yolov3+OpenCV目标检测 QQ飞车手游赛车及弯道识别

原文链接：https://gitee.com/asoutherncat/qqspeedyolo/blob/master/README.md GitHub：https://github.com/ASouthernCat/yolo-OpenCV-qqspeed-Object-Detection

介绍

keras_yolov3+OpenCV目标检测，可识别QQ飞车手游内赛车和弯道，支持图片和视频的检测与输出。本视觉小白的初次尝试，经过种种困难后，终于训练出了自己标注的目标检测模型，实属不易，在此记录一下训练的整体步骤，还有很多不足，欢迎学习交流。视频效果展示请移步b站：https://space.bilibili.com/480493680

环境配置

系统：Windows11/10
python3.7.8
包（Package） Keras 2.2.4 Pillow 5.1.0 opencv-contrib-python 4.6.0.66 numpy 1.21.6 protobuf 3.20.1 tensorboard 1.13.1 tensorflow 1.13.1

整体代码结构

整体代码结构：

训练过程记录

成功啦！！！！
过程回顾：
打标很重要：labelimg 安装很简单，在terminal窗口pip install labelimg即可，装好后，直接输入labelimg就能启动
打标看看就会了，具体也可以参考这篇博文：https://blog.csdn.net/qq_45504119/article/details/105033492
数据集目录结构：
如果是视频，也需打标，用下面这个程序可以转换为一张张图片：video_img_tool.py
打完标后的文件夹里内容如下：
打完标后，运行voc.py 在ImageSets/Main文件夹生成4个txt文件：
接着修改、运行voc_annotation.py
修改classes为自己打标时所设置的标签
运行完后生成这3个文件：
到此，数据集就整理好了
准备训练！！！
准备好权重文件yolov3.weights，官网下载地址：https://pjreddie.com/media/files/yolov3.weights
先将其转为Keras适用的h5文件：python convert.py yolov3.cfg yolov3.weights model_data/yolo_weights.h5
注意：yolov3.cfg在这里先不用修改；h5文件名命名为yolo_weights.h5，因为后面的训练程序中要用到，默认为这个。
接着voc_classes.txt 和 yolo_anchors.txt 的内容：
改成自己的标签名就行
yolo_anchors.txt 的值用kmeans.py可生成：
yolo中anchor值的解释 | https://zhen8838.github.io/2019/03/12/yolo-anchor/#:~:text=yolo%E4%B8%ADanchor%E5%80%BC%E7%9A%84%E8%A7%A3%E9%87%8A anchor
k=9，对应生成yolo_anchors.txt；k=6，对应生成tiny_yolo_anchors.txt，这里cluster_number设置成9就行。同时运行窗口也会有打印输出，若没有写入文件，可参照原文件内容格式自行复制修改。
好了，训练！！！
检查一下train.py 里要用到的文件是否配齐。
log_dir是生成权重文件的路径，最终的成果就存在这里！
运行train.py
也可以在pycharm里运行，在小黑窗运行感觉高级些[doge]
训练中：
训练有两个阶段，第二阶段最耗时间：
训练完成啦！！！！！！
耗费7个小时，我的数据集只有200来张，电脑配置：小新AIR15 R7_4800U。
log/000文件夹里的trained_weights_final.h5文件就是我们要的。yeah！
测试一下看能不能用：
命令：python yolo_video.py --image
好耶！！！功夫没白费
官方的视频保存有问题，尝试过多次，但结果一直是文件损坏，没找到解决办法，所以用了其它的程序来写（利用OpenCV），但是又得把生成的trained_weights_final.h5权重文件转为weights格式：
h5_weights转换:
voc_classers.txt、yolo_anchors.txt的内容均修改为和训练时用到的对应文件内容相同，而yolov3.cfg还需修改的东西较多，为减少差错，用keras-yolo3-master的yolov3.cfg，复制过来后，修改3个yolo层的内容：
大概在607、693、780行。
修改filters、anchors、classes，
filters=3*(classes+5)，我这里classes为2，即标签种类数为2，所以filters为21，anchors也是用训练时生成的值。3层都要同样地修改。

https://blog.csdn.net/weixin_45392081/article/details/106933516
程序主要是修改一下权重文件的路径
检查无误后，运行check_weight.py。OK，生成成功。
使用：
detection_yolo_video.py
pathIn为所要检测的视频路径，pathOut为检测结果输出路径，后3个均为上一步h5转weights时用到的，内容都一致，能对应上就行。
运行，等待检测完成。
大功告成，非常nice！ https://space.bilibili.com/480493680