yolov5 通过视频进行目标检测

打开yolov5-master 文件夹,可以看到一个名为data 的文件夹,在data 中创建一个新的文件夹,命名为videos

打开yolov5-master中的detect.py可以看到一行代码(大概在245行左右)为

python 复制代码
parser.add_argument('--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob/screen/0(webcam)')

我们先把它注释掉(在前面加个#)

然后复制它,在它原本的下面添加这样一行代码

python 复制代码
parser.add_argument('--source', type=str, default=ROOT / 'data/voides', help='file/dir/URL/glob/screen/0(webcam)')

可以看到我们只把images改成了voides,意思是现在让它去识别videos下的所有东西,如果你只想要识别videos中的一个视频(设这个视频为xxx.mp4)可以这样写,

python 复制代码
parser.add_argument('--source', type=str, default=ROOT / 'data/videos/xxx.mp4', help='file/dir/URL/glob/screen/0(webcam)')

我们把需要检测的视频放在voides中,然后Run一下就可以检测视频了

这里我用一下这个视频行人检测测试视频_哔哩哔哩_bilibili

行人检测测试视频

可以看到前面(1395/7581),其实就是它自己把视频逐帧的当做图片去识别。

跑完后,我们可以看到,跑完后的视频的地址。

打开视频live.csdn.net/v/342351

如果跑的时间太长,我们想要让它一边跑,一边看呢?

为了实现这个步骤,我们要先开启显示预览的功能,

在大概253行可以看到这行代码,这个显示预览的功能默认是关闭的。

python 复制代码
    parser.add_argument('--view-img', action='store_true', help='show results')

默认是这样的

python 复制代码
 parser.add_argument('--view-img', action='store_true', help='show results', default='False')

打开其实就很简单了,把false改成true

python 复制代码
 parser.add_argument('--view-img', action='store_true', help='show results', default='True')

改完再去Run就会弹出这个预览的界面了。

除此之外还有一个不用修改代码就能显示预览的方法,

在左上角的Run点进去 有个Edit Configurations点进去

输入--view-img

效果也是一样的。

相关推荐
QN1幻化引擎4 分钟前
两个 AI 互相“创造自己“:Dalin X × Dalin L 自创造闭环全记录
大数据·人工智能
Python大数据分析@13 分钟前
曝梁文锋称「一度不想维护C端用户,奈何赶不走」,DeepSeek真不需要C端用户吗?可能会有啥影响吗?
python
smartpi_ai18 分钟前
离线语音识别的“数字变量“限制:为什么不能识别“20.5度“?
人工智能·语音识别·xcode
IT小盘19 分钟前
05-企业项目统一接入多个大模型-适配器模式实战
前端·人工智能·适配器模式
张彦峰ZYF27 分钟前
从 Claude 到 Mythos:Anthropic 模型体系、对齐路线与企业级智能体实践分享
人工智能·claude·ai 安全·claude code·fable 5·mythos 5·企业级 ai
大鱼>30 分钟前
Transformer时间序列预测:从Informer到TimesFM的完整演进
人工智能·深度学习·transformer
SEONIB_Explorer39 分钟前
跨境电商新手零门槛教程:AI 一键生成 TikTok/Ins 投放短视频,5 步 60 秒出片
人工智能·音视频·跨境电商·视频制作·veonib
中微极客1 小时前
用LangChain 0.3构建生产级RAG与Agent:从API集成到Streamlit部署
数据库·人工智能·langchain
海上彼尚1 小时前
Nodejs也能写Agent - 22.LangGraph篇 - 上下文工程
前端·javascript·人工智能·langchain·node.js