手把手教你YOLOv5如何进行区域目标检测
wiz_k 人气:0提示：本项目的源码是基于yolov5 6.0版本修改
效果展示
在使用YOLOv5的有些时候，我们会遇到一些具体的目标检测要求，比如要求不检测全图，只在规定的区域内才检测。所以为了满足这个需求，可以用一个mask覆盖掉不想检测的区域，使得YOLOv5在检测的时候，该覆盖区域就不纳入检测范围。
话不多说，直接上检测效果，可以很直观的看到目标在进入规定的检测区域才得到检测。
一、确定检测范围
快捷查询方法：
- 用windows自带画图打开图片
- 鼠标移到想要框选检测区域的四个顶点，查询点的像素坐标
- 分别计算点的像素坐标与图片总像素坐标的比例（后面要用）
查询方法如下图所示：
提示：以下是计算的举例说明，仅供参考
例如：图中所标注的点（1010，174）代表（x，y）坐标
hl1 = 174 / 768 （可约分）监测区域纵坐标距离图片***顶部*** 比例
wl1 = 1010 / 1614 （可约分）监测区域横坐标距离图片***左部*** 比例
这里只举例了一个点，如检测范围是四边形，需要计算左上，右上，右下，左下四个顶点。
二、detect.py代码修改
1.确定区域检测范围
在下面代码位置填上计算好的比例：
# mask for certain region
#1,2,3,4 分别对应左上，右上，右下，左下四个点
hl1 = 1.4 / 10 #监测区域高度距离图片顶部比例
wl1 = 6.4 / 10 #监测区域高度距离图片左部比例
hl2 = 1.4 / 10 # 监测区域高度距离图片顶部比例
wl2 = 6.8 / 10 # 监测区域高度距离图片左部比例
hl3 = 4.5 / 10 # 监测区域高度距离图片顶部比例
wl3 = 7.6 / 10 # 监测区域高度距离图片左部比例
hl4 = 4.5 / 10 # 监测区域高度距离图片顶部比例
wl4 = 5.5 / 10 # 监测区域高度距离图片左部比例
在135行：for path, img, im0s, vid_cap in dataset: 下插入代码：
# mask for certain region
#1,2,3,4 分别对应左上，右上，右下，左下四个点
hl1 = 1.6 / 10 #监测区域高度距离图片顶部比例
wl1 = 6.4 / 10 #监测区域高度距离图片左部比例
hl2 = 1.6 / 10 # 监测区域高度距离图片顶部比例
wl2 = 6.8 / 10 # 监测区域高度距离图片左部比例
hl3 = 4.5 / 10 # 监测区域高度距离图片顶部比例
wl3 = 7.6 / 10 # 监测区域高度距离图片左部比例
hl4 = 4.5 / 10 # 监测区域高度距离图片顶部比例
wl4 = 5.5 / 10 # 监测区域高度距离图片左部比例
if webcam:
for b in range(0,img.shape[0]):
mask = np.zeros([img[b].shape[1], img[b].shape[2]], dtype=np.uint8)
#mask[round(img[b].shape[1] * hl1):img[b].shape[1], round(img[b].shape[2] * wl1):img[b].shape[2]] = 255
pts = np.array([[int(img[b].shape[2] * wl1), int(img[b].shape[1] * hl1)], # pts1
[int(img[b].shape[2] * wl2), int(img[b].shape[1] * hl2)], # pts2
[int(img[b].shape[2] * wl3), int(img[b].shape[1] * hl3)], # pts3
[int(img[b].shape[2] * wl4), int(img[b].shape[1] * hl4)]], np.int32)
mask = cv2.fillPoly(mask,[pts],(255,255,255))
imgc = img[b].transpose((1, 2, 0))
imgc = cv2.add(imgc, np.zeros(np.shape(imgc), dtype=np.uint8), mask=mask)
#cv2.imshow('1',imgc)
img[b] = imgc.transpose((2, 0, 1))
else:
mask = np.zeros([img.shape[1], img.shape[2]], dtype=np.uint8)
#mask[round(img.shape[1] * hl1):img.shape[1], round(img.shape[2] * wl1):img.shape[2]] = 255
pts = np.array([[int(img.shape[2] * wl1), int(img.shape[1] * hl1)], # pts1
[int(img.shape[2] * wl2), int(img.shape[1] * hl2)], # pts2
[int(img.shape[2] * wl3), int(img.shape[1] * hl3)], # pts3
[int(img.shape[2] * wl4), int(img.shape[1] * hl4)]], np.int32)
mask = cv2.fillPoly(mask, [pts], (255,255,255))
img = img.transpose((1, 2, 0))
img = cv2.add(img, np.zeros(np.shape(img), dtype=np.uint8), mask=mask)
img = img.transpose((2, 0, 1))
2.画检测区域线（若不想像效果图一样显示出检测区域可不添加）
在196行： p, s, im0, frame = path, ‘’, im0s.copy(), getattr(dataset, ‘frame’, 0) 后添加
if webcam: # batch_size >= 1
p, s, im0, frame = path[i], f'{i}: ', im0s[i].copy(), dataset.count
cv2.putText(im0, "Detection_Region", (int(im0.shape[1] * wl1 - 5), int(im0.shape[0] * hl1 - 5)),
cv2.FONT_HERSHEY_SIMPLEX,
1.0, (255, 255, 0), 2, cv2.LINE_AA)
pts = np.array([[int(im0.shape[1] * wl1), int(im0.shape[0] * hl1)], # pts1
[int(im0.shape[1] * wl2), int(im0.shape[0] * hl2)], # pts2
[int(im0.shape[1] * wl3), int(im0.shape[0] * hl3)], # pts3
[int(im0.shape[1] * wl4), int(im0.shape[0] * hl4)]], np.int32) # pts4
# pts = pts.reshape((-1, 1, 2))
zeros = np.zeros((im0.shape), dtype=np.uint8)
mask = cv2.fillPoly(zeros, [pts], color=(0, 165, 255))
im0 = cv2.addWeighted(im0, 1, mask, 0.2, 0)
cv2.polylines(im0, [pts], True, (255, 255, 0), 3)
# plot_one_box(dr, im0, label='Detection_Region', color=(0, 255, 0), line_thickness=2)
else:
p, s, im0, frame = path, '', im0s.copy(), getattr(dataset, 'frame', 0)
cv2.putText(im0, "Detection_Region", (int(im0.shape[1] * wl1 - 5), int(im0.shape[0] * hl1 - 5)),
cv2.FONT_HERSHEY_SIMPLEX,
1.0, (255, 255, 0), 2, cv2.LINE_AA)
pts = np.array([[int(im0.shape[1] * wl1), int(im0.shape[0] * hl1)], # pts1
[int(im0.shape[1] * wl2), int(im0.shape[0] * hl2)], # pts2
[int(im0.shape[1] * wl3), int(im0.shape[0] * hl3)], # pts3
[int(im0.shape[1] * wl4), int(im0.shape[0] * hl4)]], np.int32) # pts4
# pts = pts.reshape((-1, 1, 2))
zeros = np.zeros((im0.shape), dtype=np.uint8)
mask = cv2.fillPoly(zeros, [pts], color=(0, 165, 255))
im0 = cv2.addWeighted(im0, 1, mask, 0.2, 0)
cv2.polylines(im0, [pts], True, (255, 255, 0), 3)
总结
基于yolov5的区域目标检测实质上就是在图片选定检测区域做一个遮掩mask，检测区域不一定为四边形，也可是其他形状。该方法可检测图片/视频/摄像头。
提示：使用该方法要先确定数据集图像是否像监控图像一样，画面主体保持不变
原理展现如图所示：（图片参考http://t.csdn.cn/lgyO1）
整体detect.py修改代码
# YOLOv5
加载全部内容
- 猜你喜欢
- 用户评论