基于YOLOv7与OpenCV实现相机行人及减速带检测系统

该项目是一个使用YOLOv7深度学习模型结合OpenCV库开发的系统，旨在实现单目相机中对行人和减速带的实时检测，并且能够预测检测到的对象距离。系统源码包含了从项目说明到实现细节，适合于计算机视觉、人工智能等领域的学生、教师或行业专业人士进行学习和研究。 1. **项目介绍** - 项目为使用YOLOv7作为目标检测模型，与OpenCV库结合，实现对行人和减速带的检测及距离预测。 - 系统需要进行相机标定，使用拍摄和标定的方法进行镜头畸变校正。 - 项目代码经过严格测试，稳定性得到保证，并提供项目说明和反馈交流的途径。 2. **相机标定** - 相机标定通过calibration.py文件实现，用户可运行此脚本进行拍照、标定和去畸变操作。 - 标定过程涉及捕捉标定板图片、配置标定参数并处理标定结果。 - 标定板的设计为11个x方向的奇数点，8个y方向的偶数点，且相邻点的角点间距为1cm。 - 如果使用的标定板参数与默认设置不同，请在程序中修改相应的配置。 3. **单应矩阵标定** - 使用单应矩阵进行相机标定，至少需要四个特征点来计算变换矩阵。 - findHomography函数用于计算单应矩阵，需要注意最后得到的坐标不是标准齐次坐标，需要转换。 - 程序运行包括获取像素点、求解单应矩阵和使用矩阵进行测距。 4. **目标检测** - 利用YOLOv7模型训练自己的数据集进行行人和减速带检测。 - 数据集的准备包括图片收集、使用labelimg工具进行标注、生成训练集。 - 数据集处理后，使用yolo下的data_process.py脚本进行数据划分和路径生成。 5. **代码文件说明** - 项目包含多个Python脚本文件，用于实现不同的功能模块。 - test.mp4为测试视频文件。 - calibration.py为相机标定程序。 - getHomography.py为获取单应矩阵程序。 - board_birdeye.py为生成鸟瞰图程序（已删除）。 - recordVideo.py、getDistance.py、threshold.py为其他相关功能模块。 - captureDataset.py为数据集捕捉程序。 - groundImg为地面图片文件夹。 6. **软件依赖和版本** - OpenCV版本要求为*.*.*.**，与YOLOv7模型兼容。 7. **注意事项和更新** - 鱼眼相机去畸变存在问题，其他相机类型正常。 - 自2023年5月起，项目进行了多次更新，包括功能模块的改进和bug的修复。 - 项目作为课程作业提交，可能删除了一些与项目不相关代码。 8. **学习和应用价值** - 项目代码可以作为计算机视觉学习的参考资料，特别适合初学者。 - 可以用于各类学习项目，如毕业设计、课程设计、大作业等。 - 项目代码具有开放性和创新性，便于用户基于此进行修改和功能扩展。