pytorch 目标跟踪,pytorch从零搭建目标检测

python教程栏目介绍使用PyTorch实现目标检测与跟踪

　　大量免费学习推荐，敬请访问python教程(视频)

　　引言

　　在昨天的文章中，我们介绍了如何在PyTorch中使用您自己的图像来训练图像分类器，然后使用它来进行图像识别。本文将展示如何使用预训练的分类器检测图像中的多个对象，并在视频中跟踪它们。

　　图像中的目标检测

　　目标检测的算法有很多，YOLO跟（同固态硬盘)固态（磁)盘是现下最流行的算法。在本文中，我们将使用约洛夫3 .在这里我们不会详细讨论YOLO，如果想对它有更多了解，可以参考下面的链接哦~(https://pjreddie。com/darknet/yolo/)

　　下面让我们开始吧，依然从导入模块开始：

　　从模型导入*

　　从实用程序导入*

　　导入操作系统，系统，时间，日期时间，随机

　　进口火炬

　　从torch.utils.data导入数据加载器

　　从参考导入数据集、转换

　　来自火炬，亲笔签名导入变量

　　将matplotlib.pyplot作为血小板计数导入

　　将matplotlib .补丁作为修补程序导入

　　从太平航运进口图片然后加载预训练的配置和权重，以及一些预定义的值，包括：图像的尺寸、置信度阈值和非最大抑制阈值。

　　config_path=config/yolov3.cfg

　　weights _ path= config/yolov 3。“重量”

　　class_path=config/coco.names

　　img_size=416

　　conf_thres=0.8

　　nms_thres=0.4

　　#负载型号和重量

　　model=Darknet(配置路径，img大小=img大小)

　　模型。负荷_重量（重量_路径)

　　model.cuda()

　　model.eval()

　　class=utils。加载类(类路径)

　　张量=torch.cuda.FloatTensor下面的函数将返回对指定图像的检测结果。

　　极好的检测_图像(img):

　　#缩放和填充图像

　　ratio=min(img_size/img.size[0]，img_size/img.size[1])

　　imw=round(img.size[0] * ratio)

　　imh=round(img.size[1] *比率)

　　img _ transforms=转换。撰写([转换。调整大小((imh，imw))，

　　转变. Pad((max(int((imh-imw)/2)，0)，

　　max(int((imw-imh)/2)，0)，max(int((imh-imw)/2)，0)，

　　max(int((imw-imh)/2)，0))，(128，128，128))，

　　转变ToTensor()，

　　])

　　#将图像转换为张量

　　image _张量=img _变换(img).浮动()

　　图像张量=图像张量。unsqueeze _(

　　0)

　　 input_img = Variable(image_tensor.type(Tensor))

　　 # run inference on the model and get detections

　　 with torch.no_grad():

　　 detections = model(input_img)

　　 detections = utils.non_max_suppression(detections, 80,

　　 conf_thres, nms_thres)

　　 return detections[0]

最后，让我们通过加载一个图像，获取检测结果，然后用检测到的对象周围的包围框来显示它。并为不同的类使用不同的颜色来区分。

# load image and get detections
　　img_path = "images/blueangels.jpg"
　　prev_time = time.time()
　　img = Image.open(img_path)
　　detections = detect_image(img)
　　inference_time = datetime.timedelta(seconds=time.time() - prev_time)
　　print ('Inference Time: %s' % (inference_time))
　　# Get bounding-box colors
　　cmap = plt.get_cmap('tab20b')
　　colors = [cmap(i) for i in np.linspace(0, 1, 20)]
　　img = np.array(img)
　　plt.figure()
　　fig, ax = plt.subplots(1, figsize=(12,9))
　　ax.imshow(img)
　　pad_x = max(img.shape[0] - img.shape[1], 0) * (img_size / max(img.shape))
　　pad_y = max(img.shape[1] - img.shape[0], 0) * (img_size / max(img.shape))
　　unpad_h = img_size - pad_y
　　unpad_w = img_size - pad_x
　　if detections is not None:
　　 unique_labels = detections[:, -1].cpu().unique()
　　 n_cls_preds = len(unique_labels)
　　 bbox_colors = random.sample(colors, n_cls_preds)
　　 # browse detections and draw bounding boxes
　　 for x1, y1, x2, y2, conf, cls_conf, cls_pred in detections:
　　 box_h = ((y2 - y1) / unpad_h) * img.shape[0]
　　 box_w = ((x2 - x1) / unpad_w) * img.shape[1]
　　 y1 = ((y1 - pad_y // 2) / unpad_h) * img.shape[0]
　　 x1 = ((x1 - pad_x // 2) / unpad_w) * img.shape[1]
　　 color = bbox_colors[int(np.where(
　　 unique_labels == int(cls_pred))[0])]
　　 bbox = patches.Rectangle((x1, y1), box_w, box_h,
　　 linewidth=2, edgecolor=color, facecolor='none')
　　 ax.add_patch(bbox)
　　 plt.text(x1, y1, s=classes[int(cls_pred)], 
　　 color='white', verticalalignment='top',
　　 bbox={'color': color, 'pad': 0})
　　plt.axis('off')
　　# save image
　　plt.savefig(img_path.replace(".jpg", "-det.jpg"), 
　　 bbox_inches='tight', pad_inches=0.0)
　　plt.show()

下面是我们的一些检测结果：

视频中的目标跟踪

现在你知道了如何在图像中检测不同的物体。当你在一个视频中一帧一帧地看时，你会看到那些跟踪框在移动。但是如果这些视频帧中有多个对象，你如何知道一个帧中的对象是否与前一个帧中的对象相同？这被称为目标跟踪，它使用多次检测来识别一个特定的对象。

有多种算法可以做到这一点，在本文中决定使用SORT(Simple Online and Realtime Tracking)，它使用Kalman滤波器预测先前识别的目标的轨迹，并将其与新的检测结果进行匹配，非常方便且速度很快。

现在开始编写代码，前3个代码段将与单幅图像检测中的代码段相同，因为它们处理的是在单帧上获得 YOLO 检测。差异在最后一部分出现，对于每个检测，我们调用 Sort 对象的 Update 函数，以获得对图像中对象的引用。因此，与前面示例中的常规检测(包括边界框的坐标和类预测)不同，我们将获得跟踪的对象，除了上面的参数，还包括一个对象 ID。并且需要使用OpenCV来读取视频并显示视频帧。

videopath = 'video/interp.mp4'
　　%pylab inline 
　　import cv2
　　from IPython.display import clear_output
　　cmap = plt.get_cmap('tab20b')
　　colors = [cmap(i)[:3] for i in np.linspace(0, 1, 20)]
　　# initialize Sort object and video capture
　　from sort import *
　　vid = cv2.VideoCapture(videopath)
　　mot_tracker = Sort()
　　#while(True):
　　for ii in range(40):
　　 ret, frame = vid.read()
　　 frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
　　 pilimg = Image.fromarray(frame)
　　 detections = detect_image(pilimg)
　　 img = np.array(pilimg)
　　 pad_x = max(img.shape[0] - img.shape[1], 0) * 
　　 (img_size / max(img.shape))
　　 pad_y = max(img.shape[1] - img.shape[0], 0) * 
　　 (img_size / max(img.shape))
　　 unpad_h = img_size - pad_y
　　 unpad_w = img_size - pad_x
　　 if detections is not None:
　　 tracked_objects = mot_tracker.update(detections.cpu())
　　 unique_labels = detections[:, -1].cpu().unique()
　　 n_cls_preds = len(unique_labels)
　　 for x1, y1, x2, y2, obj_id, cls_pred in tracked_objects:
　　 box_h = int(((y2 - y1) / unpad_h) * img.shape[0])
　　 box_w = int(((x2 - x1) / unpad_w) * img.shape[1])
　　 y1 = int(((y1 - pad_y // 2) / unpad_h) * img.shape[0])
　　 x1 = int(((x1 - pad_x // 2) / unpad_w) * img.shape[1])
　　 color = colors[int(obj_id) % len(colors)]
　　 color = [i * 255 for i in color]
　　 cls = classes[int(cls_pred)]
　　 cv2.rectangle(frame, (x1, y1), (x1+box_w, y1+box_h),
　　 color, 4)
　　 cv2.rectangle(frame, (x1, y1-35), (x1+len(cls)*19+60,
　　 y1), color, -1)
　　 cv2.putText(frame, cls + "-" + str(int(obj_id)), 
　　 (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 
　　 1, (255,255,255), 3)
　　 fig=figure(figsize=(12, 8))
　　 title("Video Stream")
　　 imshow(frame)
　　 show()
　　 clear_output(wait=True)

相关免费学习推荐：php编程（视频）

　　

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。