yolo是一個非常流行的計算機視覺目標檢測框架，適合於精度要求不高但實時性非常高的場合，比如馬路口的人流車流識別。現在最新版v6剛剛發佈，本例還是使用v5。由於yolov5是依賴於pytorch的，還用到opencv，所以這兩個環境需要提前搭建好，然後就可以直接使用yolo了。yolov5的github地址：https://github.com/ultralytics/yolov5。
一、準備工作
直接下載上面github地址的yolov5後，還需要下載預訓練模型文件到yolov5-master的根目錄。有4個模型，分別爲：yolov5s.pt、yolov5m.pt、yolov5l.pt、yolov5x.pt。我們這裏選擇5s（模型更小，速度更快），各項指標如下截圖：
在yolov5-master的data目錄裏，存放的是各類數據文件。yolo支持圖片、視頻等格式文件的檢測。檢測結果存放在yolov5-master中的runs-detect目錄裏。其中視頻文件，yolo會取視頻的每一幀進行檢測識別並標註，然後合併生成新的標註過的視頻文件存放在runs目錄下的detect文件夾裏。
二、執行命令
運行yolo目標檢測非常簡單，只需要在yolov5-master目錄下，打開cmd，輸入如下命令即可。
圖像：python detect.py --source ./data/images/ --weights yolov5s.pt --conf 0.4
視頻：python detect.py --source ./data/videos/test1.mp4 --weights yolov5s.pt --conf 0.4
實時視頻（攝像頭）：python detect.py --source 0 --weights yolov5s.pt --conf 0.4
三、檢測結果：
-
圖像
![]()
-
實時視頻
![]()
