- 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 ，对于视频每一帧图像 包括：当前帧数（第几帧），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），用于后续分析。
- 车辆统计，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。）
- 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。）
压缩包包含以下内容，在5月23日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）
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
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：
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