目標檢測就是對目標進行動態實時跟蹤定位，常見的目標檢測演算法有 R-CNN、Fast R-CNN、Faster R-CNN、SSD、Yolo 等，其中 Yolo 的速度和精確度都比較高，且只需訓練一次，使用起來比較方便。
這裡我們就使用官方現成的模型來檢測圖片，看一看效果，先學會使用流程，以後再訓練自己的模型。
注意
：opencv-python 目前只有
4.4.0
版本適配了 YOLOv4
匯入庫
import numpy as np
import time
import cv2
設定標籤和標註顏色
LABELS = open（“coco。names”）。read（）。strip（）。split（“\n”）
np。random。seed（666）
COLORS = np。random。randint（0， 255， size=（len（LABELS）， 3）， dtype=“uint8”）
coco。names 內包含了很多目標標籤，如 person、bicycle、car 等，且按一定順序排列，裡面基本包含了 Yolo 官方模型中可檢測的物件。該檔案可從以下連結中提取：
https：//
gitee。com/public_sharin
g/ObjectDetection-YOLO/blob/master/coco。names
每個物件配備了不一樣的顏色，以便在圖片中標記時便於區分。
載入網路
# 匯入 YOLO 配置和權重檔案並載入網路：
net = cv2。dnn_DetectionModel（‘yolov4。cfg’， ‘yolov4。weights’）
# 獲取 YOLO 未連線的輸出圖層
layer = net。getUnconnectedOutLayersNames（）
yolov4。cfg 和 yolov4。weights 檔案就是官方提供的模型，下載連結：
https：//
pan。baidu。com/s/1XrcPHd
p2_4c-dKge2Guw4w
提取碼：xsxb 。如果失效，可以直接百度搜索
Yolov4模型下載
，有很多人都分享出來了。
cv2。dnn_DetectionModel 是 opencv 4。1。2 開始新增的方法，用於載入網路。以前是使用 cv2。dnn。readNetFromDarknet ，此處使用也可以達到同樣的效果。
getUnconnectedOutLayersNames（） 用於提取輸出圖層的名稱，yolo 含有很多的圖層，可以使用 getLayerNames（） 將所有圖層的名稱提取出來。但在這裡，我們只需要使用 yolo 的最後輸出圖層。
檢測圖片
# 匯入圖片
image = cv2。imread（‘timg。jpg’）
# 獲取圖片尺寸
（H， W） = image。shape［：2］
# 從輸入影象構造一個 blob，然後執行 YOLO 物件檢測器的前向傳遞，給我們邊界盒和相關機率
blob = cv2。dnn。blobFromImage（image， 1/255。0， （416， 416），
swapRB=True， crop=False）
net。setInput（blob）
start = time。time（）
# 前向傳遞，獲得資訊
layerOutputs = net。forward（layer）
# 用於得出檢測時間
end = time。time（）
print（“［INFO］ YOLO took {：。6f} seconds”。format（end - start））
blobFromImage 用於對影象進行預處理
cv2。dnn。blobFromImage（image［， scalefactor［， size［， mean［， swapRB［， crop［， ddepth］］］］］］）
image：輸入影象
scalefactor：影象各通道數值的縮放比例
size：輸出影象的空間尺寸
mean：用於各通道減去的值，以降低光照的影響
swapRB：交換 RB 通道，預設為 False
crop：影象裁剪，預設為 False。當值為 True 時，先按比例縮放，然後從中心裁剪成 size 尺寸
ddepth：輸出的影象深度，可選 CV_32F 或者 CV_8U
資料提取
boxes = ［］
confidences = ［］
classIDs = ［］
# 迴圈提取每個輸出層
for output in layerOutputs：
# 迴圈提取每個框
for detection in output：
# 提取當前目標的類 ID 和置信度
scores = detection［5：］
classID = np。argmax（scores）
confidence = scores［classID］
# 透過確保檢測機率大於最小機率來過濾弱預測
if confidence > 0。5：
# 將邊界框座標相對於影象的大小進行縮放，YOLO 返回的是邊界框的中心（x， y）座標，
# 後面是邊界框的寬度和高度
box = detection［0：4］ * np。array（［W， H， W， H］）
（centerX， centerY， width， height） = box。astype（“int”）
# 轉換出邊框左上角座標
x = int（centerX - （width / 2））
y = int（centerY - （height / 2））
# 更新邊界框座標、置信度和類 id 的列表
boxes。append（［x， y， int（width）， int（height）］）
confidences。append（float（confidence））
classIDs。append（classID）
3 個列表內儲存的內容：
boxes：物件的邊界框
confidences ：YOLO 分配給物件的置信度值，較低的置信度值表示該物件可能不是網路認為的物件。上面的程式碼中將過濾掉小於 0。5 閾值的物件
classIDs：檢測到的物件的類標籤
這樣每個被提取出的物件，都確定了標籤和區域座標就、位置。接下來就是在圖片中標記出來，便於我們觀看。
標記顯示
# 非最大值抑制，確定唯一邊框
idxs = cv2。dnn。NMSBoxes（boxes， confidences， 0。5， 0。3）
# 確定每個物件至少有一個框存在
if len（idxs） > 0：
# 迴圈畫出儲存的邊框
for i in idxs。flatten（）：
# 提取座標和寬度
（x， y） = （boxes［i］［0］， boxes［i］［1］）
（w， h） = （boxes［i］［2］， boxes［i］［3］）
# 畫出邊框和標籤
color = ［int（c） for c in COLORS［classIDs［i］］］
cv2。rectangle（image， （x， y）， （x + w， y + h）， color， 1， lineType=cv2。LINE_AA）
text = “{}： {：。4f}”。format（LABELS［classIDs［i］］， confidences［i］）
cv2。putText（image， text， （x， y - 5）， cv2。FONT_HERSHEY_SIMPLEX，
0。5， color， 1， lineType=cv2。LINE_AA）
cv2。imshow（“Tag”， image）
cv2。waitKey（0）
對於每個物件，Yolo 會框出 3 個左右的區域，我們只需要顯示出最合適的區域。非最大值抑制，就是搜尋出局部最大值，將置信度最大的框儲存，其餘剔除。
cv2。dnn。NMSBoxes（bboxes， scores， score_threshold， nms_threshold， eta=None， top_k=None）
bboxes：一組邊框
scores：一組對應的置信度
score_threshold：置信度的閾值
nms_threshold：非最大抑制的閾值
之後將每個物件的方框和標籤都畫出來
結果展示：
完整程式碼
import numpy as np
import time
import cv2
LABELS = open（“coco。names”）。read（）。strip（）。split（“\n”）
np。random。seed（666）
COLORS = np。random。randint（0， 255， size=（len（LABELS）， 3）， dtype=“uint8”）
# 匯入 YOLO 配置和權重檔案並載入網路：
net = cv2。dnn_DetectionModel（‘yolov4。cfg’， ‘yolov4。weights’）
# 獲取 YOLO 未連線的輸出圖層
layer = net。getUnconnectedOutLayersNames（）
image = cv2。imread（‘timg。jpg’）
# 獲取圖片尺寸
（H， W） = image。shape［：2］
# 從輸入影象構造一個 blob，然後執行 YOLO 物件檢測器的前向傳遞，給我們邊界盒和相關機率
blob = cv2。dnn。blobFromImage（image， 1/255。0， （416， 416），
swapRB=True， crop=False）
net。setInput（blob）
start = time。time（）
# 前向傳遞，獲得資訊
layerOutputs = net。forward（layer）
# 用於得出檢測時間
end = time。time（）
print（“YOLO took {：。6f} seconds”。format（end - start））
boxes = ［］
confidences = ［］
classIDs = ［］
# 迴圈提取每個輸出層
for output in layerOutputs：
# 迴圈提取每個框
for detection in output：
# 提取當前目標的類 ID 和置信度
scores = detection［5：］
classID = np。argmax（scores）
confidence = scores［classID］
# 透過確保檢測機率大於最小機率來過濾弱預測
if confidence > 0。5：
# 將邊界框座標相對於影象的大小進行縮放，YOLO 返回的是邊界框的中心（x， y）座標，
# 後面是邊界框的寬度和高度
box = detection［0：4］ * np。array（［W， H， W， H］）
（centerX， centerY， width， height） = box。astype（“int”）
# 轉換出邊框左上角座標
x = int（centerX - （width / 2））
y = int（centerY - （height / 2））
# 更新邊界框座標、置信度和類 id 的列表
boxes。append（［x， y， int（width）， int（height）］）
confidences。append（float（confidence））
classIDs。append（classID）
# 非最大值抑制，確定唯一邊框
idxs = cv2。dnn。NMSBoxes（boxes， confidences， 0。5， 0。3）
# 確定每個物件至少有一個框存在
if len（idxs） > 0：
# 迴圈畫出儲存的邊框
for i in idxs。flatten（）：
# 提取座標和寬度
（x， y） = （boxes［i］［0］， boxes［i］［1］）
（w， h） = （boxes［i］［2］， boxes［i］［3］）
# 畫出邊框和標籤
color = ［int（c） for c in COLORS［classIDs［i］］］
cv2。rectangle（image， （x， y）， （x + w， y + h）， color， 1， lineType=cv2。LINE_AA）
text = “{}： {：。4f}”。format（LABELS［classIDs［i］］， confidences［i］）
cv2。putText（image， text， （x， y - 5）， cv2。FONT_HERSHEY_SIMPLEX，
0。5， color， 1， lineType=cv2。LINE_AA）
cv2。imshow（“Tag”， image）
cv2。waitKey（0）
原始碼地址
