YOLOv5车辆识别：使用Python实现实时车辆检测 |
您所在的位置：网站首页 › 怎么学好python算法 › YOLOv5车辆识别：使用Python实现实时车辆检测 |
YOLOv5车辆识别：使用Python实现实时车辆检测
|
在这篇博客中，我们将介绍如何使用YOLOv5实现车辆识别。YOLO（You Only Look Once）是一种流行的实时目标检测算法，YOLOv5是其最新版本，性能得到了显著提高。我们将使用Python编写代码，为您展示如何实现实时车辆检测。 源码:www.hedaoapp.com/goods/goods… 一、安装必要库首先，我们需要安装YOLOv5所需的依赖库。确保您的系统已经安装了Python，然后运行以下命令： pip install torch torchvision opencv-python 复制代码接下来，我们需要克隆YOLOv5的官方仓库，并安装所需的依赖： git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt 复制代码 二、下载预训练模型我们将使用在COCO数据集上预训练的YOLOv5模型。这里我们选择YOLOv5s，因为它较小，适用于实时检测。您可以在YOLOv5的发布页面找到其他版本的预训练模型。运行以下命令下载YOLOv5s模型： wget https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt 复制代码 三、编写车辆识别代码我们首先导入所需的库： import cv2 import torch from yolov5.utils.general import non_max_suppression 复制代码接下来，我们定义一个函数来加载模型： def load_model(weights_path, device): model = torch.hub.load('ultralytics/yolov5', 'custom', path_or_model=weights_path) model.to(device) model.eval() return model 复制代码现在，我们将创建一个函数来处理模型的输出： def process_detections(detections, conf_thres): car_detections = [] for det in detections: if det[5] == 2: # 2对应于COCO数据集中的“汽车”类别 if det[4] >= conf_thres: car_detections.append(det[:4].cpu().numpy().astype(int)) return car_detections 复制代码接下来，我们定义一个函数用于在图像上绘制检测结果： def draw_detections(image, detections, color=(0, 255, 0), thickness=2): for det in detections: x1, y1, x2, y2 = det cv2.rectangle(image, (x1, y1), (x2, y2), color, thickness) return image 复制代码最后，我们编写主程序，从摄像头捕获视频流并进行实时车辆检测： def main(): device = torch.device("cuda if torch.cuda.is_available() else "cpu") weights_path = "yolov5s.pt" conf_thres = 0.5 model = load_model(weights_path, device) cap = cv2.VideoCapture(0) # 使用摄像头 while True: ret, frame = cap.read() if not ret: break # 将图像转换为模型输入格式 img = torch.from_numpy(frame).permute(2, 0, 1).float() / 255.0 img = img.unsqueeze(0).to(device) # 进行目标检测 with torch.no_grad(): pred = model(img)[0] pred = non_max_suppression(pred, conf_thres) # 提取车辆检测结果 detections = process_detections(pred[0], conf_thres) # 在图像上绘制检测结果 frame = draw_detections(frame, detections) # 显示结果 cv2.imshow("Car Detection", frame) # 按'q'键退出 if cv2.waitKey(1) & 0xFF == ord("q"): break cap.release() cv2.destroyAllWindows() if name == "main": main() 复制代码现在，您可以运行此代码进行实时车辆检测。摄像头将捕获视频流，YOLOv5将识别图像中的车辆，并用矩形框标注出来。 YOLOv5还可以识别其他类型的目标，您可以根据需要调整代码。此外，可以尝试使用其他版本的预训练模型（如YOLOv5m或YOLOv5l）以获得更高的准确性，但可能会降低实时性能。 总之，YOLOv5是一个强大且实用的目标检测算法，非常适用于实时车辆识别。通过使用Python和YOLOv5，您可以轻松地开发自己 |
【本文地址】
今日新闻 |
推荐新闻 |