使用YOLOv5进行实时车辆识别

在这篇博客中，我们将介绍如何使用YOLOv5实现车辆识别。YOLO（You Only Look Once）是一种流行的实时目标检测算法，YOLOv5是其最新版本，性能得到了显著提高。我们将使用Python编写代码，为您展示如何实现实时车辆检测。

源码:www.hedaoapp.com/goods/goods…

一、安装必要库

首先，我们需要安装YOLOv5所需的依赖库。确保您的系统已经安装了Python，然后运行以下命令：

pip install torch torchvision opencv-python

接下来，我们需要克隆YOLOv5的官方仓库，并安装所需的依赖：

git clone https://github.com/ultralytics/yolov5
cd yolov5
pip install -r requirements.txt

二、下载预训练模型

我们将使用在COCO数据集上预训练的YOLOv5模型。这里我们选择YOLOv5s，因为它较小，适用于实时检测。您可以在YOLOv5的发布页面找到其他版本的预训练模型。运行以下命令下载YOLOv5s模型：

wget https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt

三、编写车辆识别代码

我们首先导入所需的库：

import cv2
import torch
from yolov5.utils.general import non_max_suppression

接下来，我们定义一个函数来加载模型：

def load_model(weights_path, device):
    model = torch.hub.load('ultralytics/yolov5', 'custom', path_or_model=weights_path)
    model.to(device)
    model.eval()
    return model

现在，我们将创建一个函数来处理模型的输出：

def process_detections(detections, conf_thres):
    car_detections = []
    for det in detections:
        if det[5] == 2:  # 2对应于COCO数据集中的“汽车”类别
            if det[4] >= conf_thres:
                car_detections.append(det[:4].cpu().numpy().astype(int))
    return car_detections

接下来，我们定义一个函数用于在图像上绘制检测结果：

def draw_detections(image, detections, color=(0, 255, 0), thickness=2):
    for det in detections:
        x1, y1, x2, y2 = det
        cv2.rectangle(image, (x1, y1), (x2, y2), color, thickness)
    return image

最后，我们编写主程序，从摄像头捕获视频流并进行实时车辆检测：

def main():
    device = torch.device("cuda if torch.cuda.is_available() else "cpu") weights_path = "yolov5s.pt" conf_thres = 0.5
model = load_model(weights_path, device)

cap = cv2.VideoCapture(0)  # 使用摄像头

while True:
    ret, frame = cap.read()
    if not ret:
        break

    # 将图像转换为模型输入格式
    img = torch.from_numpy(frame).permute(2, 0, 1).float() / 255.0
    img = img.unsqueeze(0).to(device)

    # 进行目标检测
    with torch.no_grad():
        pred = model(img)[0]
        pred = non_max_suppression(pred, conf_thres)

    # 提取车辆检测结果
    detections = process_detections(pred[0], conf_thres)

    # 在图像上绘制检测结果
    frame = draw_detections(frame, detections)

    # 显示结果
    cv2.imshow("Car Detection", frame)

    # 按'q'键退出
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

cap.release()
cv2.destroyAllWindows()
if name == "main": 
    main()

现在，您可以运行此代码进行实时车辆检测。摄像头将捕获视频流，YOLOv5将识别图像中的车辆，并用矩形框标注出来。

YOLOv5还可以识别其他类型的目标，您可以根据需要调整代码。此外，可以尝试使用其他版本的预训练模型（如YOLOv5m或YOLOv5l）以获得更高的准确性，但可能会降低实时性能。

总之，YOLOv5是一个强大且实用的目标检测算法，非常适用于实时车辆识别。通过使用Python和YOLOv5，您可以轻松地开发自己