带你使用opencv+dnn+yolov3识别物体

素颜马尾好姑娘i 2022-11-22 05:20 288阅读 0赞

该文为转载文章，原文出处[https://blog.csdn.net/qq21497936/article/details/109201809][https_blog.csdn.net_qq21497936_article_details_109201809]

# 前言 #

级联分类器的效果并不是很好，准确度相对深度学习较低，上一章节使用了dnn中的tensorflow，本章使用yolov3模型，识别出具体的分类。

# Demo #

320x320，置信度0.6  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMjE0OTc5MzY_size_16_color_FFFFFF_t_70_pic_center]  
  608x608，置信度0.6（.cfg里面是608）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMjE0OTc5MzY_size_16_color_FFFFFF_t_70_pic_center 1]

# yolov3模型下载 #

![在这里插入图片描述][20201021151144451.png_pic_center]

*  **coco.names**：模型具体的分类信息。  
    [https://github.com/pjreddie/darknet/blob/master/data/coco.names][https_github.com_pjreddie_darknet_blob_master_data_coco.names]
 *  **yolov3.weights**：权重文件  
    [https://pjreddie.com/media/files/yolov3.weights][https_pjreddie.com_media_files_yolov3.weights]
 *  **yolov3.cfg**：配置文件  
    [https://github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg][https_github.com_pjreddie_darknet_blob_master_cfg_yolov3.cfg]  
      以上若是下载不下来，提供其他下载地址，因为github非常慢。

# OpenCV深度识别基本流程 #

opencv3.4.x支持了各种模型。

## 支持的模型 ##

opencv3.4.x支持一下深度学习的模型：  
**- caffe：.caffemodel**  
  官网：[http://caffe.berkeleyvision.org][http_caffe.berkeleyvision.org]  
**- tensorflow：.pb**  
  官网：[https://www.tensorflow.org][https_www.tensorflow.org]  
**- torch：.t7 | .net**  
  官网：[http://torch.ch][http_torch.ch]  
**- darknet：.weights**  
  官网：[https://pjreddie.com/darknet][https_pjreddie.com_darknet]  
**- DLDT：.bin**  
  官网：[https://software.intel.com/openvino-toolkit][https_software.intel.com_openvino-toolkit]

## 操作步骤：yolov3 ##

不同深度学习框架产生的模型，在操作上和数据输出上有一些区别。梳理下opencv使用tensorflow训练好的模型的使用步骤。

### 步骤一：读取分类文件 ###

模型文件对应了不同的分类文件，分类文件是以行为标识，所在的行数（0开始），就是最终识别出的分类号的第几个分类。

std::string classesFile = "E:/qtProject/openCVDemo/dnnData/" \
                        "yolov3/coco.names";
    // 读入分类名称，存入缓存
    std::ifstream ifs(classesFile);
    std::vector<std::string> classes;
    std::string classLine;
    while(std::getline(ifs, classLine))
    {
        classes.push_back(classLine);
    }

### 步骤二：加载模型和配置文件，建立神经网络。 ###

根据不同的模型，使用cv::dnn::readNetFromXXX系列函数进行读取，opencv3.4.x系列支持的dnn模型（支持模型往上看）。  
  yolov3模型如下：

std::string modelWeights = "E:/qtProject/openCVDemo/dnnData/" \
                           "yolov3/yolov3.weights";
    std::string modelCfg = "E:/qtProject/openCVDemo/dnnData/" \
                           "yolov3/yolov3.cfg";
    // 加载yolov3模型
    cv::dnn::Net net = cv::dnn::readNetFromDarknet(modelCfg, modelWeights);
    if(net.empty())
    {
        qDebug() << __FILE__ << __LINE__ << "net is empty!!!";
        return;
    }

### 步骤三：将要预测的图片加入到神经网络中 ###

加入之后，需要识别图片，那么需要把图片输入到神经网络当中去，使用yolov3模型特别注意，要先进行归一化，然后变成指定大小的图片，如下：

// 读取图片识别
    mat = cv::imread("E:/testFile/15.jpg");
    if(!mat.data)
    {
        qDebug() << __FILE__ << __LINE__ << "Failed to read image!!!";
        return;
    }
    //    cv::dnn::blobFromImage(mat, blob);
    //  必须要设置，否则会跑飞
    cv::dnn::blobFromImage(mat,
                         blob,
                         1.0f/255,
                         cv::Size(320, 320),
                         cv::Scalar(0, 0, 0),
                         true,
                         false);
    net.setInput(blob);

宽度高度增加可以提升检测的准确度，最好是根据cfg文件进行修改，本Demo是320x320，实际.cfg文件中的是608x608，并且经过测试，这个是识别效果最好的像素，大于608则会跑飞。  
  ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMjE0OTc5MzY_size_16_color_FFFFFF_t_70_pic_center 2]

## 步骤四：分类预测，获取识别的结果 ##

输入之后，就进行识别，识别是向前预测（分类预测），并且拿到结果，对于yolov3模型，规定了有3个输出层，所以需要先获取3个输出层，然后预测的时候就需要指定预测这3个输出层，否则会跑飞。

// 获取输出的层
    std::vector<cv::String> outPutNames;
    std::vector<int> outLayers = net.getUnconnectedOutLayers();
    for(int index = 0; index < outLayers.size(); index++)
    {
        outPutNames.push_back(layerNames[outLayers[index] - 1]);
        qDebug() << __FILE__ << __LINE__
        << QString(layerNames[outLayers[index] - 1].c_str());
    } 
    // 推理预测：可以输入预测的图层名称
    std::vector<cv::Mat> probs;
    net.forward(probs, outPutNames);

对于预测的结果，存于std::vectorcv::Mat类型的probs，每一个元素指定为cv::Mat类型的prob，每一行代表一个检测到的分类，具体列信息如下表：  
  ![在这里插入图片描述][20201021151637858.png_pic_center]  
  （注意：具体的使用，请参照“**步骤**五”）

### 步骤五：对达到置信度的可以通过输出的mat进行分类和框选 ###

关键的输出结果步骤，不同的识别有区别，yolov3如下图：

// 置信度预制，大于执行度的将其使用rect框出来
    for(int index = 0; index < probs.size(); index++)
    {
        for (int row = 0; row < probs[index].rows; row++)
        {
            // 获取probs中一个元素里面匹配对的所有对象中得分最高的
            cv::Mat scores = probs[index].row(row).colRange(5, probs[index].cols);
            cv::Point classIdPoint;
            double confidence;
            // Get the value and location of the maximum score
            cv::minMaxLoc(scores, 0, &confidence, 0, &classIdPoint);
            if(confidence > 0.6)
            {
                qDebug() << __FILE__ << __LINE__ << confidence << classIdPoint.x;
                int centerX = (int)(probs.at(index).at<float>(row, 0) * mat.cols);
                int centerY = (int)(probs.at(index).at<float>(row, 1) * mat.rows);
                int width   = (int)(probs.at(index).at<float>(row, 2) * mat.cols);
                int height  = (int)(probs.at(index).at<float>(row, 3) * mat.rows);
                int left = centerX - width / 2;
                int top = centerY - height / 2;
                cv::Rect objectRect(left, top, width, height);
                cv::rectangle(mat, objectRect, cv::Scalar(255, 0, 0), 2);
                cv::String label = cv::format("%s:%.4f",
                                              classes[classIdPoint.x].data(),
                                              confidence);
                cv::putText(mat,
                            label,
                            cv::Point(left, top - 10),
                            cv::FONT_HERSHEY_SIMPLEX,
                            0.4,
                            cv::Scalar(0, 0, 255));
                qDebug() << __FILE__ << __LINE__
                        << centerX << centerY << width << height;
            }
        }
    }

# 函数原型 #

## 读取yolov3模型与配置文件函数原型 ##

Net readNetFromDarknet(const String &cfgFile,
                          const String &darknetModel = String());

*  1
 *  2

从文件中读取。

*  **参数一**：带有网络体系结构文本描述的.cfg文件的路径；
 *  **参数二**：已学习网络的.weights文件的路径；

## 读取图片（需要识别的）函数原型 ##

void blobFromImage(InputArray image,
                      OutputArray blob,
                      double scalefactor=1.0,
                      const Size& size = Size(),
                      const Scalar& mean = Scalar(),
                      bool swapRB=false,
                      bool crop=false,
                      int ddepth=CV_32F);.

从图像创建区域。可选择从中心调整和裁剪图像。

*  **参数一**：图像输入图像（1、3或4通道）；
 *  **参数二**：输出的图像空间；
 *  **参数三**：图像值的缩放因子乘数；
 *  **参数四**：大小输出图像的空间大小；
 *  **参数五**：从通道中减去平均值的平均标量。价值是有意的，如果image有BGR顺序，swapRB为真，则按（mean-R，mean-G，mean-B）顺序排列；
 *  **参数六**：swapRB标志，指示交换第一个和最后一个通道，在三通道图像是必要的；
 *  **参数七**：裁剪标志，指示调整大小后是否裁剪图像；
 *  **参数八**：输出blob的深度，选择CV\_32F或CV\_8U；

## 设置神经网络输入函数原型 ##

void cv::dnn::Net::setInput(InputArray blob,
                          const String& name = "",
                          double scalefactor = 1.0,
                          const Scalar& mean = Scalar());

设置网络的新输入值。

*  **参数一**：一个新的blob。应具有CV\_32F或CV\_8U深度。
 *  **参数二**：输入层的名称。
 *  **参数三**：可选的标准化刻度。
 *  **参数四**：可选的平均减去值。

## 返回所有层的名称（按照本身的索引循序排列） ##

std::vector<String> getLayerNames() const;

## 返回具有未连接输出的层的索引。 ##

std::vector<int> getUnconnectedOutLayers() const;

## 深度检测识别（向前预测）函数原型 ##

void cv::dnn::Net::Mat forward(const String& outputName = String());

*  1

向前预测，返回指定层的第一个输出的blob，一般是返回最后一层，可使用cv::Net::getLayarNames()获取所有的层名称。

*  **参数一**：outputName需要获取输出的层的名称

# Demo #

void OpenCVManager::testYoloV3()
    {
        std::string classesFile = "E:/qtProject/openCVDemo/dnnData/" \
                                  "yolov3/coco.names";
        std::string modelWeights = "E:/qtProject/openCVDemo/dnnData/" \
                              "yolov3/yolov3.weights";
        std::string modelCfg = "E:/qtProject/openCVDemo/dnnData/" \
                               "yolov3/yolov3.cfg";
    
        // 读入分类名称，存入缓存
        std::ifstream ifs(classesFile);
        std::vector<std::string> classes;
        std::string classLine;
        while(std::getline(ifs, classLine))
        {
            classes.push_back(classLine);
        }
    
        // 加载yolov3模型
        cv::dnn::Net net = cv::dnn::readNetFromDarknet(modelCfg, modelWeights);
        if(net.empty())
        {
            qDebug() << __FILE__ << __LINE__ << "net is empty!!!";
            return;
        }
    
        cv::Mat mat;
        cv::Mat blob;
    
        // 获得所有层的名称和索引
        std::vector<cv::String> layerNames = net.getLayerNames();
        int lastLayerId = net.getLayerId(layerNames[layerNames.size() - 1]);
        cv::Ptr<cv::dnn::Layer> lastLayer = net.getLayer(cv::dnn::DictValue(lastLayerId));
        qDebug() << __FILE__ << __LINE__
                 << QString(lastLayer->type.c_str())
                 << QString(lastLayer->getDefaultName().c_str())
                 << QString(layerNames[layerNames.size()-1].c_str());
    
        // 获取输出的层
        std::vector<cv::String> outPutNames;
        std::vector<int> outLayers = net.getUnconnectedOutLayers();
        for(int index = 0; index < outLayers.size(); index++)
        {
            outPutNames.push_back(layerNames[outLayers[index] - 1]);
            qDebug() << __FILE__ << __LINE__ 
                     << QString(layerNames[outLayers[index] - 1].c_str());
        }
    
        while(true)
        {
            // 读取图片识别
            mat = cv::imread("E:/testFile/15.jpg");
            if(!mat.data)
            {
                qDebug() << __FILE__ << __LINE__ << "Failed to read image!!!";
                return;
            }
    
    //        cv::dnn::blobFromImage(mat, blob);
            // 必须要设置，否则会跑飞
            cv::dnn::blobFromImage(mat,
                                   blob,
                                   1.0f/255,
                                   cv::Size(320, 320),
                                   cv::Scalar(0, 0, 0),
                                   true,
                                   false);
            net.setInput(blob);
            // 推理预测：可以输入预测的图层名称
            std::vector<cv::Mat> probs;
            net.forward(probs, outPutNames);
    
            // 显示识别花费的时间
            std::vector<double> layersTimes;
            double freq = cv::getTickFrequency() / 1000;
            double t = net.getPerfProfile(layersTimes) / freq;
            std::string label = cv::format("Inference time: %.2f ms", t);
            cv::putText(mat,
                      label,
                      cv::Point(0, 15),
                      cv::FONT_HERSHEY_SIMPLEX,
                      0.5,
                      cv::Scalar(255, 0, 0));
            // 置信度预制，大于执行度的将其使用rect框出来
            for(int index = 0; index < probs.size(); index++)
            {
                for (int row = 0; row < probs[index].rows; row++)
                {
                    // 获取probs中一个元素里面匹配对的所有对象中得分最高的
                    cv::Mat scores = probs[index].row(row).colRange(5, probs[index].cols);
                    cv::Point classIdPoint;
                    double confidence;
                    // Get the value and location of the maximum score
                    cv::minMaxLoc(scores, 0, &confidence, 0, &classIdPoint);
                    if(confidence > 0.6)
                    {
                        qDebug() << __FILE__ << __LINE__ << confidence << classIdPoint.x;
                        int centerX = (int)(probs.at(index).at<float>(row, 0) * mat.cols);
                        int centerY = (int)(probs.at(index).at<float>(row, 1) * mat.rows);
                        int width   = (int)(probs.at(index).at<float>(row, 2) * mat.cols);
                        int height  = (int)(probs.at(index).at<float>(row, 3) * mat.rows);
                        int left = centerX - width / 2;
                        int top = centerY - height / 2;
                        cv::Rect objectRect(left, top, width, height);
                        cv::rectangle(mat, objectRect, cv::Scalar(255, 0, 0), 2);
                        cv::String label = cv::format("%s:%.4f",
                                                      classes[classIdPoint.x].data(),
                                                      confidence);
                        cv::putText(mat,
                                    label,
                                    cv::Point(left, top - 10),
                                    cv::FONT_HERSHEY_SIMPLEX,
                                    0.4,
                                    cv::Scalar(0, 0, 255));
                        qDebug() << __FILE__ << __LINE__
                                << centerX << centerY << width << height;
                    }
                }
            }
    
            cv::imshow(_windowTitle.toStdString(), mat);
            cv::waitKey(0);
        }
    }

# 对应工程模板v1.65.0 #

openCVDemo\_v1.65.0\_基础模板\_yolov3分类检测.rar。

# 入坑 #

## 入坑一：加载模型时候错误 ##

**错误**  
  ![在这里插入图片描述][20201021151957690.png_pic_center]

**原因**  
  模型文件加载错误。  
**解决**  
  检查文件是否存在，路径是否正确，模型文件是否能对应上。

## 入坑二：输入blob时错误 ##

**错误**  
  ![在这里插入图片描述][20201021151949876.png_pic_center]

**原因**  
  预测的时候未输入参数，需要输入参数（注意：tensorflow未输入没有问题）。  
**解决**  
  ![在这里插入图片描述][20201021151946802.png_pic_center]

[https_blog.csdn.net_qq21497936_article_details_109201809]: https://blog.csdn.net/qq21497936/article/details/109201809
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMjE0OTc5MzY_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/a22c2dd8a814488cad95eccc8e4cfeea.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMjE0OTc5MzY_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221120/b23254e933654758957a91c62a226489.png
[20201021151144451.png_pic_center]: /images/20221120/d7cb156843ea4a26b0f84583a3a595ab.png
[https_github.com_pjreddie_darknet_blob_master_data_coco.names]: https://github.com/pjreddie/darknet/blob/master/data/coco.names
[https_pjreddie.com_media_files_yolov3.weights]: https://pjreddie.com/media/files/yolov3.weights
[https_github.com_pjreddie_darknet_blob_master_cfg_yolov3.cfg]: https://github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg
[http_caffe.berkeleyvision.org]: http://caffe.berkeleyvision.org/
[https_www.tensorflow.org]: https://www.tensorflow.org/
[http_torch.ch]: http://torch.ch/
[https_pjreddie.com_darknet]: https://pjreddie.com/darknet
[https_software.intel.com_openvino-toolkit]: https://software.intel.com/openvino-toolkit
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxMjE0OTc5MzY_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221120/5b20f0b696614e449d2359ab202695cf.png
[20201021151637858.png_pic_center]: /images/20221120/f58920a29b944dc08a3d64c60cbb6e49.png
[20201021151957690.png_pic_center]: /images/20221120/98724d883a514d5b984c33bb1b1ea100.png
[20201021151949876.png_pic_center]: /images/20221120/d3ac3ee8b424462fa55e162ff28bab06.png
[20201021151946802.png_pic_center]: /images/20221120/34e70daec54547d883d203e6037d589e.png