Object detection (yoloV8)

การพัฒนาโปรแกรมตรวจจับวัตถุในภาพด้วย Model yoloV8

การพัฒนาโปรแกรมตรวจจับขนาดของวัตถุในภาพ (Count Object) ซึ่งมีขั้นตอนดังนี้   คลิกเพื่อโหลดภาพ

yolov8_object_detection_on_custom_dataset.ipynb - Colab 

train: ../dataset003/images/training

val: ../dataset003/labels/validation

#number of classes

nc: 3

#class names

names: ['1','2','3']

👉การทดสอบโปรแกรมตรวจจับวัตถุในภาพด้วย Model yoloV8 โดยรับภาพจากกล้อง cctv HIKVISION ด้วยการสื่อสารแบบ RTSP

import cv2

from ultralytics import YOLO

import threading

import queue

# RTSP URL of the camera

rtsp_url = "rtsp://admin:Vision321@192.168.1.64:554/Streaming/Channels/101"

# Queue to hold frames

frame_queue = queue.Queue(maxsize=1)  # Limit queue size to 1 to always get the latest frame

# Function to read frames from the RTSP stream

def capture_frames():

    cap = cv2.VideoCapture(rtsp_url)

    cap.set(cv2.CAP_PROP_BUFFERSIZE, 1)  # Set buffer size to 1

    while True:

        ret, frame = cap.read()

        if not ret:

            print("Error: Failed to read frame.")

            break

        # Add the frame to the queue, discarding old frames if the queue is full

        if frame_queue.full():

            frame_queue.get()  # Discard the oldest frame

        frame_queue.put(frame)

    cap.release()

# Start the frame capture thread

threading.Thread(target=capture_frames, daemon=True).start()

# Load YOLO model

yolo = YOLO('yolov8s.pt')

# Function to get colors for classes

def getColours(cls_num):

    base_colors = [(255, 0, 0), (0, 255, 0), (0, 0, 255)]

    color_index = cls_num % len(base_colors)

    increments = [(1, -2, 1), (-2, 1, -1), (1, -1, 2)]

    color = [base_colors[color_index][i] + increments[color_index][i] * 

    (cls_num // len(base_colors)) % 256 for i in range(3)]

    return tuple(color)

# Main loop to process frames

while True:

    if not frame_queue.empty():

        frame = frame_queue.get()

        # Resize the frame

       # frame = cv2.resize(frame, (500, 300))

        # Use YOLO for object detection and tracking

        results = yolo.track(frame, stream=True)

        # Loop through the results from YOLO

        for result in results:

            classes_names = result.names

            for box in result.boxes:

                if box.conf[0] > 0.4:

                    x1, y1, x2, y2 = map(int, box.xyxy[0])

                    cls = int(box.cls[0])

                    class_name = classes_names[cls]

                    colour = getColours(cls)

                    # Draw bounding box and label

                    cv2.rectangle(frame, (x1, y1), (x2, y2), colour, 2)

                    cv2.putText(frame, f'{class_name} {box.conf[0]:.2f}', (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 1, colour, 2)

        # Display the frame

        cv2.imshow('frame', frame)

    # Exit on 'q' key press

    if cv2.waitKey(1) & 0xFF == ord('q'):

        break

cv2.destroyAllWindows()

เมื่อรันโปรแกรมแล้วผลลัพท์ที่ได้

import cv2

from ultralytics import YOLO

# โหลดโมเดล YOLO

yolo = YOLO('yolov8s.pt')

# โหลดวิดีโอ

videoCap = cv2.VideoCapture(0)  # 0 หมายถึงใช้กล้อง default ของเครื่อง

# ฟังก์ชันสำหรับเลือกสีของคลาส

def getColours(cls_num):

    base_colors = [(255, 0, 0), (0, 255, 0), (0, 0, 255)]

    color_index = cls_num % len(base_colors)

    increments = [(1, -2, 1), (-2, 1, -1), (1, -1, 2)]

    color = [base_colors[color_index][i] + increments[color_index][i] * 

    (cls_num // len(base_colors)) % 256 for i in range(3)]

    return tuple(color)

while True:

    ret, frame = videoCap.read()

    if not ret:

        continue

    # ใช้ YOLO ในการตรวจจับและติดตามวัตถุในเฟรมปัจจุบัน

    results = yolo.track(frame, stream=True)

    # วนลูปผลลัพธ์ที่ได้จาก YOLO

    for result in results:

        # ดึงชื่อคลาส

        classes_names = result.names

        # วนลูปทุกรายการที่ตรวจพบ

        for box in result.boxes:

            # ตรวจสอบค่า confidence

            if box.conf[0] > 0.4:

                # ดึงพิกัดของกล่อง

                [x1, y1, x2, y2] = box.xyxy[0]

                # แปลงเป็น integer

                x1, y1, x2, y2 = int(x1), int(y1), int(x2), int(y2)

                # ดึงคลาส

                cls = int(box.cls[0])

                # ดึงชื่อคลาส

                class_name = classes_names[cls]

                # ดึงสีที่เซ็ตไว้สำหรับคลาสนั้น

                colour = getColours(cls)

                # วาดสี่เหลี่ยมล้อมตัววัตถุ

                cv2.rectangle(frame, (x1, y1), (x2, y2), colour, 2)

                # แสดงชื่อคลาสและค่า confidence บนภาพ

                cv2.putText(frame, f'{classes_names[int(box.cls[0])]} {box.conf[0]:.2f}', (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 1, colour, 2)

    # แสดงภาพที่ได้หลังจากประมวลผล

    cv2.imshow('frame', frame)

    # หยุดการทำงานเมื่อกด 'q'

    if cv2.waitKey(1) & 0xFF == ord('q'):

        break

# คืนทรัพยากรและปิดหน้าต่างทั้งหมด

videoCap.release()

cv2.destroyAllWindows()