OpenCV自带dnn的Example研究（3）— object_detection

​​https://docs.opencv.org/master/examples.html​​下的

6个文件，看看在最新的OpenCV中，它们是如何发挥作用的。

在配置使用的过程中，需要注意使用较高版本的VS避免编译器兼容问题；由于DNN程序的运行依赖于训练成功的模型，因此需要预先下载准备；此外如果出现各种报错，需要对症下药。

此外，由于需要使用common.hpp文件，所以需要引入dnn目录到include中

用到的数据集都放在：

链接：https://pan.baidu.com/s/1WPoXU3VodErPHZo6Yc21xA 

提取码：01no 

如果你没找到，那一定是我忘了。

=====================================================================================友善的分割线============================

注意，这个例子有官方教程： ​​https://docs.opencv.org/master/da/d9d/tutorial_dnn_yolo.html​​

教程给出了调用方法：

Usage examples

Execute in webcam:

​​--config =[PATH -TO -DARKNET] /cfg /yolo.cfg --model =[PATH -TO -DARKNET] /yolo.weights --classes =object_detection_classes_pascal_voc.txt --width = 416 --height = 416 --scale = 0. 00392 --rgb ​​

Execute with image or video file:

​​--config        =[PATH        -TO        -DARKNET]
        /cfg
        /yolo.cfg 
        --model
        =[PATH
        -TO
        -DARKNET]
        /yolo.weights 
        --classes
        =object_detection_classes_pascal_voc.txt 
        --width
        =
        416 
        --height
        =
        416 
        --scale
        =
        0.
        00392 
        --input
        =[PATH
        -TO
        -IMAGE
        -OR
        -VIDEO
        -FILE] 
        --rgb
       ​​

参考这个 方法，修改我们的调用参数

​​
​​

--config=e:/template/yolov3.cfg --model=e:/template/yolov3.weights --classes=e:/template/object_detection_classes_pascal_voc.txt --width=416 --height=416 --scale=0.00392 --input=e:/template/bike.avi --rgb        
 ​​

 

所以我们需要先准备的是yolo.weights 和 yolo.cfg,

​​:      //pjreddie.com/media/files/yolov3.weights      
wget https      :      //github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg?raw=true -O ./yolov3.cfg      
wget https      :      //github.com/pjreddie/darknet/blob/master/data/coco.names?raw=true -O ./coco.names​​

对象识别是CV和DL的经典问题，看看OpenCV自己提供了什么。

本来我使用的是OpenCV4，但是例子代码使用的是最新从网上下载的，开头直接给报了个错

根据我多年程序设计的经验（其实是瞎猜），我认为是不是我的OpenCV版本低了，感觉更新到最新版本（这里注意一下，对于vs2015和2017，opencv提供了prebuild版本，比如叫opencv-4.1.0-vc14_vc15.exe这样的名字，可以从官网直接下载）

注意prebuild是64位的，需要注意选择。然后就可以了，当然由于参数问题，仍然是需要进行修改的。（果然猜对了）

因为已经出现了能够正确运行的命令行，所以这里直接修改即可。

将汽车识别成bird肯定是错误的，但是object detection和class的区别在于跟踪，从显示的结果上来看，就是画框。

这个地方，就体现出了OpenCV DNN的黑盒特性，就是模型训练中的东西，可能是效果非常好的，也可能是效果不好的。

对这块的调节，不是OpenCV的工作，而是深度学习系统的工作—不管它是用什么训练出来的，我们都希望OpenCV能够提供一个接入现有系统的接口。

在深度学习这里，这才是OpenCV的价值。