利用YOLOv3实现第一个视频物体检测小程序
YOLO: Real-Time Object Detection
https://pjreddie.com/darknet/yolo/
本文测试了yolov3 demo，实现对视频的物体检测。
一、安装Darknet
step1：下载darknet
git clone https://github.com/pjreddie/darknet
如果没有git：
sudo apt-get install git
step2：Make操作：
cd darknet
make
step3：下载 pre-trained weight文件
wget https://pjreddie.com/media/files/yolov3.weights
建议浏览器下载，速度快一些
step4：测试一下
下载好之后，把yolov3.weight剪切到darknet文件夹里，然后执行命令：
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
/darknet文件夹内，predictions.jpg就是识别结果。
二、用CUDA编译Darknet
如果想利用darknet对视频进行处理，则需要分别用CUDA和OpenCV编译Darknet。
安装OpenCV和CUDA教程可以参考。
step1：修改Makefile，并make
/darknet/Makefile里第一句改成GPU=1;
NVCC的路径修改为自己的：NVCC = /usr/local/cuda-11.0/bin/nvcc
#进入文件后，按【i】进入编辑模式
vi Makefile
make
STEP2：执行 ./darknet -i 0 imagenet test cfg/alexnet.cfg alexnet.weights
1. 可能有报错：`Not an option: imagenet`
解决方法：
```powershell
修改命令为：./darknet -i 0 test ./data/horses.jpg cfg/alexnet.cfg alexnet.weights
三、用OpenCV编译Darknet
step1：修改Makefile，并make
/darknet/Makefile里第一句改成OPENCV=1:
#进入文件后，按【i】进入编辑模式，或者用文本文件打开
vi Makefile
make
- 出现错误：No package ‘opencv’ found
./src/image_opencv.cpp:5:10: fatal error:
解决方法：安装这个库：
sudo apt install libopencv-dev
- 出现错误：nvcc fatal : Unsupported gpu architecture ‘compute_30’
Makefile:92: recipe for target ‘obj/convolutional_kernels.o’ failed
make: *** [obj/convolutional_kernels.o] Error 1
解决方法：
修改Makefile，只保留一行。
ARCH= -gencode arch=compute_35,code=sm_35
#-gencode arch=compute_30,code=sm_30
#-gencode arch=compute_50,code=[sm_50,compute_50] \
#-gencode arch=compute_52,code=[sm_52,compute_52]
step2：测试
./darknet imtest data/eagle.jpg
如果得到了很多eagle的窗口，就成功了！
CTRL+c退出。
四、用本地视频测试物体检测效果
step1：下载一段dogs.MP4的视频，放在/darknet/data文件夹内
step2：执行
./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dogs.MP4
出现错误：CUDA Error: out of memory
darknet: ./src/cuda.c:36: check_error: Assertion `0’ failed.
原因：GPU性能不够；
解决方法：修改cfg/yolov3.cfg（用到哪个修改哪个）
batch=1
subdivisions=1
减少其batch数量能大大缓解内存紧张；
如果上面这样做还是出现内存不足的现象，那么只有两种方案了，要么用小一点的模型，要么就更改yolov3.cfg的height和width值了，我修改为宽高都为416，再测试就没问题了。
