基于深度学习的激光束识别（预测）

由于预测结果主要是激光上下定点的坐标值，所以在这里我将预测结果表示的两个定点用直线连起来就模拟出预测的激光束。先将原来的视屏拆成了一张一张的图片，然后对一张一张的图片进行预测，最后再把每张图片连起来拼成处理好的视屏保存起来。具体实现代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
def predict_video(video_path, result_video_path):
	'''
	功能：将预测结果转换成视频并保存起来
	参数：
		video_path：需要处理的原始视频路径
		result_video_path：处理后的视屏路径
	'''
	batch_size = 1

	# 初始化文件名
	video = "laser.mp4"
	result_video = "result_laser.mp4"

	# 加载权重
	net = torch.load("weight/weight10.pkl")

	# 读取视屏
	cap = cv2.VideoCapture(video_path + video)

	# 获取视屏帧率
	fps_video = cap.get(cv2.CAP_PROP_FPS)

	# 设置写入视屏的编码格式
	fourcc = cv2.VideoWriter_fourcc(*"mp4v")

	# 获取视屏宽度和高度
	frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
	frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

	# 设置写视屏的对象
	videoWriter = cv2.VideoWriter(result_video_path + result_video, fourcc, fps_video, (frame_width, frame_height))

	while (cap.isOpened()):
		ret, frame = cap.read()

		# 如果视屏没有结束
		if ret == True:
			# 将图片进行剪切
			tailor_frame = frame[300:1300, 0:1000]

			# 初始化输入网络的numpy数组
			inputs = np.zeros((1, 3, 1000, 1000))

			# 将每一帧的图片像素值赋值给输入矩阵
			for wide in range(1000):
				for high in range(1000):
					for channel in range(3):
						inputs[0, channel, wide, high] = tailor_frame[high, wide, channel] / 255.0

			# 进行输入数据类型转换
			inputs = torch.from_numpy(inputs)
			inputs = inputs.float()

			# 得到预测数据
			predict = net(inputs)

			# 如果为箕斗上来的图片时对图片进行处理
			if float(predict[0, 4]) > 0.6:
				# 初始化一个tensor向量
				predict_conversion = torch.zeros((5))

				# 将预测值中的坐标赋值给tensor向量
				for i in range(4):
					predict_conversion[i] = predict[0, i]

				# 将预测值进行坐标换算，横坐标不变纵坐标加三百
				predict_conversion[0] = (predict_conversion[0] * 1000)
				predict_conversion[2] = (predict_conversion[2] * 1000)
				predict_conversion[1] = (predict_conversion[1] * 1000 + 300)
				predict_conversion[3] = (predict_conversion[3] * 1000 + 300)

				# 绘制两个坐标点
				pt1 = (int(predict_conversion[0]), int(predict_conversion[1]))
				pt2 = (int(predict_conversion[2]), int(predict_conversion[3]))

				# 在每一帧图片上画出预测的绿线
				cv2.line(frame, pt1, pt2, (0, 250, 0, 2))

			# 显示视频
			cv2.imshow('Frame',frame)

			# 刷新视频
			cv2.waitKey(10)

			# 按q键退出
			if cv2.waitKey(25) & 0xFF == ord('q'):
				break

			# 将图片写入视屏
			videoWriter.write(frame)
		else:
			# 写入视屏结束
			videoWriter.release()
			break

最后整个项目初步的功能已经实现了。