opencv随笔记录:2.anaconda+windows系统下实现视频目标识别yolov3

心路历程

俗话说的好，装逼兴趣是学习的第一生产力。安装了opencv，总得搞点事情吧。
只是进行简单的图片识别，可能还足以激起我的兴趣。在网上看到过视频识别，心想实现这个应该会有点意思。
后来搜索到了yolov3可以实现目标识别，而且是目前比较厉害的目标识别（官方是这样说的），但是官网给出的例子是 linux以及macos系统上的，我简单在windows试了下，完全不行。
我没死心，在windows上利用VMware装了ubuntu16.0.4虚拟机，确实安装好了虚拟环境，但是幺蛾子又出现了，计算速度太慢，34s计算一张图片你敢信？后来说是利用gpu加速才可以。然鹅虚拟机怎么进行gpu加速？这是个伪命题。于是我又回到了问题的起点。。。

后来我在GitHub上找到了window上用anaconda实现的方法。但是呢，文档(<<此处是原文链接，感兴趣可以看一下)是全英的，视频是全英的（发音还一股咖喱味），而且下载源在外国，下载速度非常的感人，尤其是在下载cudn的时候。。所以我自己对原始的yml文件进行了修改，把下载源修改到了国内的清华镜源。非常快就可以下载好（大约是不修改前的几千倍把，我认真的，一点没夸张）
因此这篇文章就是为了让你能在自己的windows电脑上快速地使用anaconda快速搭建一个yolo视频检测项目（如果一切顺利，十分钟后，你就可以拿着你识别的视频拿去装逼玩耍了）

（之前这个blog没写完便搁置了，有一个网友询问了我一下，看来还是有市场需求的嘛，决定写完"造福"下广大c友，哈哈哈哈，如果觉得有用，关注下我呗！！！）

1.创建yml文件

使用txt文档复制下面的话，然后将.txt后缀改为.yml,命名为yolo.yml

name: yolov3
channels:- jmcmurray- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/- anaconda- defaults
dependencies:- _tflow_190_select=0.0.1=gpu- absl-py=0.3.0=py35_0- alabaster=0.7.11=py35_0- asn1crypto=0.24.0=py35_0- astor=0.7.1=py35_0- astroid=2.0.2=py35_0- babel=2.6.0=py35_0- backcall=0.1.0=py35_0- backports=1.0=py35he88aa47_1- backports.weakref=1.0.post1=py35hf13df52_0- blas=1.0=mkl- bleach=2.1.3=py35_0- ca-certificates=2018.03.07=0- certifi=2018.8.24=py35_1- cffi=1.11.5=py35h945400d_0- chardet=3.0.4=py35_1- cloudpickle=0.5.3=py35_0- colorama=0.3.9=py35h32a752f_0- cryptography=2.3=py35h74b6da3_0- cryptography-vectors=2.3=py35_0- cudatoolkit=9.0=1- cudnn=7.1.4=cuda9.0_0- cython=0.28.5=py35h6538335_0- decorator=4.3.0=py35_0- docutils=0.14=py35h8ccb97f_0- entrypoints=0.2.3=py35hb91ced9_2- gast=0.2.0=py35_0- git=2.18.0=h6bb4b03_0- grpcio=1.12.1=py35h1a1b453_0- html5lib=1.0.1=py35h047fa9f_0- icc_rt=2017.0.4=h97af966_0- icu=58.2=ha66f8fd_1- idna=2.7=py35_0- imageio=2.3.0=py35_0- imagesize=1.0.0=py35_0- intel-openmp=2018.0.3=0- ipykernel=4.8.2=py35_0- ipython=6.5.0=py35_0- ipython_genutils=0.2.0=py35ha709e79_0- isort=4.3.4=py35_0- jedi=0.12.1=py35_0- jinja2=2.10=py35_0- jpeg=9b=hb83a4c4_2- jsonschema=2.6.0=py35h27d56d3_0- jupyter_client=5.2.3=py35_0- jupyter_core=4.4.0=py35h629ba7f_0- keyring=13.2.1=py35_0- lazy-object-proxy=1.3.1=py35he996729_0- libpng=1.6.34=h79bbb47_0- libprotobuf=3.5.2=he0781b1_0- libsodium=1.0.16=h9d3ae62_0- libtiff=4.0.9=hb8ad9f9_1- make=3.82=0- markdown=2.6.11=py35_0- markupsafe=1.0=py35hc253e08_1- mccabe=0.6.1=py35_1- mistune=0.8.3=py35hfa6e2cd_1- mkl=2018.0.3=1- mkl_fft=1.0.4=py35h1e22a9b_1- mkl_random=1.0.1=py35h9258bd6_0- nbconvert=5.3.1=py35h98d6c46_0- nbformat=4.4.0=py35h908c9d9_0- numpy=1.15.0=py35h9fa60d3_0- numpy-base=1.15.0=py35h4a99626_0- numpydoc=0.8.0=py35_0- olefile=0.45.1=py35_0- openssl=1.0.2p=hfa6e2cd_0- packaging=17.1=py35_0- pandas=0.23.4=py35h830ac7b_0- pandoc=2.2.1=h1a437c5_0- pandocfilters=1.4.2=py35h978f723_1- parso=0.3.1=py35_0- path.py=11.0.1=py35_0- pickleshare=0.7.4=py35h2f9f535_0- pip=10.0.1=py35_0- prompt_toolkit=1.0.15=py35h89c7cb4_0- protobuf=3.5.2=py35h6538335_1- psutil=5.4.6=py35hfa6e2cd_0- pycodestyle=2.4.0=py35_0- pycparser=2.18=py35h15a15da_1- pyflakes=2.0.0=py35_0- pygments=2.2.0=py35h24c0941_0- pylint=2.1.1=py35_0- pyopenssl=18.0.0=py35_0- pyparsing=2.2.0=py35hcabcaab_1- pyqt=5.9.2=py35h6538335_2- pyreadline=2.1=py35_0- pysocks=1.6.8=py35_0- python=3.5.5=h0c2934d_2- python-dateutil=2.7.3=py35_0- pytz=2018.5=py35_0- pywin32=223=py35hfa6e2cd_1- pyzmq=17.1.0=py35hfa6e2cd_0- qtawesome=0.4.4=py35h639d0ff_0- qtconsole=4.3.1=py35hc47b0dd_0- qtpy=1.4.2=py35_1- requests=2.19.1=py35_0- rope=0.10.7=py35_0- scipy=1.1.0=py35hc28095f_0- selenium=3.14.0=py35hfa6e2cd_0- setuptools=40.0.0=py35_0- simplegeneric=0.8.1=py35_2- singledispatch=3.4.0.3=py35h33f66b4_0- sip=4.19.8=py35h6538335_0- six=1.11.0=py35_1- snowballstemmer=1.2.1=py35h4c55bfa_0- sphinx=1.7.6=py35_0- sphinxcontrib=1.0=py35h45f5ca3_1- sphinxcontrib-websupport=1.1.0=py35_1- spyder=3.3.0=py35_0- spyder-kernels=0.2.4=py35_0- sqlite=3.24.0=h7602738_0- tensorboard=1.9.0=py35he025d50_0- tensorflow=1.9.0=gpu_py35h0075c17_1- tensorflow-base=1.9.0=gpu_py35h6e53903_0- tensorflow-gpu=1.9.0=hf154084_0- termcolor=1.1.0=py35_1- testpath=0.3.1=py35h06cf69e_0- tk=8.6.7=hcb92d03_3- tornado=5.1=py35hfa6e2cd_0- traitlets=4.3.2=py35h09b975b_0- typed-ast=1.1.0=py35hfa6e2cd_0- typing=3.6.4=py35_0- urllib3=1.23=py35_0- vc=14.1=h0510ff6_3- vs2015_runtime=15.5.2=3- wcwidth=0.1.7=py35h6e80d8a_0- webencodings=0.5.1=py35h5d527fb_1- werkzeug=0.14.1=py35_0- wheel=0.31.1=py35_0- win_inet_pton=1.0.1=py35hbef1270_1- win_unicode_console=0.5=py35h56988b5_0- wincertstore=0.2=py35hfebbdb8_0- wrapt=1.10.11=py35h54666f7_0- zeromq=4.2.5=he025d50_1- zlib=1.2.11=h8395fce_2- cycler=0.10.0=py_1- ffmpeg=3.2.4=1- freetype=2.8.1=ha63716d_1- glew=2.0.0=h2fa13f4_0- h5py=2.8.0=py35hb24199d_1- hdf5=1.10.2=he51fdeb_2- keras=2.2.2=py35_0- keras-applications=1.0.4=py_1- keras-preprocessing=1.0.2=py_1- kivy=1.10.1=py35h47ee06f_1- kiwisolver=1.0.1=py35he980bc4_2- libgpuarray=0.7.6=hfa6e2cd_1003- mako=1.0.7=py_1- pillow=5.2.0=py35_0- pygpu=0.7.6=py35_0- pyyaml=3.13=py35hfa6e2cd_1- requests_download=0.1.2=py_1- sdl2=2.0.8=1- sdl2_image=2.0.2=0- sdl2_mixer=2.0.1=h6538335_1- sdl2_ttf=2.0.14=h8909db8_1- smpeg2=2.0.0=h6538335_1- theano=1.0.2=py35_0- yaml=0.1.7=hfa6e2cd_1001- matplotlib=2.2.2=py35h153e9ff_1- qt=5.9.6=vc14h62aca36_0- json=0.1.1=0- qutil=3.2.1=6- opencv3=3.1.0=py35_0- pytorch=0.4.1=py35_cuda90_cudnn7he774522_1- pip:- torch==0.4.1
prefix: C:\Users\Ritesh\Anaconda3.1\envs\yolov3

2.构建yolo虚拟环境

将yolo.yml放在你想放的位置，然后使用anaconda prompt cd到yolo.yml所在文件夹
比如我放在的是E盘的pythonlearning\yolo 文件夹

1)构建基本环境

conda env create -f yolo.yml

2)下载repo

git clone https://github.com/ayooshkathuria/pytorch-yolo-v3.git

如果显示没有git命令，conda install git 就好

3)下载weights

下载地址在这里：https://pjreddie.com/media/files/yolov3.weights

3.运行下栗子

1)进入git clone 后的那个文件夹

2) 在anaconda prompt 中运行例子

识别MP4文件

python video_demo.py --video video.mp4

识别摄像头

python cam_demo.py

如果仍有问题，欢迎联系我：qq号1185753125