大家好，又见面了，我是你们的朋友全栈君。
最近做了一个新的项目,需要将图片或者视频中的人员是否戴安全帽识别出来,并且在网站上进行显示.使用Tensorflow yolo3,后端框架为Django。本机配置为AMD4600 1650显卡
2022.3.27日更新：
已完成对外部摄像头的测试，功能正常！
2022.3.20 日更新：
1.重新使用Flask 写了后端
2.将视频识别的结果返回到了网页中，而不是传统的cv 窗口显示。
存在问题：内存堆积，停止请求后，测试发现cv2还会持续读取视频数据一段时间，如果此时再次进行视频或者摄像头识别容易造成内存泄露问题，暂未解决，持续优化中。
2022.3.14 日更新：
优化了后端识别代码，识别速度更快。
视频地址：tensorflow yolo安全帽识别优化版_哔哩哔哩_bilibili
https://www.bilibili.com/video/BV1Aq4y1q7Hk?p=2
tensorflow yolo安全帽识别优化版
首先是正常的登录注册
代码语言：javascript复制def my_login(request):
if request.method == "GET":
return render(request, 'auth/auth.html')
else:
form = LoginForm(request.POST)
if form.is_valid():
username = form.cleaned_data.get('username')
password = form.cleaned_data.get('pwd')
next = form.cleaned_data.get("next")
if next:
next_url = next.split("=")[1]
else:
next_url = ""
user = authenticate(request,username=username,password=password)
# print("user",user)
if user:
login(request,user)
request.session.set_expiry(None)
data = {
"next_url":next_url
}
return restful.result(data=data)
else:
return restful.noauth(message="用户名或者密码错误!")
else:
print(form.get_error())
return restful.paramserror(form.get_error())
目前登录注册有很多方式,这个比较常规,用户名密码登录,也没有写的很复杂.
接下来就是主要功能页面了
部分识别代码：
代码语言：javascript复制 while vid.isOpened():
_q, image = vid.read()
frame_id = 1
t1 = time.time()
image_h, image_w, _ = image.shape
bbox_thick = int(1.5 * (image_h image_w) / 600)
person_box, helmet_box, bboxes = T.detect_image(image)
person_box = utils.xyxy2xywh(person_box)
features = encoder(image, person_box)
detections = [Detection(bbox, 1.0, feature) for bbox, feature in zip(person_box, features)]
boxes = np.array([d.tlwh for d in detections])
scores = np.array([d.confidence for d in detections])
indices = preprocessing.non_max_suppression(boxes, nms_max_overlap, scores)
detections = [detections[i] for i in indices]
[detections[i].match_helmet(helmet_box) for i in range(len(detections))]
tracker.predict()
tracker.update(detections, frame_id)
if len(tracker.lossed) > 0:
pass
for id, track in enumerate(tracker.tracks):
if not track.is_confirmed() or track.time_since_update > 1:
continue
bbox = track.to_tlbr()
cv2.rectangle(image, (int(bbox[0]), int(bbox[1])), (int(bbox[2]), int(bbox[3])), track.color,
bbox_thick)
cv2.putText(image, str(track.track_id), (int(bbox[0]), int(bbox[1])), 0, 0.0015 * image_h, (0, 255, 0),
bbox_thick // 2)
if track.is_no_helmet:
cv2.putText(image, str('no helmet'), (int(bbox[0] bbox[2]) // 2, int(bbox[1])), 0,
0.0012 * image_h, (0, 0, 255), bbox_thick // 2)
no_hat = 1
else:
if track.helmet is not None:
bbox = track.helmet
cv2.rectangle(image, (int(bbox[0]), int(bbox[1])), (int(bbox[2]), int(bbox[3])), track.color,
bbox_thick)
cv2.putText(image, str('Helmet'), (int(bbox[0] bbox[2]) // 2, int(bbox[1])), 0,
0.0012 * image_h, (0, 0, 255), bbox_thick // 2)
for i, (x, y) in enumerate(track.tracker_path[1:]):
pre_x, pre_v = track.tracker_path[i]
cv2.line(image, (int(pre_x), int(pre_v)), (int(x), int(y)), track.color, bbox_thick)
cv2.imshow('VideoShow---Press q to exit!', image)
fps = (fps (1. / (time.time() - t1))) / 2
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# elif cv2.getWindowProperty("VideoShow", cv2.WND_PROP_AUTOSIZE) < 1:
# break
# if cv2.waitKey(1) == 27:
# break
# print("no_hat",no_hat)
vid.release()
cv2.destroyAllWindows()
如上图所示,可以进行图片及视频识别
正在进行识别
识别代码使用的是tensorflow opencv ,识别结果还可以.
具体效果
此项目的完整带啊以及上传到了面包多，需要的可以前往下载，传送门：
