python使用Yolov3实现电子围栏功能，检测目标是否进入指定区域
这是一道小学升初中的测试题。题目给定了一个视频，要求我们检测出里面的人，并且判断是否有人在翻越围墙，是则给出警报信息，同时要求我们要播放视频。
这道题的思路很简单，可以这样来做。首先给定出报警区域，检测视频中行人位置，判断是否在报警区域内。检测行人有多种方法，其中，yolo算法应该是效果最好的一种方法了，用yolo算法需要下载以下几个文件，我放在百度网盘中，大家可以自行提取。
链接：https://pan.baidu.com/s/1wvHFpRkpuL4uuHWw707n6Q
提取码：3kja
yolo算法的代码大同小异，在这个基础上加入我们所需要的视频处理等模块就可以了。其中，视频播放可以选择实时播放，也可以选择将视频处理后的每一帧保存起来，最后组合成视频进行播放。我个人推荐后者，因为用yolo跑起来数据处理量还是挺大的，电脑性能不好的话跑起来很卡的。代码如下（如果中途想停止播放，可以敲击键盘“q”回车）。
# -*- coding: utf-8 -*-
"""
Created on Sun Dec 19 16:55:32 2021
@author: 2540817538（有问题请联系此QQ）
python3.8.8
"""
import cv2 as cv
import numpy as np
from matplotlib.path import Path
def yolo_detect(img):
m=Path([(0,338),(869,333),(0,443),(870,425)])#警报区域
#报警区域的划定可以参考我另一篇水文《python获取图像中像素点坐标》
n=Path([(968,319),(1522,341),(1521,530),(958,469)])
#这里的m，n是将4个坐标点顺序连起来组成的四边形所围成的区域
confidence_thre=0.5#置信度（概率/打分）阈值，即保留概率大于这个值的边界框，默认为0.5
nms_thre=0.3#非极大值抑制的阈值，默认为0.3
LABELS = open('C:/Users/25408/Desktop/coco.names').read().strip().split("\n") # 加载类别标签文件
(H, W) = img.shape[:2]#获取图片维度
net = cv.dnn.readNetFromDarknet('C:/Users/25408/Desktop/yolov3.cfg','C:/Users/25408/Desktop/yolov3.weights')# 加载模型配置和权重文件
ln = net.getLayerNames() # 获取YOLO输出层的名字
ln = [ln[i[0] - 1] for i in net.getUnconnectedOutLayers()]
#如果这里报错的话，请把i[0]的[0]去掉，变成i
blob = cv.dnn.blobFromImage(img, 1 / 255.0, (416, 416), swapRB=True, crop=False)# 将图片构建成一个blob，设置图片尺寸，然后执行一次 YOLO前馈网络计算，最终获取边界框和相应概率
net.setInput(blob)
layerOutputs = net.forward(ln)
boxes = []# 初始化边界框，置信度（概率）以及类别
confidences = []
classIDs = []
i=0
for output in layerOutputs:# 迭代每个输出层，总共三个
for detection in output: # 迭代每个检测
scores = detection[5:]# 提取类别ID和置信度
classID = np.argmax(scores)
confidence = scores[classID]
if confidence > confidence_thre: # 只保留置信度大于某值的边界框
box = detection[0:4] * np.array([W, H, W, H])# 将边界框的坐标还原至与原图片相匹配，返回边界框的中心坐标以及边界框的宽度和高度
(centerX, centerY, width, height) = box.astype("int")
x = int(centerX - (width / 2))
y = int(centerY - (height / 2))
boxes.append([x, y, int(width), int(height)])#更新边界框，置信度（概率）以及类别
confidences.append(float(confidence))
classIDs.append(classID)
idxs = cv.dnn.NMSBoxes(boxes, confidences, confidence_thre, nms_thre) # 使用非极大值抑制方法抑制弱、重叠边界框
if len(idxs) > 0: # 确保至少一个边界框
for i in idxs.flatten(): # 迭代每个边界框
color=(255,0,0)
(x, y) = (boxes[i][0], boxes[i][1])
(w, h) = (boxes[i][2], boxes[i][3])
#报警条件
if (m.contains_point((int(x+w/2), int(y+h/2))) or n.contains_point((int(x+w/2), int(y+h/2)))) and (LABELS[classIDs[i]]=='person'):
color=(0,0,255)
#m.contain_point（x，y）可以判断点（x，y）是否在m区域内
cv.putText(img, "Catch the thief!", (680,425), cv.FONT_HERSHEY_COMPLEX, 2.0, (0, 0, 255), 5)#警报信息
cv.rectangle(img, (x, y), (x + w, y + h), color, 2)# 绘制边界框以及添加类别标签和置信度
text = '{}: {:.3f}'.format(LABELS[classIDs[i]], confidences[i])
(text_w, text_h), baseline = cv.getTextSize(text, cv.FONT_HERSHEY_SIMPLEX, 0.5, 2)
cv.rectangle(img, (x, y - text_h - baseline), (x + text_w, y), color, -1)
cv.putText(img, text, (x, y - 5), cv.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0), 2)
return img
def main():
cap=cv.VideoCapture('C:/Users/25408/Desktop/sp1.mp4')# 注意更改视频路径
i=0
while True:
success,frame = cap.read()# 读取视频流
if success :
if(i%1==0):#每隔固定帧处理一次
frame=yolo_detect(frame)
cv.namedWindow('asd', cv.WINDOW_NORMAL)
cv.imshow('asd', frame)
i+=1
key = cv.waitKey(5) & 0xFF#手动停止方法
if key == ord('q'):
print ('停止播放')
break
else:
print ('播放完成')
break
cap.release()
cv.destroyAllWindows()
if __name__=="__main__":
main()运行效果（这里就截一张图展示就好）：
我使用的视频如下，大家可以下载用来测试代码，记得要更改视频路径。
链接：https://pan.baidu.com/s/15FZAnQOHhxACHJEGjGItDw
提取码：alz8