YOLO3能够快速识别图片和视频中的80种物体,而且实时性强,准确度接近SSD。 Opencv是目前最流行的开源图像处理库,使用Opencv能够非常方便的对图像进行处理。 Opencv4.0已经包含DNN相关的库函数,可以非常方便的调用训练好的YOLO3模型使用。
使用wget下载训练号的模型与COCO数据库。 COCO数据库包含了识别的类型名。
wget https://pjreddie.com/media/files/yolov3.weights
wget https://github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg?raw=true -O ./yolov3.cfg
wget https://github.com/pjreddie/darknet/blob/master/data/coco.names?raw=true -O ./coco.names
YOLOv3算法的预测结果就是边界框。每一个边界框都旁随着一个置信值。第一阶段中,全部低于置信度阀值的都会排除掉。 对剩余的边界框执行非最大抑制算法,以去除重叠的边界框。非最大抑制由一个参数nmsThrehold控制。读者可以尝试改变这个数值,观察输出的边界框的改变。 接下来,设置输入图片的宽度(inpWidth)和高度(inpHeight)。我们设置他们为416,以便对比YOLOv3作者提供的Darknets的C代码。如果想要更快的速度,读者可以把宽度和高度设置为320。如果想要更准确的结果,改变他们到608。
float confThreshold = 0.5;//置信度阈值
float nmsThreshold = 0.4;//非最大抑制阈值
int inpWidth = 416;//网络输入图片宽度
int inpHeight = 416;//网络输入图片高度
接下来我们读入COCO数据库并将类名存入vector classes容器。并加载模型与权重文件yolov3.cfg和yolov3.weights。 最后把DNN的后端设置为OpenCV,目标设置CPU。也可以通过cv::dnn::DNN_TARGET_OPENCL设置目标为GPU。
//将类名存进容器
string classesFile = "D:\\Code\\C++\\YOLO3-detecction\\coco.names";//coco.names包含80种不同的类名
ifstream ifs(classesFile.c_str());
string line;
while(getline(ifs,line))classes.push_back(line);
//取得模型的配置和权重文件
cv::String modelConfiguration = "D:\\Code\\C++\\YOLO3-detecction\\yolov3.cfg";
cv::String modelWeights = "D:\\Code\\C++\\YOLO3-detecction\\yolov3.weights";
//加载网络
cv::dnn::Net net = cv::dnn::readNetFromDarknet(modelConfiguration,modelWeights);
net.setPreferableBackend(cv::dnn::DNN_BACKEND_OPENCV);
net.setPreferableBackend(cv::dnn::DNN_TARGET_OPENCL);
//打开视频文件或者图形文件或者相机数据流
string str, outputFile;
cv::VideoCapture cap("D:\\Code\\C++\\YOLO3-detecction\\run.mp4");
cv::VideoWriter video;
cv::Mat frame,blob;
//开启摄像头
// cv::VideoCapture cap(1);
//创建窗口
static const string kWinName = "Deep learning object detection in OpenCV";
cv::namedWindow(kWinName,cv::WINDOW_AUTOSIZE);
输入到神经网络的图像需要以一种叫bolb的格式保存。 读取了输入图片或者视频流的一帧图像后,这帧图像需要经过bolbFromImage()函数处理为神经网络的输入类型bolb。在这个过程中,图像像素以一个1/255的比例因子,被缩放到0到1之间。同时,图像在不裁剪的情况下,大小调整到416x416。注意我们没有降低图像平均值,因此传递[0,0,0]到函数的平均值输入,保持swapRB参数到默认值1。 输出的bolb传递到网络,经过网络正向处理,网络输出了所预测到的一个边界框清单。这些边界框通过后处理,滤除了低置信值的。我们随后再详细的说明后处理的步骤。我们在每一帧的左上方打印出了推断时间。伴随着最后的边界框的完成,图像保存到硬盘中,之后可以作为图像输入或者通过Videowriter作为视频流输入。
while(cv::waitKey(1)<0){
//取每帧图像
cap>>frame;
//如果视频播放完则停止程序
if(frame.empty()){
break;
}
//在dnn中从磁盘加载图片
cv::dnn::blobFromImage(frame,blob,1/255.0,cv::Size(inpWidth,inpHeight));
//设置输入
net.setInput(blob);
//设置输出层
vector outs;//储存识别结果
net.forward(outs,getOutputNames(net));
//移除低置信度边界框
postprocess(frame,outs);
//显示s延时信息并绘制
vector layersTimes;
double freq = cv::getTickFrequency()/1000;
double t=net.getPerfProfile(layersTimes)/freq;
string label = cv::format("Infercence time for a frame:%.2f ms",t);
cv::putText(frame,label,cv::Point(0,15),cv::FONT_HERSHEY_SIMPLEX,0.5,cv::Scalar(0,255,255));
//绘制识别框
cv::imshow(kWinName,frame);
}
OpenCV的网络类中的前向功能需要结束层,直到它在网络中运行。因为我们需要运行整个网络,所以我们需要识别网络中的最后一层。我们通过使用getUnconnectedOutLayers()获得未连接的输出层的名字,该层基本就是网络的最后层。然后我们运行前向网络,得到输出,如前面的代码片段(net.forward(getOutputsNames(net)))。
//从输出层得到名字
vector getOutputNames(const cv::dnn::Net& net){
static vector names;
if(names.empty()){
//取得输出层指标
vector outLayers = net.getUnconnectedOutLayers();
vector layersNames = net.getLayerNames();
//取得输出层名字
names.resize(outLayers.size());
for(size_t i =0;i
网络输出的每个边界框都分别由一个包含着类别名字和5个元素的向量表示。 头四个元素代表center_x, center_y, width和height。第五个元素表示包含着目标的边界框的置信度。 其余的元素是和每个类别(如目标种类)有关的置信度。边界框分配给最高分数对应的那一种类。 一个边界框的最高分数也叫做它的置信度(confidence)。如果边界框的置信度低于规定的阀值,算法上不再处理这个边界框。 置信度大于或等于置信度阀值的边界框,将进行非最大抑制。这会减少重叠的边界框数目。
//移除低置信度边界框
void postprocess(cv::Mat& frame,const vector& outs){
vector classIds;//储存识别类的索引
vector confidences;//储存置信度
vector boxes;//储存边框
for(size_t i=0;iconfThreshold){
int centerX = (int)(data[0]*frame.cols);
int centerY = (int)(data[1]*frame.rows);
int width = (int)(data[2]*frame.cols);
int height = (int)(data[3]*frame.rows);
int left = centerX-width/2;
int top = centerY-height/2;
classIds.push_back(classIdPoint.x);
confidences.push_back((float)confidence);
boxes.push_back(cv::Rect(left, top, width, height));
}
}
}
//低置信度
vector indices;//保存没有重叠边框的索引
//该函数用于抑制重叠边框
cv::dnn::NMSBoxes(boxes,confidences,confThreshold,nmsThreshold,indices);
for(size_t i=0;i
非最大抑制由参数nmsThreshold控制。如果nmsThreshold设置太少,比如0.1,我们可能检测不到相同或不同种类的重叠目标。如果设置得太高,比如1,可能出现一个目标有多个边界框包围。所以我们在上面的代码使用了0.4这个中间的值。
最后,经过非最大抑制后,得到了边界框。我们把边界框在输入帧上画出,并标出种类名和置信值。
//绘制预测边界框
void drawPred(int classId,float conf,int left,int top,int right,int bottom,cv::Mat& frame){
//绘制边界框
cv::rectangle(frame,cv::Point(left,top),cv::Point(right,bottom),cv::Scalar(255,178,50),3);
string label = cv::format("%.2f",conf);
if(!classes.empty()){
CV_Assert(classId < (int)classes.size());
label = classes[classId]+":"+label;//边框上的类别标签与置信度
}
//绘制边界框上的标签
int baseLine;
cv::Size labelSize = cv::getTextSize(label,cv::FONT_HERSHEY_SIMPLEX,0.5,1,&baseLine);
top = max(top,labelSize.height);
cv::rectangle(frame,cv::Point(left,top-round(1.5*labelSize.height)),cv::Point(left+round(1.5*labelSize.width),top+baseLine),cv::Scalar(255,255,255),cv::FILLED);
cv::putText(frame, label,cv::Point(left, top), cv::FONT_HERSHEY_SIMPLEX, 0.75,cv::Scalar(0, 0, 0), 1);
}