开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> 树莓派摄像头 C++ OpenCV YoloV3 实现实时目标检测 -> 正文阅读

[人工智能]树莓派摄像头 C++ OpenCV YoloV3 实现实时目标检测

树莓派摄像头 C++ OpenCV YoloV3 实现实时目标检测

本文将实现树莓派摄像头 C++ OpenCV YoloV3 实现实时目标检测，我们会先实现树莓派对视频文件的逐帧检测来验证算法流程，成功后，再接入摄像头进行实时目标检测。

先声明一下笔者的主要软硬件配置：

树莓派4B 4GB内存

CSI 摄像头

Ubuntu 20.04

OpenCV 的安装

不多讲，参考 Ubuntu 18.04 安装OpenCV C++ 。

准备YoloV3模型权重文件和视频文件

模型配置文件和权重、COCO数据集名称文件

我们先下载作者官方发布的 YoloV3 模型配置文件、权重文件：

wget https://pjreddie.com/media/files/yolov3.weights
wget https://github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg?raw=true -O ./yolov3.cfg

上面是比较大的网络，由于我们的树莓派算力比较一遍，所以建议使用轻量型的网络 yolov3-tiny：

wget https://pjreddie.com/media/files/yolov3-tiny.weights
wget https://github.com/pjreddie/darknet/blob/master/cfg/yolov3-tiny.cfg?raw=true -O ./yolov3-tiny.cfg

另外，由于模型权重是在 COCO 数据集上进行预训练的，所以我们还要准备 COCO 的类别名称文件，方便在模型输出检测结果后进行后处理，将类别显示在检测结果框上。

wget https://github.com/pjreddie/darknet/blob/master/data/coco.names?raw=true -O ./coco.names

注：如果上面的 github 中的配置文件在命令行下载的比较慢的话，可以直接去 github 网页复制粘贴下来。

准备视频文件

我们会先对一个视频文件进行逐帧检测来验证算法的流程，在之后再使用摄像头进行实时检测。

我们直接通过 you-get 工具去B站下载视频文件并改个名：

pip install you-get
you-get https://www.bilibili.com/video/av32184680
rm fileName.cmt.xml
mv fileName.mp4 demo.mp4

如果是 flv 文件，可以用 ffmpeg 转为 mp4 文件：

ffmpeg -i input.flv output.mp4

视频文件的检测

一切准备就绪我们开始先测试一下视频文件的检测，我们先讲解一遍代码，在最后会给出整个源码。

1 初始化参数

YOLOv3算法的预测结果就是边界框。每一个边界框都旁随着一个置信值。第一阶段中，全部低于置信度阀值的都会排除掉。对剩余的边界框执行非最大抑制算法，以去除重叠的边界框。非最大抑制由一个参数 nmsThrehold 控制。读者可以尝试改变这个数值，观察输出的边界框的改变。接下来，设置输入图片的宽度inpWidth和高度 inpHeight。这里设置为416。如果想要更快的速度，可以把宽度和高度设置为320。如果想要更准确的结果，可改变为608。

#include <iostream>
#include <fstream>
#include <vector>
#include <string>
#include <opencv.hpp>
using namespace std;

float confThreshold = 0.5;	//置信度阈值
float nmsThreshold = 0.4;		//非最大抑制阈值
int inpWidth = 416;					//网络输入图片宽度
int inpHeight = 416;				//网络输入图片高度

2 读取模型和COCO类别名

接下来我们读入COCO 类别名并存入 classes 容器。并加载模型与权重文件 yolov3-tiny.cfg 和 yolov3-tiny.weights。这里用到的几个文件就是我们刚才下载好的，读者需要改为自己的路径。最后把DNN的后端设置为OpenCV，目标设置CPU。这里我们树莓派没有GPU等加速推理硬件，就用CPU，如果有GPU，可改为OpenCL、CUDA等

//将类名存进容器
vector<string> classes;	//储存名字的容器
string classesFile = "./coco.names";		//coco.names包含80种不同的类名
ifstream ifs(classesFile.c_str());
string line;
while(getline(ifs,line))classes.push_back(line);

//取得模型的配置和权重文件
cv::String modelConfiguration = "./yolov3-tiny.cfg";
cv::String modelWeights = "./yolov3-tiny.weights";

//加载网络
cv::dnn::Net net = cv::dnn::readNetFromDarknet(modelConfiguration,modelWeights);
net.setPreferableBackend(cv::dnn::DNN_BACKEND_OPENCV);
net.setPreferableTarget(cv::dnn::DNN_TARGET_OPENCL);			// 这里我们树莓派没有GPU等加速推理硬件，就用CPU，如果有GPU，可改为OpenCL、CUDA等

3 读取输入

这里我们先读入下载好的视频文件，一会儿再使用本地摄像头测试。这里如果是树莓派外接显示器的话可以用创建GUI窗口来查看，但是我们通常是命令行SSH连接树莓派，这时我们就直接将每一帧的检测结果保存为图像文件查看：

// 打开视频文件或者本地摄像头来读取输入
string str, outputFile;
cv::VideoCapture cap("./demo.mp4");
cv::VideoWriter video;
cv::Mat frame,blob;
// 开启摄像头
// cv::VideoCapture capture(0);
// 创建窗口
// static const string kWinName = "YoloV3 OpenCV";
// cv::namedWindow(kWinName,cv::WINDOW_AUTOSIZE);
// 非GUI界面不需要创建窗口

4 循环处理每一帧

OpenCV中，输入到神经网络的图像需要以一种叫 bolb 的格式保存。读取了输入图片或者视频流的一帧图像后，这帧图像需要经过bolbFromImage() 函数处理为神经网络的输入类型 bolb。在这个过程中，图像像素以一个 1/255 的比例因子，被缩放到0到1之间。同时，图像在不裁剪的情况下，大小调整到 416x416。注意我们没有降低图像平均值，因此传递 [0,0,0] 到函数的平均值输入，保持swapRB 参数到默认值1。输出的bolb传递到网络，经过网络正向处理，网络输出了所预测到的一个边界框清单。这些边界框通过后处理，滤除了低置信值的。我们随后再详细的说明后处理的步骤。我们在每一帧的左上方打印出了推断时间。伴随着最后的边界框的完成，图像保存到硬盘中，之后可以作为图像输入或者通过 VideoWriter 作为视频流输入。

while(cv::waitKey(1)<0){
    // 取每帧图像
    cap>>frame;
    // 如果视频播放完则停止程序
    if(frame.empty()){
        break;
    }
    // 在dnn中从磁盘加载图片
    cv::dnn::blobFromImage(frame,blob,1/255.0,cv::Size(inpWidth,inpHeight));
    // 设置输入
    net.setInput(blob);
    // 设置输出层
    vector<cv::Mat> outs;			//储存识别结果
    net.forward(outs,getOutputNames(net));
    // 移除低置信度边界框
    postprocess(frame,outs);
    // 显示s延时信息并绘制
    vector<double> layersTimes;
    double freq = cv::getTickFrequency()/1000;
    double t=net.getPerfProfile(layersTimes)/freq;
    string label = cv::format("Infercence time for a frame:%.2f ms",t);
    cv::putText(frame,label,cv::Point(0,15),cv::FONT_HERSHEY_SIMPLEX,0.5,cv::Scalar(0,255,255));
    cout << "Frame: " << frame_cnt++ << ", time: " << t << "ms" << endl;
    // 绘制识别框，在这里如果我们用的是GUI界面，并且刚才创建了窗口的话，可以imshow，否则是命令行SSH连接树莓派的话就imwrite保存图像
    // cv::imshow(kWinName,frame);
    cv::imwrite("output.jpg",frame);
}

5-1 得到输出层的名字

第五步我们给出几个用到的函数的实现。

OpenCV 的网络类中的前向功能需要结束层，直到它在网络中运行。因为我们需要运行整个网络，所以我们需要识别网络中的最后一层。我们通过使用 getUnconnectedOutLayers() 获得未连接的输出层的名字，该层基本就是网络的最后层。然后我们运行前向网络，得到输出，如前面的代码片段 net.forward(getOutputsNames(net))。

//从输出层得到名字
vector<cv::String> getOutputNames(const cv::dnn::Net& net){
    static vector<cv::String> names;
    if(names.empty()){
        //取得输出层指标
        vector<int> outLayers = net.getUnconnectedOutLayers();
        vector<cv::String> layersNames = net.getLayerNames();
        //取得输出层名字
        names.resize(outLayers.size());
        for(size_t i =0;i<outLayers.size();i++){
            names[i] = layersNames[outLayers[i]-1];
        }
    }
    return names;
}

5-2 后处理

网络输出的每个边界框都分别由一个包含着类别名字和5个元素的向量表示。头四个元素代表center_x, center_y, width, height。第五个元素表示包含着目标的边界框的置信度。其余的元素是和每个类别（如目标种类）有关的置信度。边界框分配给最高分数对应的那一种类。一个边界框的最高分数也叫做它的置信度 confidence。如果边界框的置信度低于规定的阀值，算法上不再处理这个边界框。置信度大于或等于置信度阀值的边界框，将进行非最大抑制。这会减少重叠的边界框数目。

// 移除低置信度边界框
void postprocess(cv::Mat& frame,const vector<cv::Mat>& outs){
    vector<int> classIds;			// 储存识别类的索引
    vector<float> confidences;// 储存置信度
    vector<cv::Rect> boxes;		// 储存边框
    for(size_t i=0;i<outs.size();i++){
    //从网络输出中扫描所有边界框
    //保留高置信度选框
    //目标数据data:x,y,w,h为百分比，x,y为目标中心点坐标
        float* data = (float*)outs[i].data;
        for(int j=0;j<outs[i].rows;j++,data+=outs[i].cols){
            cv::Mat scores = outs[i].row(j).colRange(5,outs[i].cols);
            cv::Point classIdPoint;
            double confidence;//置信度
            //取得最大分数值与索引
            cv::minMaxLoc(scores,0,&confidence,0,&classIdPoint);
            if(confidence>confThreshold){
                int centerX = (int)(data[0]*frame.cols);
                int centerY = (int)(data[1]*frame.rows);
                int width = (int)(data[2]*frame.cols);
                int height = (int)(data[3]*frame.rows);
                int left = centerX-width/2;
                int top = centerY-height/2;
                classIds.push_back(classIdPoint.x);
                       confidences.push_back((float)confidence);
                       boxes.push_back(cv::Rect(left, top, width, height));
            }
        }
    }
    //低置信度
    vector<int> indices;//保存没有重叠边框的索引
    //该函数用于抑制重叠边框
    cv::dnn::NMSBoxes(boxes,confidences,confThreshold,nmsThreshold,indices);
    for(size_t i=0;i<indices.size();i++){
        int idx = indices[i];
        cv::Rect box = boxes[idx];
        drawPred(classIds[idx],confidences[idx],box.x,box.y,
        box.x+box.width,box.y+box.height,frame);
    }
}

5-3 画出边界框

最后，经过非最大抑制后，得到了边界框。我们把边界框在输入帧上画出，并标出种类名和置信值。

//绘制预测边界框
void drawPred(int classId,float conf,int left,int top,int right,int bottom,cv::Mat& frame){
    //绘制边界框
    cv::rectangle(frame,cv::Point(left,top),cv::Point(right,bottom),cv::Scalar(255,178,50),3);
    string label = cv::format("%.2f",conf);
    if(!classes.empty()){
        CV_Assert(classId < (int)classes.size());
        label = classes[classId]+":"+label;//边框上的类别标签与置信度
    }
    //绘制边界框上的标签
    int baseLine;
    cv::Size labelSize = cv::getTextSize(label,cv::FONT_HERSHEY_SIMPLEX,0.5,1,&baseLine);
    top = max(top,labelSize.height);
    cv::rectangle(frame,cv::Point(left,top-round(1.5*labelSize.height)),cv::Point(left+round(1.5*labelSize.width),top+baseLine),cv::Scalar(255,255,255),cv::FILLED);
    cv::putText(frame, label,cv::Point(left, top), cv::FONT_HERSHEY_SIMPLEX, 0.75,cv::Scalar(0, 0, 0), 1);
}

文件全部源码在文末。

写好之后我们编译执行即可，关于 OpenCV 众多头文件包含、链接库链接时、运行时的链接，对初学者来说可能会遇到一些问题，可以参考：

Linux下编译、链接、加载运行C++ OpenCV的两种方式及常见问题的解决

Linux下C/C++程序编译链接加载过程中的常见问题及解决方法

在这里插入图片描述

可以从左上角和标准输出看到，每帧的检测时间大概在 280ms，速度还可以，精度大体也不错。但是由于模型较小，性能受限，对于一些边缘小物体会有误差，如上图中右侧的小车。

树莓派摄像头实时检测

树莓派摄像头调试参考：树莓派摄像头基础配置及测试。

在视频文件的检测顺利完成后，实时树莓派的检测就很简单了，只需要将读取输入部分从视频文件改为本地摄像头即可。

主要就是这一行修改：

// cv::VideoCapture cap("./video/demo.mp4");
// cv::VideoWriter video;
// 改为
cv::VideoCapture cap(0);

另外，我们需要设置一些 OpenCV 读取摄像头输入的尺寸大小，否则笔者亲测是有一些小bug：

cap.set(cv::CAP_PROP_FRAME_WIDTH, 640);
cap.set(cv::CAP_PROP_FRAME_HEIGHT, 480);

在这里插入图片描述

在笔者实验室中实测，速度和精度也都还可以。

全部代码

这里给出摄像头实时测试的全部代码

#include <iostream>
#include <fstream>
#include <vector>
#include <string>
#include <opencv.hpp>
using namespace std;

vector<string> classes;//储存名字的容器
float confThreshold = 0.5;//置信度阈值
float nmsThreshold = 0.4;//非最大抑制阈值
// int inpWidth = 416;//网络输入图片宽度
// int inpHeight = 416;//网络输入图片高度
int inpWidth = 320;
int inpHeight = 320;
//移除低置信度边界框
void postprocess(cv::Mat& frame,const vector<cv::Mat>& out);
//画出预测边界框
void drawPred(int classId,float conf,int left,int top,int right,int bottom,cv::Mat& frame);
//取得输出层的名字
vector<cv::String> getOutputNames(const cv::dnn::Net& net);
int main(int argc, char const *argv[])
{
    //将类名存进容器
    string classesFile = "./coco.names";//coco.names包含80种不同的类名
    ifstream ifs(classesFile.c_str());
    string line;
    while(getline(ifs,line))classes.push_back(line);

    //取得模型的配置和权重文件
    cv::String modelConfiguration = "./model_file/yolov3-tiny.cfg";
    cv::String modelWeights = "./model_file/yolov3-tiny.weights";

    //加载网络
    cv::dnn::Net net = cv::dnn::readNetFromDarknet(modelConfiguration,modelWeights);
    net.setPreferableBackend(cv::dnn::DNN_BACKEND_OPENCV);
    net.setPreferableTarget(cv::dnn::DNN_TARGET_CPU);
    // net.setPreferableBackend(cv::dnn::DNN_BACKEND_CUDA);
    // net.setPreferableTarget(cv::dnn::DNN_TARGET_CUDA);

    //打开视频文件或者图形文件或者相机数据流
    string str, outputFile;
    // cv::VideoCapture cap("demo.mp4");
    // cv::VideoWriter video;
    cv::Mat frame, blob;
    //开启摄像头
    cv::VideoCapture cap(0);
    cap.set(cv::CAP_PROP_FRAME_WIDTH, 640);
	cap.set(cv::CAP_PROP_FRAME_HEIGHT, 480);
    // 创建窗口
    // static const string kWinName = "Deep learning object detection in OpenCV";
    // cv::namedWindow(kWinName,cv::WINDOW_AUTOSIZE);

    //处理每帧
    int frame_cnt = 0;
    while(cv::waitKey(1)<0){
        //取每帧图像
        cap >> frame;
        //如果视频播放完则停止程序
        if(frame.empty()){
            break;
        }
        //在dnn中从磁盘加载图片
        cv::dnn::blobFromImage(frame,blob,1/255.0,cv::Size(inpWidth,inpHeight));
        //设置输入网络
        net.setInput(blob);
        //设置输出层
        vector<cv::Mat> outs;//储存识别结果
        net.forward(outs,getOutputNames(net));
        //移除低置信度边界框
        postprocess(frame,outs);
        //显示s延时信息并绘制
        vector<double> layersTimes;
        double freq = cv::getTickFrequency()/1000;
        double t=net.getPerfProfile(layersTimes)/freq;
        string label = cv::format("Infercence time for a frame:%.2f ms",t);
        cv::putText(frame,label,cv::Point(0,15),cv::FONT_HERSHEY_SIMPLEX,0.5,cv::Scalar(0,255,255));
        //绘制识别框
        cv::Mat detecteFrame;
        frame.convertTo(detecteFrame,CV_8U);
        // cv::imshow(kWinName,frame);
        cout << "Frame: " << frame_cnt++ << ", time: " << t << "ms" << endl;
        cv::imwrite("output.jpg",frame);
    }
    cap.release();
    return 0;
}
//移除低置信度边界框
void postprocess(cv::Mat& frame,const vector<cv::Mat>& outs){
    vector<int> classIds;//储存识别类的索引
    vector<float> confidences;//储存置信度
    vector<cv::Rect> boxes;//储存边框

    for(size_t i=0;i<outs.size();i++){
        //从网络输出中扫描所有边界框
        //保留高置信度选框
        //目标数据data:x,y,w,h为百分比，x,y为目标中心点坐标
        float* data = (float*)outs[i].data;
        for(int j=0;j<outs[i].rows;j++,data+=outs[i].cols){
            cv::Mat scores = outs[i].row(j).colRange(5,outs[i].cols);
            cv::Point classIdPoint;
            double confidence;//置信度
            //取得最大分数值与索引
            cv::minMaxLoc(scores,0,&confidence,0,&classIdPoint);
            if(confidence>confThreshold){
                int centerX = (int)(data[0]*frame.cols);
                int centerY = (int)(data[1]*frame.rows);
                int width = (int)(data[2]*frame.cols);
                int height = (int)(data[3]*frame.rows);
                int left = centerX-width/2;
                int top = centerY-height/2;

                classIds.push_back(classIdPoint.x);
                confidences.push_back((float)confidence);
                boxes.push_back(cv::Rect(left, top, width, height));
            }

        }
        
    }

    //低置信度
    vector<int> indices;//保存没有重叠边框的索引
    //该函数用于抑制重叠边框
    cv::dnn::NMSBoxes(boxes,confidences,confThreshold,nmsThreshold,indices);
    for(size_t i=0;i<indices.size();i++){
        int idx = indices[i];
        cv::Rect box = boxes[idx];
        drawPred(classIds[idx],confidences[idx],box.x,box.y,
        box.x+box.width,box.y+box.height,frame);
    }
}

//绘制预测边界框
void drawPred(int classId,float conf,int left,int top,int right,int bottom,cv::Mat& frame){
    //绘制边界框
    cv::rectangle(frame,cv::Point(left,top),cv::Point(right,bottom),cv::Scalar(255,178,50),3);

    string label = cv::format("%.2f",conf);
    if(!classes.empty()){
        CV_Assert(classId < (int)classes.size());
        label = classes[classId]+":"+label;//边框上的类别标签与置信度
    }
    //绘制边界框上的标签
    int baseLine;
    cv::Size labelSize = cv::getTextSize(label,cv::FONT_HERSHEY_SIMPLEX,0.5,1,&baseLine);
    top = max(top,labelSize.height);
    cv::rectangle(frame,cv::Point(left,top-round(1.5*labelSize.height)),cv::Point(left+round(1.5*labelSize.width),top+baseLine),cv::Scalar(255,255,255),cv::FILLED);
    cv::putText(frame, label,cv::Point(left, top), cv::FONT_HERSHEY_SIMPLEX, 0.75,cv::Scalar(0, 0, 0), 1);
}

//从输出层得到名字
vector<cv::String> getOutputNames(const cv::dnn::Net& net){
    static vector<cv::String> names;
    if(names.empty()){
        //取得输出层指标
        vector<int> outLayers = net.getUnconnectedOutLayers();
        vector<cv::String> layersNames = net.getLayerNames();
        //取得输出层名字
        names.resize(outLayers.size());
        for(size_t i =0;i<outLayers.size();i++){
            names[i] = layersNames[outLayers[i]-1];
        }
    }
    return names;
}