opencv随笔记录:2.anaconda+windows系统下实现视频目标识别yolov3

Love The Way You Lie 2022-04-05 10:10 219阅读 0赞

### 心路历程 ###

俗话说的好，装逼 兴趣是学习的第一生产力。安装了opencv，总得搞点事情吧。  
只是进行简单的图片识别，可能还足以激起我的兴趣。在网上看到过视频识别，心想实现这个应该会有点意思。  
后来搜索到了yolov3可以实现目标识别，而且是目前比较厉害的目标识别（官方是这样说的），但是官网给出的例子是 linux以及macos系统上的，我简单在windows试了下，完全不行。  
我没死心，在windows上利用VMware装了ubuntu16.0.4虚拟机，确实安装好了虚拟环境，但是幺蛾子又出现了，计算速度太慢，34s计算一张图片你敢信？ 后来说是利用gpu加速才可以。然鹅虚拟机怎么进行gpu加速？这是个伪命题。于是我又回到了问题的起点。。。

后来我在GitHub上找到了window上用anaconda实现的方法。但是呢，[文档][Link 1](**<<此处是原文链接，感兴趣可以看一下**)是全英的，视频是全英的（发音还一股咖喱味），而且下载源在外国，下载速度非常的感人，尤其是在下载cudn的时候。。所以我自己对原始的yml文件进行了修改，把下载源修改到了国内的清华镜源。非常快就可以下载好（大约是不修改前的 几千倍把，我认真的，一点没夸张）  
**因此这篇文章就是为了让你能在自己的windows电脑上快速地使用anaconda快速搭建一个yolo视频检测项目**（如果一切顺利，十分钟后，你就可以拿着你识别的视频拿去装逼 玩耍了）

--------------------

（之前这个blog没写完便搁置了，有一个网友询问了我一下，看来还是有市场需求的嘛，决定写完"造福"下广大c友，哈哈哈哈，如果觉得有用，**关注下我呗！！！**）

### 1.创建yml文件 ###

使用txt文档复制下面的话，然后将.txt后缀改为.yml,命名为yolo.yml

name: yolov3
    channels:
      - jmcmurray
      - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
      - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
      - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
      - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
      - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
      - anaconda
      - defaults
    dependencies:
      - _tflow_190_select=0.0.1=gpu
      - absl-py=0.3.0=py35_0
      - alabaster=0.7.11=py35_0
      - asn1crypto=0.24.0=py35_0
      - astor=0.7.1=py35_0
      - astroid=2.0.2=py35_0
      - babel=2.6.0=py35_0
      - backcall=0.1.0=py35_0
      - backports=1.0=py35he88aa47_1
      - backports.weakref=1.0.post1=py35hf13df52_0
      - blas=1.0=mkl
      - bleach=2.1.3=py35_0
      - ca-certificates=2018.03.07=0
      - certifi=2018.8.24=py35_1
      - cffi=1.11.5=py35h945400d_0
      - chardet=3.0.4=py35_1
      - cloudpickle=0.5.3=py35_0
      - colorama=0.3.9=py35h32a752f_0
      - cryptography=2.3=py35h74b6da3_0
      - cryptography-vectors=2.3=py35_0
      - cudatoolkit=9.0=1
      - cudnn=7.1.4=cuda9.0_0
      - cython=0.28.5=py35h6538335_0
      - decorator=4.3.0=py35_0
      - docutils=0.14=py35h8ccb97f_0
      - entrypoints=0.2.3=py35hb91ced9_2
      - gast=0.2.0=py35_0
      - git=2.18.0=h6bb4b03_0
      - grpcio=1.12.1=py35h1a1b453_0
      - html5lib=1.0.1=py35h047fa9f_0
      - icc_rt=2017.0.4=h97af966_0
      - icu=58.2=ha66f8fd_1
      - idna=2.7=py35_0
      - imageio=2.3.0=py35_0
      - imagesize=1.0.0=py35_0
      - intel-openmp=2018.0.3=0
      - ipykernel=4.8.2=py35_0
      - ipython=6.5.0=py35_0
      - ipython_genutils=0.2.0=py35ha709e79_0
      - isort=4.3.4=py35_0
      - jedi=0.12.1=py35_0
      - jinja2=2.10=py35_0
      - jpeg=9b=hb83a4c4_2
      - jsonschema=2.6.0=py35h27d56d3_0
      - jupyter_client=5.2.3=py35_0
      - jupyter_core=4.4.0=py35h629ba7f_0
      - keyring=13.2.1=py35_0
      - lazy-object-proxy=1.3.1=py35he996729_0
      - libpng=1.6.34=h79bbb47_0
      - libprotobuf=3.5.2=he0781b1_0
      - libsodium=1.0.16=h9d3ae62_0
      - libtiff=4.0.9=hb8ad9f9_1
      - make=3.82=0
      - markdown=2.6.11=py35_0
      - markupsafe=1.0=py35hc253e08_1
      - mccabe=0.6.1=py35_1
      - mistune=0.8.3=py35hfa6e2cd_1
      - mkl=2018.0.3=1
      - mkl_fft=1.0.4=py35h1e22a9b_1
      - mkl_random=1.0.1=py35h9258bd6_0
      - nbconvert=5.3.1=py35h98d6c46_0
      - nbformat=4.4.0=py35h908c9d9_0
      - numpy=1.15.0=py35h9fa60d3_0
      - numpy-base=1.15.0=py35h4a99626_0
      - numpydoc=0.8.0=py35_0
      - olefile=0.45.1=py35_0
      - openssl=1.0.2p=hfa6e2cd_0
      - packaging=17.1=py35_0
      - pandas=0.23.4=py35h830ac7b_0
      - pandoc=2.2.1=h1a437c5_0
      - pandocfilters=1.4.2=py35h978f723_1
      - parso=0.3.1=py35_0
      - path.py=11.0.1=py35_0
      - pickleshare=0.7.4=py35h2f9f535_0
      - pip=10.0.1=py35_0
      - prompt_toolkit=1.0.15=py35h89c7cb4_0
      - protobuf=3.5.2=py35h6538335_1
      - psutil=5.4.6=py35hfa6e2cd_0
      - pycodestyle=2.4.0=py35_0
      - pycparser=2.18=py35h15a15da_1
      - pyflakes=2.0.0=py35_0
      - pygments=2.2.0=py35h24c0941_0
      - pylint=2.1.1=py35_0
      - pyopenssl=18.0.0=py35_0
      - pyparsing=2.2.0=py35hcabcaab_1
      - pyqt=5.9.2=py35h6538335_2
      - pyreadline=2.1=py35_0
      - pysocks=1.6.8=py35_0
      - python=3.5.5=h0c2934d_2
      - python-dateutil=2.7.3=py35_0
      - pytz=2018.5=py35_0
      - pywin32=223=py35hfa6e2cd_1
      - pyzmq=17.1.0=py35hfa6e2cd_0
      - qtawesome=0.4.4=py35h639d0ff_0
      - qtconsole=4.3.1=py35hc47b0dd_0
      - qtpy=1.4.2=py35_1
      - requests=2.19.1=py35_0
      - rope=0.10.7=py35_0
      - scipy=1.1.0=py35hc28095f_0
      - selenium=3.14.0=py35hfa6e2cd_0
      - setuptools=40.0.0=py35_0
      - simplegeneric=0.8.1=py35_2
      - singledispatch=3.4.0.3=py35h33f66b4_0
      - sip=4.19.8=py35h6538335_0
      - six=1.11.0=py35_1
      - snowballstemmer=1.2.1=py35h4c55bfa_0
      - sphinx=1.7.6=py35_0
      - sphinxcontrib=1.0=py35h45f5ca3_1
      - sphinxcontrib-websupport=1.1.0=py35_1
      - spyder=3.3.0=py35_0
      - spyder-kernels=0.2.4=py35_0
      - sqlite=3.24.0=h7602738_0
      - tensorboard=1.9.0=py35he025d50_0
      - tensorflow=1.9.0=gpu_py35h0075c17_1
      - tensorflow-base=1.9.0=gpu_py35h6e53903_0
      - tensorflow-gpu=1.9.0=hf154084_0
      - termcolor=1.1.0=py35_1
      - testpath=0.3.1=py35h06cf69e_0
      - tk=8.6.7=hcb92d03_3
      - tornado=5.1=py35hfa6e2cd_0
      - traitlets=4.3.2=py35h09b975b_0
      - typed-ast=1.1.0=py35hfa6e2cd_0
      - typing=3.6.4=py35_0
      - urllib3=1.23=py35_0
      - vc=14.1=h0510ff6_3
      - vs2015_runtime=15.5.2=3
      - wcwidth=0.1.7=py35h6e80d8a_0
      - webencodings=0.5.1=py35h5d527fb_1
      - werkzeug=0.14.1=py35_0
      - wheel=0.31.1=py35_0
      - win_inet_pton=1.0.1=py35hbef1270_1
      - win_unicode_console=0.5=py35h56988b5_0
      - wincertstore=0.2=py35hfebbdb8_0
      - wrapt=1.10.11=py35h54666f7_0
      - zeromq=4.2.5=he025d50_1
      - zlib=1.2.11=h8395fce_2
      - cycler=0.10.0=py_1
      - ffmpeg=3.2.4=1
      - freetype=2.8.1=ha63716d_1
      - glew=2.0.0=h2fa13f4_0
      - h5py=2.8.0=py35hb24199d_1
      - hdf5=1.10.2=he51fdeb_2
      - keras=2.2.2=py35_0
      - keras-applications=1.0.4=py_1
      - keras-preprocessing=1.0.2=py_1
      - kivy=1.10.1=py35h47ee06f_1
      - kiwisolver=1.0.1=py35he980bc4_2
      - libgpuarray=0.7.6=hfa6e2cd_1003
      - mako=1.0.7=py_1
      - pillow=5.2.0=py35_0
      - pygpu=0.7.6=py35_0
      - pyyaml=3.13=py35hfa6e2cd_1
      - requests_download=0.1.2=py_1
      - sdl2=2.0.8=1
      - sdl2_image=2.0.2=0
      - sdl2_mixer=2.0.1=h6538335_1
      - sdl2_ttf=2.0.14=h8909db8_1
      - smpeg2=2.0.0=h6538335_1
      - theano=1.0.2=py35_0
      - yaml=0.1.7=hfa6e2cd_1001
      - matplotlib=2.2.2=py35h153e9ff_1
      - qt=5.9.6=vc14h62aca36_0
      - json=0.1.1=0
      - qutil=3.2.1=6
      - opencv3=3.1.0=py35_0
      - pytorch=0.4.1=py35_cuda90_cudnn7he774522_1
      - pip:
        - torch==0.4.1
    prefix: C:\Users\Ritesh\Anaconda3.1\envs\yolov3

## 2.构建yolo虚拟环境 ##

将yolo.yml放在你想放的位置，然后使用anaconda prompt cd到yolo.yml所在文件夹  
比如我放在的是E盘的pythonlearning\\yolo 文件夹  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjc1NTM4NA_size_16_color_FFFFFF_t_70]

#### 1)构建基本环境 ####

conda env create -f yolo.yml

#### 2)下载repo ####

git clone https://github.com/ayooshkathuria/pytorch-yolo-v3.git

如果显示没有git命令 ，`conda install git` 就好

#### 3)下载weights ####

下载地址在这里：[https://pjreddie.com/media/files/yolov3.weights][https_pjreddie.com_media_files_yolov3.weights]

## 3.运行下栗子 ##

#### 1)进入git clone 后的那个文件夹 ####

#### 2) 在anaconda prompt 中运行例子 ####

识别MP4文件

python video_demo.py --video video.mp4

识别摄像头

python cam_demo.py

如果仍有问题，欢迎联系我：qq号1185753125

[Link 1]: https://github.com/reigngt09/yolov3workflow/tree/master/2_YoloV3_Execute
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjc1NTM4NA_size_16_color_FFFFFF_t_70]: /images/20220405/baedc8b1b16e48c0a5d7809b4cf8fa7d.png
[https_pjreddie.com_media_files_yolov3.weights]: https://pjreddie.com/media/files/yolov3.weights