yolo v3 keras版本增加图形界面UI

前一阵在看yolo v3 keras版本的代码，看完后自己重新训练了一个自己的数据集，但在测试时总觉得不太方便，于是尝试着在代码基础上增加一个可视化界面，可以进行图片的测试和视频的测试，由于是python新手，界面不求美观，但求基础功能能用，下面是最终的界面图：

界面左上部分显示检测的结果图片，右上半部分是选择图片和视频的按钮，其中点击视频检测时，选择mp4文件后，会弹出另一个视频实时检测的界面。
图片检测时，下面每一行显示一个检测结果，单击对应的结果后，图片上会只显示此结果的对应框，如下图：

目前这个代码基本功能可用，因此分享出来，修改的地方主要是修改了yolo_video.py和yolo.py模块。
感兴趣的童鞋可以在下面链接中下载源码（不包括.h5模型库）：
https://github.com/markwentian/AI.git

yolo_video.py模块主要是添加界面功能，修改后代码为：

import sys
import argparse
from yolo import YOLO, detect_video
from tkinter import *
from tkinter import ttk
from tkinter import filedialog
from PIL import Image,ImageFont,ImageDraw,ImageTk
import numpy as np
from timeit import default_timer as timer
import time
def detect_img(yolo):
    while True:
        img = input('Input image filename:')
        try:
            image = Image.open('./'+img)
        except:
            print('Open Error! Try again!')
            break
        else:
            r_image = yolo.detect_image(image)
            r_image.show()
    yolo.close_session()

FLAGS = None
class App:
    def __init__(self,master,yolo):
        self.master=master
        self.initWidgets()
        self.yolo=yolo
        
    def initWidgets(self):
        topF=Frame(self.master)
        topF.pack(side=TOP,fill=BOTH)
        self.cv=Canvas(topF,background='white',width=450,height=450)
        self.cv.pack(side=LEFT,fill=BOTH,expand=YES)
        
        
        
        
        ttk.Button(topF,text='打开图片文件',command=self.open_file).pack(side=RIGHT,fill=Y,expand=YES,anchor=CENTER)
        ttk.Button(topF,text='打开MP4视频文件',command=self.open_video).pack(side=RIGHT,fill=Y,expand=YES,anchor=CENTER)
        self.yolo_result=StringVar()
        topF3=Frame(self.master)
        topF3.pack(side=BOTTOM,fill=BOTH)
        ttk.Label(topF3,text='检测结果',padding=20).pack(side=TOP,fill=X,expand=YES)
        self.lb=Listbox(topF3,listvariable=self.yolo_result,selectmode='single')
        self.lb.pack(side=BOTTOM,fill=X,expand=YES)
        self.lb.bind("<ButtonRelease-1>",self.click)
        
        
        
        self.yolo_result_store=[]
        self.class_names=[]
        self.colors=[]
        
        
    def click(self,event):
        index_temp=self.lb.curselection()
        index_temp2=index_temp[0]
        yolo_result_click=self.yolo_result_store[index_temp2]
        wdawdaw=self.yolo_result_store
        predicted_class_click=yolo_result_click[0]
        score_click=yolo_result_click[1]
        box_click=yolo_result_click[2]
        thickness_click=yolo_result_click[3]
        c_click=yolo_result_click[4]
        
        
        
        image_click=self.image.crop()
        predicted_class=predicted_class_click
        box=box_click
        score=score_click
        
        label='{} {:.2f}'.format(predicted_class,score)
        draw=ImageDraw.Draw(image_click)
        label_size=draw.textsize(label,self.font)
        
        top, left, bottom, right = box
        top = max(0, np.floor(top + 0.5).astype('int32'))
        left = max(0, np.floor(left + 0.5).astype('int32'))
        bottom = min(self.image.size[1], np.floor(bottom + 0.5).astype('int32'))
        right = min(self.image.size[0], np.floor(right + 0.5).astype('int32'))

        if top - label_size[1] >= 0:
            text_origin = np.array([left, top - label_size[1]])
        else:
            text_origin = np.array([left, top + 1])

            # My kingdom for a good redistributable image drawing library.
        for i in range(thickness_click):
            draw.rectangle(
                [left + i, top + i, right - i, bottom - i],
                outline=self.colors[c_click])
        draw.rectangle(
            [tuple(text_origin), tuple(text_origin + label_size)],
            fill=self.colors[c_click])
        draw.text(text_origin, label, fill=(0, 0, 0), font=self.font)
        del draw
        image_click=image_click.resize((416,416))
        size0=image_click.size[0]
        size1=image_click.size[1]
        self.cv.