一、准备数据

先准备一个MP4的视频

1.测试一帧

使用opencv来提取每一个视频的帧

先使用以下代码查看一帧的内容，是否符合预期

import cv2
import matplotlib.pyplot as plt# 打开视频文件
video = cv2.VideoCapture("111.mp4")
# 读取一帧
ret, frame = video.read()plt.imshow(frame)# 颜色通道转换为RBG
frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
plt.imshow(frame_rgb)
plt.axis('off')
plt.show()

 运行结果：

 2.提取每一帧

video = cv2.VideoCapture("111.mp4")
num = 0          # 计数器
save_step = 10   # 间隔帧
while True:ret, frame = video.read()if not ret:breaknum += 1if num % save_step == 0:cv2.imwrite("./images/" + str(num) + ".jpg", frame)

 运行结果：

3.标注工具 

 在之前创建的yolov5中安装labelimg

pip install labelimg

在终端中使用命令打开窗口

labelimg

在labelimg窗口中，点击"Open Dir"，选择刚才提取视频帧的文件

选择"YOLO"格式，点击图中的位置会切换

 点击"View"选择"Auto Save mode"

 点击窗口中的"Save"，选择保存路径

为每一帧图片进行标注 

点击"Create RectBox",为图中人物进行框选，并命名，之后点击"ok",之后的每一张类似这样的操作

 标注完成后，点击保存图片信息的文件夹

 二、数据调整

• images:存放图片
  • train:训练集图片
  • val：验证集图片
• label：存放标签
  • train：训练集标签文件（要与训练集图片名称一致）
  • val：验证机标签文件（要与训练集图片名称一致）

创建一个dataset将数据全部存入其中

 

注意：label中的clesses.txt要在此文件的根目录下

最后的目录结构

 

 

三、模型训练参数设置 

将images中的train和label，复制到yolov5文件夹下的data/images中

 在data根目录下创建一个yaml文件

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ./datasets # dataset root dir
train: images/train # 训练集的图片
val: images/val # 验证集的图片
test: # test images (optional)# Classes.txt中的内容填入其中
names:0: baiyi1: xiaoqiao

将yolov5根目录下的train.py中修改

四、启动模型训练

在终端中使用命令启动

python train.py

正在运行的输出：

 运行成功后：

点击runs/train/exp 可以看到结果

使用detect.py来检测目标视频 

python detect.py --weights runs/train/exp/weights/best.pt --source dataset/111.mp4 --view-img

 在runs/train/exp中即可找到目标文件