调用yolo3模型对摄像头中获取的视频进行目标检测

最新推荐文章于 2025-04-18 20:44:10 发布

原创

最新推荐文章于 2025-04-18 20:44:10 发布 · 1.7k 阅读

18 ·

CC 4.0 BY-SA版权

文章标签：

#opencv

本文介绍如何使用预训练的Yolo3模型进行实时目标检测，包括加载模型权重、配置文件及标签，通过摄像头捕获图像并展示检测结果。

把别人训练好的yolo3模型的权重，调过来看看

import numpy as np
import cv2 as cv
import os
import time

path = 'D:/Code/Python/YOLO3'
weightsPath = os.path.join(path, 'yolov3.weights')  # 权重文件
configPath = os.path.join(path, 'yolov3.cfg')  # 配置文件
labelsPath = os.path.join(path, 'coco.names')  # label名称
imgPath = os.path.join(path, 'dog.jpg')  # 测试图像
CONFIDENCE = 0.5  # 过滤弱检测的最小概率
THRESHOLD = 0.4  # 非最大值抑制阈值
# 加载网络、配置权重
net = cv.dnn.readNetFromDarknet(configPath, weightsPath)  # #  利用下载的文件
print("[INFO] loading YOLO from disk...")  # # 可以打印下信息
#打开摄像头，读取视频
cv.namedWindow("Photo_Detect")  #定义一个窗口
video=cv.VideoCapture(0) #捕获摄像头图像  0位默认的摄像头 笔记本的自带摄像头  1为外界摄像头
def object_dect(img):
    blobImg = cv.dnn.blobFromImage(img, 1.0 / 255.0, (416, 416), None, True