使用YOLOv5实现多摄像头实时目标检测

这篇具有很好参考价值的文章主要介绍了使用YOLOv5实现多摄像头实时目标检测。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

这篇博客将在单摄像头目标检测的基础上,实现单网络多线程的实时目标检测。

实现方法

  1. 在detect.py同级目录下新建streams.txt文件,每个视频流源单独成行:

本地摄像头填0

USB摄像头填1,2,3…

IP摄像头要根据摄像头类型,按下面格式填写(我将在之后的博客中讲解实现)

rtsp://admin(账号):admin(密码)@ip:端口/(主码流,辅码流之类的)
使用YOLOv5实现多摄像头实时目标检测

0是电脑自带摄像头,1是外接USB摄像头

  1. 在detect.py中修改 '--source' 的默认值为'streams.txt'

使用YOLOv5实现多摄像头实时目标检测
parser.add_argument('--source', type=str,default='streams.txt', help='source') #单网络多线程 实时检测

给出更改后参数配置部分完整代码:

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument('--weights', nargs='+', type=str, default='yolov5s.pt', help='model.pt path(s)')
    #parser.add_argument('--source', type=str, default='data/images', help='source')  # file/folder, 0 for webcam
    #parser.add_argument('--source', type=str, default='data/video', help='source')  # file/folder, 0 for webcam
    #parser.add_argument('--source', type=str, default='0', help='source')  # file/folder, 0 for webcam
    parser.add_argument('--source', type=str, default='streams.txt', help='source')  # file/folder, 0 for webcam
    parser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)')
    parser.add_argument('--conf-thres', type=float, default=0.25, help='object confidence threshold')
    parser.add_argument('--iou-thres', type=float, default=0.45, help='IOU threshold for NMS')
    parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
    parser.add_argument('--view-img', action='store_true', help='display results')
    parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')
    parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')
    parser.add_argument('--nosave', action='store_true', help='do not save images/videos')
    parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --class 0, or --class 0 2 3')
    parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')
    parser.add_argument('--augment', action='store_true', help='augmented inference')
    parser.add_argument('--update', action='store_true', help='update all models')
    parser.add_argument('--project', default='runs/detect', help='save results to project/name')
    parser.add_argument('--name', default='exp', help='save results to project/name')
    parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
    opt = parser.parse_args()
    print(opt)
    check_requirements(exclude=('pycocotools', 'thop'))

效果

以电脑自带摄像头和一个外接USB摄像头为例。

使用YOLOv5实现多摄像头实时目标检测

运行detect.py后,可以看到电脑自带摄像头识别到一个人,USB摄像头未识别到物体,括号内是识别用时。

使用YOLOv5实现多摄像头实时目标检测

现在电脑自带摄像头识别到一个人,USB摄像头识别到人、狗的图案、电视和笔记本电脑,括号内是识别用时。说明在多线程下仍然能做到多目标识别

求学路上,你我共勉(๑•̀ㅂ•́)و✧文章来源地址https://www.toymoban.com/news/detail-452604.html

到了这里,关于使用YOLOv5实现多摄像头实时目标检测的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包