关于视觉图像处理（文件在末尾）
一丶环境搭建
前言
YOLO简单介绍：
YOLO为一种新的目标检测方法，该方法的特点是实现快速检测的同时还达到较高的准确率。作者将目标检测任务看作目标区域预测和类别预测的回归问题。该方法采用单个神经网络直接预测物品边界和类别概率，实现端到端的物品检测
（1）软件以及开发语言：
1、python
2、pycharm
（2）使用到的库
1、opencv
2、tensorflow
3、numpy
4、yolov4
5丶anaconda
（3）软件安装，环境搭建
点击此处，手把手教你搭建完整环境
关于python，尽量使用3.6版本之前，新版本可能会出现不兼容的情况，保险起见，最好使用3.6，我之前使用的3.8版本，老是报错，用回3.6就行了！
二丶关键代码以及图像成果
（1）打开软件
1.进入pychram软件
2.选择yolo程序
3.选择conda选项
（2）打开文件
1.打开tools.py
2.修改路径
3.运行
4.生成文件
在执行完tools.py之后，我们文件夹中会自动生成一个
YOLO_v4_416.ckpt.meta文件，进入这个文件夹，将路径复制下来，打开real_time_detection.py。将路径添加至model_path
（3）成果（因为此算法是用gpu跑的，帧率多少取决于电脑gpu的好坏，一般能达到9帧即可正常的观看）
1.对于人脸的检测
（2）对于动物的检测
（3）对于视频的检测
（4）提示
此算法是可以直接打开摄像头实施实施监控，如果想外接摄像头进行监控也可以实现！
三丶总结
如果想要检测更多信息，可以手动的去训练，也可以在一个检测目标多加一些信息，比如可以模仿学校的人脸识别机器，训练出谁是谁，叫什么名字，哪个班级等信息，总的来说这是一次十分有趣的体验！
下面是工程文件
链接：https://pan.baidu.com/s/1vYMbTMAq0kNfNpTI1e7f_g
提取码：zrbt