【计算机视觉开发（二）】： 基于yolov5实现调用视频、摄像头进行目标检测

前言：

上一篇文章写了初步的使用yolov5进行图片的检测，移步:【计算机视觉开发（一）】： yolov5与python环境安装
这一篇继续上文没写完的内容，利用电脑摄像头或者手机ip摄像头进行目标检测。

视频检测

保持cmd进入虚拟环境，命令：

conda activate your_env_name  
#例如 
conda activate yolov5

cd进入yolov5目录,然后在data>>video 中放入自己的视频

然后输入命令：
python detect.py --source ./data/video/1.mp4

成功后，输出以下内容，根据返回路径去寻找结果

效果：

设备摄像头

电脑自带摄像头

输入命令：
python detect.py --source 0
结果可以再“ yolov5\runs\detect ”里找到。

电脑设备没有摄像头

使用ip摄像头，将手机作为电脑摄像头

参考YOLOv5调用IP摄像头

网上有很多ip摄像头工具，但是试了几个都是不太行，一度以为是我的代码有问题，浪费了很多时间

目前用的是这个APP ip摄像头下载地址
在APP中打开ip摄像头，分享ip,使用命令：
python detect.py --source http://admin:admin@192.168.0.1:4747
将上述命令中，ip 账号密码 换为自己的即可。
结果：

环境安装补充

安装Torch GPU

requirements.txt 依赖包里默认安装的 pytorch-cpu 版，如果有 cuda 可以安装 pytorch-gpu 版：https://pytorch.org/get-started/locally/ ， 提升速度。使用 GPU 版大大提升了运行速率，相比于 CPU ，GPU 对视频的检测速率提升了近10倍！（不同设备的运行速率可能不同）
教程可参考: 安装Torch GPU版本

遇到的问题

在初学过程中，肯定会遇到各种各样的问题，烦的很，这里就记录以下问题收集以及解决方案

1. yolov5 常见报错及解决方案
2. 通过yolov5训练自己的模型中遇到的一些问题及解决办法
3. YOLOV5代码复现过程出现的问题
4. Anaconda创建 Jupyter 虚拟环境以及常见错误整理
5. 解决conda中PackagesNotFoundError问题
6. anaconda在创建虚拟环境时出现CondaHTTPError: HTTP 000 CONNECTION FAILED for url问题
   

总结

本篇内容主要是补充了上一篇遗留的问题汇总以及利用电脑摄像头或者手机ip摄像头进行目标检测。
下期预告【训练模型以及使用训练好的模型】