目录

1.LabelImg标注的YOLO格式的TXT标签

Opencv+YOLO-V3实现目标跟踪

YOLO-V3实时检测实现（opencv+python实现）——改进——＞更加的易懂

YOLO-V3实时检测实现（opencv+python实现）

1.LabelImg标注的YOLO格式的TXT标签

关于LabelImg下载及使用：标注工具 labelImg 的下载安装及使用

首先标注一张图片：

查看标签.txt文件：

提示：如果我们要进行训练的话，那么需要上面的坐标进行变换一下，得到框的左上角的坐标和右下角的坐标。

  

现在我们要根据中心坐标和边框得到左上角（xmin,ymin）和右下角（xmax,ymax）坐标：

变换公式如下：

提示：现在已经知道坐标之间的关系了，那么可以使用python进行求解：

• 第一步从标注的.txt文件中读取数据；
• 第二步将读取的数据利用上面的公式进行转换；

def Xmin_Xmax_Ymin_Ymax():img_path = "data/train/000_0.png"txt_path = "data/XML/000_0.txt"img = cv2.imread(img_path)# 获取图片的高宽h, w, _ = img.shapetxt_path="data/XML/000_0.txt"#读取TXT文件 中的中心坐标和框大小with open(txt_path,"r") as fp:#以空格划分contline=fp.readline().split(' ')#contline : class  x_center y_center width heightprint(contline)#计算框的左上角坐标和右下角坐标,使用strip将首尾空格去掉xmin=float((contline[1]).strip())-float(contline[3].strip())/2xmax=float(contline[1].strip())+float(contline[3].strip())/2ymin = float(contline[2].strip()) - float(contline[4].strip()) / 2ymax = float(contline[2].strip()) + float(contline[4].strip()) / 2#将坐标（0-1之间的值）还原回在图片中实际的坐标位置xmin,xmax=w*xmin,w*xmaxymin,ymax=h*ymin,h*ymaxreturn (xmin,xmax,ymin,ymax)

将返回的坐标利用opencv将框绘制出来：

def draw(tupelist):img_path = "data/train/000_0.png"img = cv2.imread(img_path)xmin=tupelist[0]xmax=tupelist[1]ymin=tupelist[2]ymax=tupelist[3]cv2.rectangle(img,(int(xmin),int(ymin)),(int(xmax),int(ymax)),(255,0,255),2)cv2.imshow('img',img)cv2.waitKey(0)cv2.destroyAllWindows()

import cv2
import os
import numpy as npif __name__ == '__main__':tuplelist=Xmin_Xmax_Ymin_Ymax()draw(tuplelist)