文章目录[隐藏]

文章内容：
1.在 Anaconda 环境下，进行目标检测程序（Yolov5）的下载及安装，实现 Yolov5 的整体安装；
2.通过调用手机摄像头进行简单的目标检测和识别。

1 任务目标

2 任务环境

在下载配置 Yolov5 之前，需要先安装好 Anaconda 环境，新建虚拟环境，并进入。

这里我之前已经创建好了名为“ PyCharmLearningProject ”的虚拟环境。(名字不重要)
通过“win+R”进入命令提示符
输入命令“ activate PyCharmLearningProject ”进入虚拟环境
下载 Yolov5 源码
Yolov5 Github下载地址：https://github.com/ultralytics/yolov5

直接 git clone 到本地工作目录。
在刚才的命令窗口输入命令：
“ git clone https: //github.com/ultralytics/yolov5 ”，
等待下载完成。
下载后可以看到目录架构：

这是已经训练好的权重参数数据，可以直接使用，就不用在本机再做练习了。

进入下载地址：https://github.com/ultralytics/yolov5/releases
可以看到如下界面：
找到最新的 release ,点击下面的 Assets 下载 .pt模型文件。
其中，yolov5 共有四种模型：yolov5s、yolov5m、yolov5l、yolov5x。其中 yolov5s 目标检测速度最快，因为其网络参数最少，但相应的，检测效果相比是最差的；而 yolov5x 是检测效果最好的，参数最多，而时间上最慢。
可以根据需要选择模型文件下载到 yolov5 源目录。
下载完可以看到，我选择了四个都下载到了 yolov5 目录下。如下：

注意：在之后通过 detect.py 对图像进行目标检测的实际操作时，detect.py 默认使用同目录下的 yolov5s.pt 模型，如果想用其他的模型，可以在命令里加入调用来指定。

源码下完后，下面开始安装Yolov5所需模块。

先在命令行里打开 yolov5 目录
输入:“cd yolov5”
接着在命令行里，
输入“pip install -r requirements.txt”，等待安装完成即可。（pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple 命令会更快！！）
由于 requirements.txt 依赖包里默认安装的 pytorch-cpu 版，如果有 cuda 可以安装 pytorch-gpu 版：https://pytorch.org/get-started/locally/ ，提升速度。
在官网里下载 pytorch-gpu 速度会比较慢，快速下载具体操作可以参考这篇博客：安装Torch GPU版本

注意：这里我们最好安装 GPU 版本。亲测发现使用 GPU 版大大提升了运行速率，相比于 CPU ，GPU 对视频的检测速率提升了近10倍！（不同设备的运行速率可能不同）

在这里插入图片描述
将下面的命令在命令行输入执行即可完成安装 torch 的 GPU 版本。

到这里，Yolov5 就全部安装完成。

python detect.py --source ./data/images/1.jpg

在这里插入图片描述
可以看到处理时间只有 0.03 s。
结果可以再“ yolov5\runs\detect ”里找到

python detect.py --source data/video/luhan.mp4

在这里插入图片描述
可以看到处理时间只有 0.01 s左右。
结果可以再“ yolov5\runs\detect ”里找到

在这里插入图片描述

在这里插入图片描述
检测出的视频效果还是可以的，清晰度也是有的，只是我这里上传的是压缩之后的动图，看起来有些模糊。

python detect.py --source 0

在这里插入图片描述
可以看到处理时间只有 0.02 s左右。
结果可以再“ yolov5\runs\detect ”里找到。

手机上的准备：
在手机上下载 IP 摄像头，并安装。
安装步骤具体可以移步到我的另一篇博客：Python+OpenCV 调用手机摄像头并实现人脸识别。这里不再赘述。
在命令行进入虚拟环境：PyCharmLearningProject
进入 yolov5 目录，输入：“cd yolov5”
调用手机摄像头
命令行输入：
“python detect.py --source http://admin:admin@192.168.43.1:8081”；
即可调用执行。