教你用YOLOv5实现多路摄像头实时目标检测功能

前言

yolov5模型从发布到现在都是炙手可热的目标检测模型，被广泛运用于各大场景之中。因此，我们不光要知道如何进行yolov5模型的训练，而且还要知道怎么进行部署应用。在本篇博客中，我将利用yolov5模型简单的实现从摄像头端到web端的部署应用demo，为读者提供一些部署思路。

一、yolov5的强大之处

你与目标检测高手之差一个yolov5模型。yolov5可以说是现目前几乎将所有目标检测tricks运用于一身的模型了。在它身上能找到很多目前主流的数据增强、模型训练、模型后处理的方法，下面我们就简单总结一下yolov5所使用到的方法：

yolov5增加的功能：

yolov5训练和预测的tr两只老虎电子琴谱icks：

二、yolov5部署多路摄像头的web应用

1.多路摄像头读取

在此篇博客中，采用了yolov5源码的datats.py代码中的loadstreams类进行多路摄像头视频流的读取。因为，我们只会用到datats.py中视频流读取的部分代码，所以，将其提取出来，新扫荡波建一个camera.py文件，下面则是camera.py文件的代码部分：

2.模型封装

接下来，我们借助detect.py文件对yolov什么是机电一体化5模型进行接口封装，使其提供模型推理能力。新建一个yolov5.py文件，构建一个名为darknet的类，使用函数detect，提供目标检测能力。其代码如下：

此外，还需要提供一个模型配置文件，我们使用json文件进行保存。新建一个yolov5_config.json文件，内容如下：

视频图像文件可以是单独的一张图像，如:”…/images/demo.jpg”，也可以是一个视频文件，如：&#北京约8221;…/videos/demo.mp4″，也可以是一个视频流地址，如：“rtsp://wowzaec2demo.streamlock.net/vod/mp4:bigbuckbunny_115k.mov”，还可以是一个txt文件，里面包含多个视频流地址，如：

– 有了如此配置信息，通过运行yolov5.py代码，我们能实现对视频今年立秋几时几分几秒文件（mp4、avi等）、视频流地址（http、rtsp、rtmp等）、图片（jpg、png）等视频图像文件进行目标检测推理的效果。

3.flask后端处理

有了对模型封装的代码，我们就可以利用flask框架实时向前端推送算法处理之后的图像了。新建一个web_main.py文件：

通过detect_gen函数将多个视频流地址推理后的图像按照feed_type类型，通过video_feed视频流路由进行传送到前端。

4.前端展示

最后，我们写一个简单的前端代码。首先新建一个templates文件夹，再在此文件夹中新建一个index.html文件，将下面h5代码写入其中：

至此，我们利用yolov5模型实现多路摄像头实时推理代码就写完了，下面我们开始运行：

– 在终端中进行跟目录下，直接运行：

然后，会在终端中出现如下信息：

* 接着打开浏览器，输入localhost:5000后，终端没有报任何错误，则就会出现如下页面：

总结

1. 由于没有额外的视频流rtmp/rtsp文件地址，所以就找了一个公开的视频流地址，但是没有办法看到检测效果；

2. 部署的时候，只能使用视频流地址进行推理，且可以为多个视频流地址，保存为stream.txt，用yolov5_config.json导入；

3. 此demo版本为简易版的端到端模型部署方案，还可以根据场景需要添加更多功能。

到此这篇关于用yolov5实现多路摄像头实时目标检测功能的文章就介绍到这了,更多相关yolov5多路摄像头实时目标检测内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！