用yolo v3训练自己的模型并进行客流检测

项目背景

• 前面我分别用谷歌网络Inception和svm+slidemask进行过客流检测的尝试，效果都一般，这个是由于Inception模型迁移学习后太大，而svm训练本身不容易，而且不稳定，容易误检测。这些都可以归因于two stages做目标检测的缺陷

• 前面几次的尝试我也有陆续做了部分记录，可以看看，当然效果都挺感人

  svm+slideMask检测客流

  Inception V3进行客流检测

• 本次 keras yolo检测主要参考有YOLO基础教程（四）：yolo v3 训练自己的数据集，Keras/Tensorflow+python+yolo3训练自己的数据集以及样本标注工具，图片标注工具LabelImg使用教程。其他还有很多零零散散的，包括一些视频和yolo官方网站，就不一一列举了。

keras yolo客流量检测.md

目录 (Table of Contents)

[TOCM]

[TOC]

下载使用yolo官方权重文件测试

yolo介绍

不多说，想知道yolo检测原理的直接看这篇YOLO文章详细解读。yolo是美国某大学的研究生弄出来的一个端到端(end to end)网络，还上了TED做演讲，看看人家研究生，再看看我们哈哈哈。所谓端到端，我理解的在目标检测中也就是不用先分类，再切割图片识别，而是直接对图片预测目标位置和大小，也就是将two stages变成one stage检测。

配置环境

大家可以参考csdn博主王氏小明的YOLO基础教程（一）：Python环境搭建与测试，也可以参考我前面的博客

直接yolo检测客流看看效果

不得不说，即使是高清的动物世界视频，yolo官方权重检测出的效果其实也还可以，但是还是有许多误检测。更不要说老师给的如上图所示的av画质视频效果了。当然，yolo检测的速度还是很快的，双GTX 1080 ti gpu下可以达到30fps。从输出看，它的bounding box也比two stages的滑动窗口更能准确表示物体的位置和大小。

用YOLO训练自己的权重文件

先做样本集

可以说，训练深度网络，大概是三分之一的时间做样本，三分之一的时间敲代码，还有三分之一的时间调参数。制作样本，因为班里老师给的是视频，而yolo使用的标注工具是读图片的，所以省去自己写脚本弄，需要先改成每帧或几十帧获取一幅图片放到一个文件夹里面。

//代码落公司电脑了，很简单，百度“python 视频转图片”然后自己调调就好了

labelImage标注

按照项目背景中的参考博客，创建好文件夹以后(其实里面部分文件夹似乎没有用，但是你还是按照他的来吧)，使用工具LabelImg，里面给的链接已经失效，所以我又在项目背景中列了另外一个，是labelImage的源码，它会教你使用。

在labelImage工具图形界面三步走，标注玩完一百幅图片大概需要半个到一个小时。请尽量将尽可能多的不同的图片放进去标注。你可以选择就标注一个类别head，也可以多加几类其他的，如果你内存够的话。

多建一个分类放负样本

嘣~结果非常好，暂时就先不贴图了，后面再更，包括引入滑动窗口对整张图片做识别。

………………………..

好了，2019年5月13日下午，我又回来了。像我之前所说，同时截出正负样本进行训练，然后用滑动窗口复制出许许多多的测试图放入网络中测试。

test.py生成训练时候的测试集和训练集

test.py

import os
import random
 
trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
total_xml = os.listdir(xmlfilepath)
 
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
 
ftrainval = open('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')
 
for i in list:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftest.write(name)
        else:
            fval.write(name)
    else:
        ftrain.write(name)
 
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()
--------------------- 
作者：王氏小明 
来源：CSDN 
原文：https://blog.csdn.net/weixin_43472830/article/details/88320099 
不要脸地直接拿来用了

一步步按教程来

说一下你可能遇到的问题，只有CPU的话直接加参考博客里os设置，我的是GPU，但是依然有问题。训练时候，第一个周期训练有时候是内存超了，然后黑屏或者闪退，这时候你可能需要减少你的训练集大小。改好以后，第一个周期依然很长时间，我第一次大概要20~40分钟，因为里面涉及到读取图片输入问题。然后后面每个周期就大概十几秒，每个step大概就几十ms。

我的权重文件

最后将我自己的权重文件放上来，因为训练时候，输入的样本就100张，然后训练了大概30个周期就收敛完了，loss降到20几，所以效果一般。另外，预测时候的score和IOU设置也不够好，所以最后效果，可以在前面看到，还是有很多问题的。但是总体来说比前面的svm和Inception好很多了。

我训练的权重文件在这，密码是：b2p5

链接失效的话，可以在我blibli账号下留言哈哈。

我的yolo预测文件，使用时候根据需要改变score下限和IOU大小，然后使用detect_video函数或者detect_img函数就好，找出你满意的。步骤大概是：

1 终端python yolo.py或者在ide中打开运行

2 yolo=YOLO()

3 设置对应输入输出路径，调用detect_video函数

# -*- coding: utf-8 -*-
"""
Class definition of YOLO_v3 style detection model on image and video
"""

import colorsys
import os
from timeit import default_timer as timer

import numpy as np
from keras import backend as K
from keras.models import load_model
from keras.layers import Input
from PIL import Image, ImageFont, ImageDraw

from yolo3.model import yolo_eval, yolo_body, tiny_yolo_body
from yolo3.utils import letterbox_image
import os
from keras.utils import multi_gpu_model
import cv2

class YOLO(object):
    _defaults = {
        "model_path": 'logs/000/trained_weights_stage_1.h5',
        "anchors_path": 'model_data/yolo_anchors.txt',
        "classes_path": 'model_data/coco_classes.txt',
        "score" : 0.15,
        "iou" : 0.3,
        "model_image_size" : (416, 416),
        "gpu_num" : 1,
    }

    @classmethod
    def get_defaults(cls, n):
        if n in cls._defaults:
            return cls._defaults[n]
        else:
            return "Unrecognized attribute name '" + n + "'"

    def __init__(self, **kwargs):
        self.__dict__.update(self._defaults) # set up default values
        self.__dict__.update(kwargs) # and update with user overrides
        self.class_names = self._get_class()
        self.anchors = self._get_anchors()
        self.sess = K.get_session()
        self.boxes, self.scores, self.classes = self.generate()

    def _get_class(self):
        classes_path = os.path.expanduser(self.classes_path)
        with open(classes_path) as f:
            class_names = f.readlines()
        class_names = [c.strip() for c in class_names]
        return class_names

    def _get_anchors(self):
        anchors_path = os.path.expanduser(self.anchors_path)
        with open(anchors_path) as f:
            anchors = f.readline()
        anchors = [float(x) for x in anchors.split(',')]
        return np.array(anchors).reshape(-1, 2)

    def generate(self):
        model_path = os.path.expanduser(self.model_path)
        assert model_path.endswith('.h5'), 'Keras model or weights must be a .h5 file.'

        # Load model, or construct model and load weights.
        num_anchors = len(self.anchors)
        num_classes = len(self.class_names)
        is_tiny_version = num_anchors==6 # default setting
        try:
            self.yolo_model = load_model(model_path, compile=False)
        except:
            self.yolo_model = tiny_yolo_body(Input(shape=(None,None,3)), num_anchors//2, num_classes) \
                if is_tiny_version else yolo_body(Input(shape=(None,None,3)), num_anchors//3, num_classes)
            self.yolo_model.load_weights(self.model_path) # make sure model, anchors and classes match
        else:
            assert self.yolo_model.layers[-1].output_shape[-1] == \
                num_anchors/len(self.yolo_model.output) * (num_classes + 5), \
                'Mismatch between model and given anchor and class sizes'

        print('{} model, anchors, and classes loaded.'.format(model_path))

        # Generate colors for drawing bounding boxes.
        hsv_tuples = [(x / len(self.class_names), 1., 1.)
                      for x in range(len(self.class_names))]
        self.colors = list(map(lambda x: colorsys.hsv_to_rgb(*x), hsv_tuples))
        self.colors = list(
            map(lambda x: (int(x[0] * 255), int(x[1] * 255), int(x[2] * 255)),
                self.colors))
        np.random.seed(10101)  # Fixed seed for consistent colors across runs.
        np.random.shuffle(self.colors)  # Shuffle colors to decorrelate adjacent classes.
        np.random.seed(None)  # Reset seed to default.

        # Generate output tensor targets for filtered bounding boxes.
        self.input_image_shape = K.placeholder(shape=(2, ))
        if self.gpu_num>=2:
            self.yolo_model = multi_gpu_model(self.yolo_model, gpus=self.gpu_num)
        boxes, scores, classes = yolo_eval(self.yolo_model.output, self.anchors,
                len(self.class_names), self.input_image_shape,
                score_threshold=self.score, iou_threshold=self.iou)
        return boxes, scores, classes

    def detect_image(self, image):
        start = timer()

        if self.model_image_size != (None, None):
            assert self.model_image_size[0]%32 == 0, 'Multiples of 32 required'
            assert self.model_image_size[1]%32 == 0, 'Multiples of 32 required'
            boxed_image = letterbox_image(image, tuple(reversed(self.model_image_size)))
        else:
            new_image_size = (image.width - (image.width % 32),
                              image.height - (image.height % 32))
            boxed_image = letterbox_image(image, new_image_size)
        image_data = np.array(boxed_image, dtype='float32')

        print(image_data.shape)
        image_data /= 255.
        image_data = np.expand_dims(image_data, 0)  # Add batch dimension.

        out_boxes, out_scores, out_classes = self.sess.run(
            [self.boxes, self.scores, self.classes],
            feed_dict={
                self.yolo_model.input: image_data,
                self.input_image_shape: [image.size[1], image.size[0]],
                K.learning_phase(): 0
            })

        print('Found {} boxes for {}'.format(len(out_boxes), 'img'))

        font = ImageFont.truetype(font='font/FiraMono-Medium.otf',
                    size=np.floor(3e-2 * image.size[1] + 0.5).astype('int32'))
        thickness = (image.size[0] + image.size[1]) // 300

        for i, c in reversed(list(enumerate(out_classes))):
            predicted_class = self.class_names[c]
            box = out_boxes[i]
            score = out_scores[i]

            label = '{} {:.2f}'.format(predicted_class, score)
            draw = ImageDraw.Draw(image)
            label_size = draw.textsize(label, font)

            top, left, bottom, right = box
            top = max(0, np.floor(top + 0.5).astype('int32'))
            left = max(0, np.floor(left + 0.5).astype('int32'))
            bottom = min(image.size[1], np.floor(bottom + 0.5).astype('int32'))
            right = min(image.size[0], np.floor(right + 0.5).astype('int32'))
            print(label, (left, top), (right, bottom))

            if top - label_size[1] >= 0:
                text_origin = np.array([left, top - label_size[1]])
            else:
                text_origin = np.array([left, top + 1])

            # My kingdom for a good redistributable image drawing library.
            for i in range(thickness):
                draw.rectangle(
                    [left + i, top + i, right - i, bottom - i],
                    outline=self.colors[c])
            draw.rectangle(
                [tuple(text_origin), tuple(text_origin + label_size)],
                fill=self.colors[c])
            draw.text(text_origin, label, fill=(0, 0, 0), font=font)
            del draw
        draw = ImageDraw.Draw(image)
        draw.text((3,15),"All:"+str(len(out_boxes)),(255,0,0))
        del draw
        end = timer()
        print(end - start)
        return image

    def close_session(self):
        self.sess.close()

def detect_video(yolo, video_path, output_path=""):
#    import cv2
    vid = cv2.VideoCapture(video_path)
    if not vid.isOpened():
        cv2.destroyAllWindows()
        raise IOError("Couldn't open webcam or video")
    video_FourCC    = int(vid.get(cv2.CAP_PROP_FOURCC))
    video_fps       = vid.get(cv2.CAP_PROP_FPS)
    video_size      = (int(vid.get(cv2.CAP_PROP_FRAME_WIDTH)),
                        int(vid.get(cv2.CAP_PROP_FRAME_HEIGHT)))
    isOutput = True if output_path != "" else False
    if isOutput:
        print("!!! TYPE:", type(output_path), type(video_FourCC), type(video_fps), type(video_size))
        out = cv2.VideoWriter(output_path, video_FourCC, video_fps, video_size)
    accum_time = 0
    curr_fps = 0
    fps = "FPS: ??"
    prev_time = timer()
    while True:
        return_value, frame = vid.read()
        image = Image.fromarray(frame)
        image = yolo.detect_image(image)
        result = np.asarray(image)
        curr_time = timer()
        exec_time = curr_time - prev_time
        prev_time = curr_time
        accum_time = accum_time + exec_time
        curr_fps = curr_fps + 1
        if accum_time > 1:
            accum_time = accum_time - 1
            fps = "FPS: " + str(curr_fps)
            curr_fps = 0
#        cv2.putText(result, text=fps, org=(3, 15), fontFace=cv2.FONT_HERSHEY_SIMPLEX,
#                    fontScale=0.50, color=(255, 0, 0), thickness=2)
        cv2.namedWindow("result", cv2.WINDOW_NORMAL)
        cv2.imshow("result", result)
        if isOutput:
            out.write(result)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    yolo.close_session()
def detect_img(yolo):
    while True:
        img = input('Input image filename:')
        try:
            image = Image.open(img)
        except:
            print('Open Error! Try again!')
            continue
        else:
            r_image = yolo.detect_image(image)
            r_image.show()
    yolo.close_session()