#coding:utf-8
import numpy as np
import cv2
import os
weightsPath='D:\\ylo\\yolov3.weights'# 模型权重文件
configPath="D:\\ylo\\yolov3.cfg"# 模型配置文件
labelsPath = "D:\\ylo\\coco.names"# 模型类别标签文件
#初始化一些参数
LABELS = open(labelsPath).read().strip().split("\n")
boxes = []
confidences = []
classIDs = []
#加载 网络配置与训练的权重文件 构建网络
net = cv2.dnn.readNetFromDarknet(configPath,weightsPath)
#读入待检测的图像
# 得到 YOLO需要的输出层
ln = net.getLayerNames()
out = net.getUnconnectedOutLayers()#得到未连接层得序号 [[200] /n [267] /n [400] ]
x = []
for i in out: # 1=[200]
x.append(ln[i[0]-1]) # i[0]-1 取out中的数字 [200][0]=200 ln(199)= 'yolo_82'
ln=x
# ln = ['yolo_82', 'yolo_94', 'yolo_106'] 得到 YOLO需要的输出层
cap=cv2.VideoCapture(0)
while True: #从摄像头读取图片
sucess,image=cap.read() #转为灰度图片
#gray=cv2.cvtColor(img) #显示摄像头，背景是灰度。
# 从输入图像构造一个blob，然后通过加载的模型，给我们提供边界框和相关概率
# blobFromImage(image, scalefactor=None, size=None, mean=None, swapRB=None, crop=None, ddepth=None)
# image = cv2.imread('D:\car.jpg')
# 得到图像的高和宽
(H, W) = image.shape[0:2]
blob = cv2.dnn.blobFromImage(image, 1 / 255.0, (416, 416), swapRB=True,
crop=False) # 构造了一个blob图像，对原图像进行了图像的归一化，缩放了尺寸 ，对应训练模型
net.setInput(blob) # 将blob设为输入？？？ 具体作用还不是很清楚
layerOutputs = net.forward(ln) # ln此时为输出层名称 ，向前传播 得到检测结果
for output in layerOutputs: # 对三个输出层 循环
for detection in output: # 对每个输出层中的每个检测框循环
scores = detection[5:] # detection=[x,y,h,w,c,class1,class2] scores取第6位至最后
classID = np.argmax(scores) # np.argmax反馈最大值的索引
confidence = scores[classID]
if confidence > 0.5: # 过滤掉那些置信度较小的检测结果
box = detection[0:4] * np.array([W, H, W, H])
# print(box)
(centerX, centerY, width, height) = box.astype("int")
# 边框的左上角
x = int(centerX - (width / 2))
y = int(centerY - (height / 2))
# 更新检测出来的框
boxes.append([x, y, int(width), int(height)])
confidences.append(float(confidence))
classIDs.append(classID)
idxs = cv2.dnn.NMSBoxes(boxes, confidences, 0.2, 0.3)
box_seq = idxs.flatten() # [ 2 9 7 10 6 5 4]
if len(idxs) > 0:
for seq in box_seq:
(x, y) = (boxes[seq][0], boxes[seq][1]) # 框左上角
(w, h) = (boxes[seq][2], boxes[seq][3]) # 框宽高
if classIDs[seq] == 0: # 根据类别设定框的颜色
color = [0, 0, 255]
else:
color = [0, 255, 0]
cv2.rectangle(image, (x, y), (x + w, y + h), color, 1) # 画框
text = "{}: {:.4f}".format(LABELS[classIDs[seq]], confidences[seq])
cv2.putText(image, text, (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.3, color, 1) # 写字
cv2.namedWindow('Image', cv2.WINDOW_NORMAL)
cv2.imshow("Image", image)
cv2.waitKey(1);
cap.release()
