📚 课程目录第1章 YOLO目标检测环境搭建与图像检测入门

1. YOLO目标检测环境搭建与图像检测入门

任务目标

本案例完成OpenCV与YOLO目标检测的最小可复现环境搭建：使用OpenCV的DNN模块加载YOLOv4预训练模型，对单张输入图像执行目标检测，并在图像中绘制检测框与类别标签。最终通过命令行运行脚本，输出带标注的结果图像。

环境依赖

Python 3.8+
OpenCV：pip install opencv-python opencv-python-headless numpy
模型文件（放入项目目录 model/ 下）：
- yolov4.weights：预训练权重（约245MB），下载地址：https://github.com/AlexeyAB/darknet/releases/download/yolov4/yolov4.weights
- yolov4.cfg：网络配置文件，下载地址：https://raw.githubusercontent.com/AlexeyAB/darknet/master/cfg/yolov4.cfg
- coco.names：80个类别名称文件，每行一个类别名，可从 https://github.com/pjreddie/darknet/blob/master/data/coco.names 获取
测试图像：任意包含常见物体（人、车、猫等）的JPG图片，路径记为 input.jpg

完整实现代码

将以下代码保存为 yolo_detect.py：

import cv2
import numpy as np

# 配置参数
CONF_THRESH = 0.5   # 置信度阈值
NMS_THRESH = 0.4    # 非极大值抑制阈值
INPUT_SIZE = (416, 416)

# 加载类别名称
with open("model/coco.names", "r") as f:
    classes = [line.strip() for line in f.readlines()]

# 加载YOLO网络
net = cv2.dnn.readNet("model/yolov4.weights", "model/yolov4.cfg")
layer_names = net.getLayerNames()
output_layers = [layer_names[i - 1] for i in net.getUnconnectedOutLayers()]

# 读取并预处理图像
image = cv2.imread("input.jpg")
h, w = image.shape[:2]
blob = cv2.dnn.blobFromImage(image, 1/255.0, INPUT_SIZE, swapRB=True, crop=False)
net.setInput(blob)
detections = net.forward(output_layers)

# 解析检测结果
boxes, confidences, class_ids = [], [], []
for output in detections:
    for detection in output:
        scores = detection[5:]
        class_id = np.argmax(scores)
        confidence = scores[class_id]
        if confidence > CONF_THRESH:
            center_x, center_y = int(detection[0]*w), int(detection[1]*h)
            bw, bh = int(detection[2]*w), int(detection[3]*h)
            x, y = int(center_x - bw/2), int(center_y - bh/2)
            boxes.append([x, y, bw, bh])
            confidences.append(float(confidence))
            class_ids.append(class_id)

# NMS去重
indices = cv2.dnn.NMSBoxes(boxes, confidences, CONF_THRESH, NMS_THRESH)

# 绘制检测结果
colors = np.random.randint(0, 255, size=(len(classes), 3), dtype=np.uint8)
for i in indices.flatten():
    x, y, bw, bh = boxes[i]
    label = f"{classes[class_ids[i]]}: {confidences[i]:.2f}"
    color = colors[class_ids[i]].tolist()
    cv2.rectangle(image, (x, y), (x+bw, y+bh), color, 2)
    cv2.putText(image, label, (x, y-5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 1)

# 保存结果
cv2.imwrite("output.jpg", image)
print(f"检测完成，共检测到 {len(indices)} 个目标，结果已保存至 output.jpg")

运行方式

确保项目目录结构为：

.
├── yolo_detect.py
├── input.jpg
└── model/
    ├── yolov4.weights
    ├── yolov4.cfg
    └── coco.names

在项目目录执行：python yolo_detect.py

验证方法与通过标准

运行无报错：程序正常结束，终端输出检测目标数量。
结果文件生成：项目目录下出现 output.jpg。
检测效果正确：打开 output.jpg，图像中可见物体被矩形框标注，框上方显示类别名称和置信度（如 person: 0.92）。若输入图像包含行人、车辆等常见目标，应至少正确框出1个目标。
预期输出示例（假设输入图像中有2个人和1辆车）：检测完成，共检测到 3 个目标，结果已保存至 output.jpg。实际数量取决于输入图像内容与阈值设置。

常见问题

模型加载失败：检查 model/ 目录下三个文件是否存在且文件名与代码一致。
检测不到目标：可适当降低 CONF_THRESH 至0.3，或确认输入图像中物体清晰可见。
运行速度慢：CPU推理约需2-5秒/张属正常现象，可改用GPU版OpenCV加速。