yolov5 + pyqt5 口罩识别系统实战 _python

文章目录

前言
yolov5部分
- 环境配置
- 程序结构
- 程序测试
pyqt5部分:
- 环境配置
- 程序结构
小总结

前言

本项目用yolov5识别口罩，然后用pyqt5做ui形成程序界面，适合快速入门 yolov5 pyqt5 和交大作业及轻度毕设的小伙伴们~~

项目包含很少的编码,只说必要的点，仅需一点python基础和一丁点的模型训练基础即可完成，成品我放在最后了(打包下载即可运行)。

支持图片和摄像头实时监测。
实现效果图:

yolov5部分环境配置

yolov5实际上就是个小框架，用来做图像分类的，先把这个小框架下载下来 github地址:https://github.com/ultralytics/yolov5

本项目使用的是 5.0的版本 :

下载下来之后的压缩包解压，然后将整个文件拖到pycharm里。

拖进去之后会有一堆文件，我们只看下面这两个文件。

我们要做的就是运行这俩文件做到不报错就算环境配置完成了。

所需要的库都在这个记事本里。

可以在终端输入 pip3 install -r requirements.txt 来安装这个记事本里的全部需要的库，不过不建议windows系统下这么做。

windows系统下这里有个坑就是pycocotools 这个库。

没有办法通过pip直接安装这个库。

两个解决办法

直接运行pip3 install pycocotools-windows,这个方法有个小缺陷，就是在某些情况下系统依旧会显示警告信息–找不到pycocotools库，但是程序可以正常运行，
第二种方法就是自行下载 pycocotools库，安装包https://pan.baidu.com/s/1nWQdPRtGwNnOO2DkxRuGuA提取码：i5d7 。下载下来之后解压，解压下来的文件， conda环境放到 \Lib\site-packages之中，python环境放到 site-packages中。

在配置环境过程中遇到的一些问题，warning级别错误直接无视，报红色的错复制到百度也都有解决办法这里就不一一说了。

程序结构

说一下yolov5的程序结构，大体流程非常简单的说就是我们将标注好的图片打包给 train.py这个文件，叫这个文件去训练，训练完成之后程序会将一些学习好的参数保存下来，然后将需要识别的图片和刚才保存好的参数给 detect.py文件让他去识别。

什么叫标注好的图片呢？就是我们通过人工的手段去给图片分类，比如下面这样:

通过一些工具将图片中的车和人手动的用矩形框框起来了，这样N张不同的图片打包在一起输出一些特定的数据格式，就变成数据集了。

现在的思路就很简单了，我们只需要一个数据集，就是一个打包了 N张已经人工标注好的口罩图片，吧这个数据集扔给train.py去训练，吧训练好的参数 + 一个需要识别的图片扔给 detect.py去识别就完成了。

介绍一些必须知道的几个参数。

首先看 train.py这个文件，直接拉到457行左右的main函数里，可以看到里面有一堆 parser.add_argument 这个东西。
像下面这样:

    parser.add_argument('--weights', type=str, default='yolov5s.pt', help='initial weights path')
    parser.add_argument('--cfg', type=str, default='models/yolov5s.yaml', help='model.yaml path')
    parser.add_argument('--data', type=str, default='data/coco128.yaml', help='data.yaml path')

第一个是参数，第二个类型，第三个默认值，第四个帮助信息。

train.py这个用于训练的文件只需要知道三个。

第一个 --weights 就是告诉程序你要设置怎样的预参数，就是训练之前要设置什么参数。这里可以看到我设置的是使用yolov5s.pt的参数作为程序的预参数。
第二个 --cfg 这里就是告诉程序你要用什么网络模型去训练。我用的 yolov5s的网络模型。
第三个 – data 这里是告诉程序你要训练什么数据集，我设置的coco128用来测试程序，我们这次要训练口罩数据集，所以后面要改地址。

然后就是 detect.py 这个用于识别的文件，有两个需要知道的参数。

第一个 --weights 上面已经说过了在这个文件中基本意思也是一样的，这是告诉程序要使用什么样的参数进行识别。
第二个 --source 这个参数就是告诉程序你要识别的图片或者视频在哪里，填入一个文件地址。

上面这些参数需要修改的话就直接填在 default 后面就行了。
其他的参数本项目中可以不了解。

程序测试

这里我先用已经训练好的口罩数据来测试一下程序。
口罩数据集可以在网上找一下下载下来自己训练，不过比较费时间。训练好的文件我会放到最后，大家直接拿来用就可以了。

看一下我的程序目录结构:

本次用到的图片:

可以看到我将要识别的图片放到了 images下面。

然后再detect.py里修改下面的代码

    parser.add_argument('--source', type=str, default=r'./data/images/R-C.jpg', help='source')  # file/folder, 0 for webcam

运行后程序识别结果保存在 runs\detect\exp 下，可以看到程序结果。

上面这是图片检测，如果想用本地电脑摄像头实时检测，则将 --source 里面的default设置成 0，然后再去 utils里的 datasets的279行将两个url强转成str 型就行了。

detect.py里改：

    parser.add_argument('--source', type=str, default='0', help='source')  # file/folder, 0 for webcam

utils里改:

            if 'youtube.com/' in str(url) or 'youtu.be/' in str(url):  # if source is YouTube video

到这里yolov5的程序就ok了，下面开始给程序打包做可视化界面。

pyqt5部分: 环境配置

先安装一下pyqt5

pip install PyQt5
pip install PyQt5-tools

然后打开pycharm里配置一下。

添加下面俩个工具件:

Program D:\Anaconda3\Lib\site-packages\qt5_applications\Qt\bin\designer.exe

Arauments : $FileName$

Working directory : $FileDir$

这里的Program 找你环境的安装地址，如果是 conda则在这里…Lib\site-packages\qt5_applications\Qt\bin\designer.exe。

然后再添加一个 :

Arguments : $FileName$ -o $FileNameWithoutExtension$.py

环境配置到这就算基本完成了。

程序结构

下面讲一下必要的点，因为pyqt5是个工具包，不想yolo那样的小框架，所以没有原始代码。这里建议去后面下载下来我写好的代码来看后面的讲解。

打开main.py文件:
看下面这四行代码:

layout = QVBoxLayout()
self.btn = QPushButton("加载图片")
self.btn.clicked.connect(self.getfile)
layout.addWidget(self.btn)

QVBoxLayout（）:表示垂直布局。

self.btn = QPushButton("加载图片") :这就是设置了一个按钮。

self.btn.clicked.connect(self.getfile):表示当按下 btn这个按钮之后要触发的事件放到 getfile函数里了。

layout.addWidget(self.btn) 将按钮btn加入到了前面设置的垂直布局中了。

同理我们再添加一个按钮用于摄像头检测.

self.btn1 = QPushButton("加载本地摄像头")
self.btn1.clicked.connect(self.getfiles)
layout.addWidget(self.btn1)

顺便设置一下标题:self.setWindowTitle("口罩识别系统")

做完之后运行测试一下是这样的:

设计触发事件的函数:

按下加载图片按钮的触发事件函数:
首先先写这两行。

self.fname, _  = QFileDialog.getOpenFileName(self, 'Open file',r'C:\Users\Administrator\Desktop\yolov5-5.0\data\images',"Image files (*.jpg *.gif)")
self.le.setPixmap(QPixmap(self.fname))

getOpenFileName():返回用户所选择文件的名称，并打开该文件
第一个参数用于指定父组件
第二个参数指定对话框标题
第三个参数指定目录
第四个参数是文件扩展名过滤器

此时 fname 里保存的就是用户上传上来的图片所保存的路径。

然后我们编辑出来文件路径用os库运行yolov5的图片识别文件。

str=(r'python C:\Users\Administrator\Desktop\yolov5-5.0\detect2.py --source ' + self.fname+ ' --exist-ok ')
os.system(str)  # 运行图片识别文件

str就是拼接好的文件路径。
简单说一下str里的参数
第一个参数 python 不解释啦~
第二个参数告诉程序要运行的文件路径
后面的参数是这个文件接受的参数。

–source 这个参数上面说过了，表示要识别的文件路径，

–exist-ok 表示每次都存放在 exp下,不然每次运行都是 exp1 exp2 exp3 这样递增很麻烦。

然后我们还要将识别好的图片拿出来进行展示。
我这里用PIL库展示图片。

path = os.listdir(r'C:\Users\Administrator\Desktop\yolov5-5.0\runs\detect\exp')
s = path[0]
pathend = r'C:\Users\Administrator\Desktop\yolov5-5.0\runs\detect\exp'+ '\'+ s
I = Image.open(pathend)
I.show()

os.listdir 用来读取文件路径下的文件名

我们拼接一下路径。
然后用PIL里的open方法读取图片，show展示出来就行了。

def getfiles(self):   # 加载摄像头
        str=(r'python C:\Users\Administrator\Desktop\yolov5-5.0\detect.py ')   # python命令 + B.py + 参数：IC.txt'
        os.environ['CUDA_LAUNCH_BLOCKING'] = '1' # 不加这个可能会报错
        os.system(str)

再设计一下摄像头的触发函数。

这个就比较简单了，像上面一样 str拼接命令给os然后运行文件就行啦。

def getfiles(self):   # 加载摄像头
        str=(r'python C:\Users\Administrator\Desktop\yolov5-5.0\detect.py ')   # python命令 + B.py + 参数：IC.txt'
        os.environ['CUDA_LAUNCH_BLOCKING'] = '1' # 不加这个可能会报错
        os.system(str)