通标志（例如停车标志，产量标志等）
检测车辆的前视图和后视图（用于构建自动驾驶汽车应用）
检测图像和视频流中的武器
书中的所有对象检测章节都包含对算法和代码的详细说明，确保您能够成功训练自己的对象检测器。
要了解有关我的书的更多信息（并获取免费的示例章节和目录），请单击此处。
摘要
在本教程中，我们学习了如何使用 Deep Learning，OpenCV 和 Python 执行YOLO 对象检测。
然后，我们简要讨论了YOLO架构，然后实现了 Python 代码：
将YOLO对象检测应用于单个图像
将YOLO对象检测器应用于视频流
在配备3GHz Intel Xeon W处理器的机器上，YOLO的单个前向传输耗时约0.3秒; 但是，使用前一个教程中的单次检测器（SSD），只能检测到0.03秒，速度提高了一个数量级！
对于使用OpenCV和Python在CPU上进行基于深度学习的实时对象检测，您可能需要考虑使用SSD。
如果您有兴趣在自己的自定义数据集上训练自己的深度学习对象探测器，请务必参阅我的书“使用Python进行计算机视觉深度学习”，其中提供了有关如何成功训练自己的探测器的详细指南。
更多有关 opencv 深度学习 yolo 的文章 请看 https://hotdog29.com/?cat=7
代码下载
原文链接
我希望你喜欢今天的YOLO对象检测教程！
文章转自 Adrian Rosebrock ，OpenCV Face Recognition，PyImageSearch，https://www.pyimagesearch.com/2018/09/24/opencv-face-recognition/,2009年7月8日访问
相关文章
网友评论