《基于 YOLO 的车辆自动检测与流量统计》

两人组队形式完成交通科技创新竞赛实验训练，是课程期末成绩的重要评价标准，请认真对待！

Note

创新是最大的加分项！

作业鼓励交流，但是禁止抄袭

作业要求

任务一：车辆检测，保存识别结果

自行拍一段30s左右的视频，将识别结果存成 txt，csv 或其他格式，用于后续分析，对于视频每一帧图像 包括：

1. 当前帧数（第几帧）
2. 每一个目标：类别，置信度，boundingbox 对角点坐标 （左上与右下角点坐标）

任务二：统计分析，自定义分析目标

以下是往届自定义目标的示例：

• 统计当前帧每个车道车辆数，并实时显示。（拉取四边形代表某条车道范 围，判断该四边形内有多少各目标。）
• 统计每条车道累计车辆数。（划定虚拟检测线 or 线圈，经过则计数。）

任务三：进一步讨论

根据检测结果与目标，在实验结果中进一步分析。（如讨论交通量、光照、遮挡，使用的算法等影响因素对结果的影响，该部分同样纳入作业评定中。）

提示：如何跑通YOLOv3

阅读YOLOv3 目标检测算法《YOLO: Real-Time Object Detection》的论文和官方权重地址，推荐阅读教程：

1. Part01 理解 YOLO 工作过程
2. Part02 网络框架创建
3. Part03 实现网络的正向推理
4. Part04 置信阈值和 NMS 算法
5. Part05 设计完整的 pipeline

提交形式:

压缩包包含以下内容，在四周之后的24:00之前发送至[email protected]

/src：可执行的源代码

/video：原始视频和识别后的视频

/output：识别结果文件

/report：分析报告（实验目标、方法、结果、讨论、参考）

常见代码

wget https://pjreddie.com/media/files/yolov3.weights # 保存权重到根目录

python detect.py #图片识别

python video.py --video run.mp4 #视频识别

示例代码一(line 160)：对output的结果进行计数，并write到frame上

示例代码二(line 174)：判断是否在四边形区域中，可以作为虚拟线圈和车道流量识别参考

YOLO_v3_tutorial_from_scratch（原项目地址）

Accompanying code for Paperspace tutorial series "How to Implement YOLO v3 Object Detector from Scratch"

Here's what a typical output of the detector will look like ;)

This code is only mean't as a companion to the tutorial series and won't be updated. If you want to have a look at the ever updating YOLO v3 code, go to my other repo at https://github.com/ayooshkathuria/pytorch-yolo-v3

输出结果：

One more thing: 训练你的Yolo v3

如果有更进一步的希望可以训练自己的YOLOv3权重的，可以参考GitHub上的其他教程（不推荐），参考仓库：[PyTorch-YOLOv3_kiki]https://github.com/kikizxd/PyTorch-YOLOv3_kiki

Cheers