首页
/ YOLOv5目标检测中的类别限制与坐标获取技术解析

YOLOv5目标检测中的类别限制与坐标获取技术解析

2025-04-30 15:03:32作者:虞亚竹Luna

引言

YOLOv5作为当前流行的实时目标检测框架,在实际应用中经常需要针对特定需求进行定制化开发。本文将深入探讨如何在YOLOv5中实现两个关键技术点:限制检测类别范围以及获取目标坐标信息,并结合实际应用场景给出完整解决方案。

类别限制实现方法

在YOLOv5中限制检测类别是一项常见需求,可以通过以下两种方式实现:

命令行参数方式

在执行检测脚本时,通过--classes参数指定需要检测的类别索引:

python detect.py --source 0 --weights yolov5s.pt --classes 0 1 2

上述命令将只检测类别0、1和2的目标,其他类别将被忽略。

编程接口方式

在Python脚本中,可以通过设置classes参数实现同样的效果:

from yolov5 import YOLOv5

model = YOLOv5("yolov5s.pt")
results = model.detect("input.jpg", classes=[0, 1, 2])

目标坐标获取技术

获取检测目标的坐标信息是许多应用的基础,以下是详细的实现方法:

基础坐标获取

YOLOv5的检测结果包含丰富的目标信息,其中xyxy属性提供了目标的边界框坐标:

import torch

model = torch.hub.load('ultralytics/yolov5', 'yolov5s')
results = model("input.jpg")

for box in results.xyxy[0]:
    x1, y1, x2, y2, conf, cls = box
    print(f"左上角坐标: ({x1}, {y1}), 右下角坐标: ({x2}, {y2})")

中心点计算

对于需要跟踪目标的场景,计算边界框中心点十分有用:

x_center = (x1 + x2) / 2
y_center = (y1 + y2) / 2

树莓派平台优化实践

在树莓派等资源受限设备上运行YOLOv5需要特别注意性能优化:

实时视频处理实现

import cv2

cap = cv2.VideoCapture(0)
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    
    results = model(frame)
    for box in results.xyxy[0]:
        x1, y1, x2, y2, conf, cls = box
        # 处理逻辑...

性能优化技巧

  1. 使用轻量级模型(如yolov5n)
  2. 降低输入分辨率(320x240)
  3. 合理设置检测阈值
  4. 优化循环处理逻辑

实际应用案例:目标跟踪系统

结合上述技术,可以实现一个完整的目标跟踪系统:

def control_motor(x_center, frame_center, threshold=20):
    if x_center < frame_center - threshold:
        print("向左调整")
    elif x_center > frame_center + threshold:
        print("向右调整")
    else:
        print("目标已居中")

frame_center = frame.shape[1] / 2
control_motor(x_center, frame_center)

其中阈值参数可根据实际场景调整,较小的值使系统更敏感,较大的值使系统更稳定。

总结

通过本文介绍的技术方法,开发者可以灵活地在YOLOv5中实现类别限制和目标坐标获取功能,并成功应用于树莓派等嵌入式平台。这些技术为智能监控、自动跟踪等应用场景提供了可靠的基础解决方案。在实际应用中,建议根据具体需求调整参数,并通过实验找到最优配置。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
47
253
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
347
381
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
871
516
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
263
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
131
184
kernelkernel
deepin linux kernel
C
22
5
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
7
0
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
335
1.09 K
harmony-utilsharmony-utils
harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
31
0
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0