一、準備數據

先準備一個MP4的視頻

1.測試一幀

使用opencv來提取每一個視頻的幀

先使用以下代碼查看一幀的內容，是否符合預期

import cv2
import matplotlib.pyplot as plt# 打開視頻文件
video = cv2.VideoCapture("111.mp4")
# 讀取一幀
ret, frame = video.read()plt.imshow(frame)# 顏色通道轉換為RBG
frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
plt.imshow(frame_rgb)
plt.axis('off')
plt.show()

?運行結果：

?2.提取每一幀

video = cv2.VideoCapture("111.mp4")
num = 0          # 計數器
save_step = 10   # 間隔幀
while True:ret, frame = video.read()if not ret:breaknum += 1if num % save_step == 0:cv2.imwrite("./images/" + str(num) + ".jpg", frame)

?運行結果：

3.標注工具?

?在之前創建的yolov5中安裝labelimg

pip install labelimg

在終端中使用命令打開窗口

labelimg

在labelimg窗口中，點擊"Open Dir"，選擇剛才提取視頻幀的文件

選擇"YOLO"格式，點擊圖中的位置會切換

?點擊"View"選擇"Auto Save mode"

?點擊窗口中的"Save"，選擇保存路徑

為每一幀圖片進行標注?

點擊"Create RectBox",為圖中人物進行框選，并命名，之后點擊"ok",之后的每一張類似這樣的操作

?標注完成后，點擊保存圖片信息的文件夾

?二、數據調整

• images:存放圖片
  • train:訓練集圖片
  • val：驗證集圖片
• label：存放標簽
  • train：訓練集標簽文件（要與訓練集圖片名稱一致）
  • val：驗證機標簽文件（要與訓練集圖片名稱一致）

創建一個dataset將數據全部存入其中

?

注意：label中的clesses.txt要在此文件的根目錄下

最后的目錄結構

?

?

三、模型訓練參數設置?

將images中的train和label，復制到yolov5文件夾下的data/images中

?在data根目錄下創建一個yaml文件

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ./datasets # dataset root dir
train: images/train # 訓練集的圖片
val: images/val # 驗證集的圖片
test: # test images (optional)# Classes.txt中的內容填入其中
names:0: baiyi1: xiaoqiao

將yolov5根目錄下的train.py中修改

四、啟動模型訓練

在終端中使用命令啟動

python train.py

正在運行的輸出：

?運行成功后：

點擊runs/train/exp 可以看到結果

使用detect.py來檢測目標視頻?

python detect.py --weights runs/train/exp/weights/best.pt --source dataset/111.mp4 --view-img

?在runs/train/exp中即可找到目標文件