YOLO基础教程（三）：视频处理

最新推荐文章于 2025-07-29 16:52:49 发布

王氏小明

最新推荐文章于 2025-07-29 16:52:49 发布

阅读量5.8k

点赞数 3

CC 4.0 BY-SA版权

分类专栏： YOLO

本文链接：https://blog.youkuaiyun.com/weixin_43472830/article/details/88182386

本文介绍了使用YOLO进行视频处理的基础教程，通过代码展示了不同设置下视频帧率的测试结果，并说明如何简单修改代码以实现摄像头实时显示。通过将'cv2.VideoCapture('test.mp4')'替换为'cv2.VideoCapture(0)'，可以将程序与第一个摄像头连接，实现1920x1080分辨率的实时视频流处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

与图形处理过程类似，毕竟视频是有一个个图形构成的，多的部分只是对视频的一些简单操作

源代码：

import cv2
from darkflow.net.build import TFNet
import numpy as np
import time

option = {
    'model': 'cfg/yolo.cfg',
    'load': 'bin/yolo.weights',
    'threshold': 0.3,
    'gpu': 0.7
}

tfnet = TFNet(option)

capture = cv2.VideoCapture('test.mp4')  # 读取视频
colors = [tuple(255 * np.random.rand(3)) for i in range(10)]  # 随机创建10中颜色，RGB形式
# 当视频打开时，进行处理
while capture.isOpened():
    stime = time.time()  # 计算起始时间
    ret, frame = capture.read()  # 读取每一帧，第一个参数是bool型的ret，其值为True或False，代表有没有读到图片，第二个参数是当前帧图像
    if ret:
        results = tfnet.return_predict(frame)  # 送入网络进行预测
        # 将 colors results 进行打包
        for color, result in zip(colors, results):
            tl = (result['topleft']['x'], result['topleft']['y'])
            br = (result['bottomright']['x'], result['bottomright']['y'])
            label = result['label']
            frame = cv2.rectangle(frame, tl, br, color, 3)
            frame