本文将分享保存实时目标检测结果的方法，包括将目标信息逐帧保存到.txt文件中、逐帧输出检测结果图片、以及如何保存所有检测图片（包括视野中无目标的帧）。

目录

0.准备

1.目标信息保存

2.检测图片保存

3.保存所有帧

---

0.准备

       本文以单摄像头实时目标检测进行演示，但是对多摄像头实时检测同样适用。如何进行实时检测这里就不再重复，详细的实现步骤可以看我之前写的博客：

使用YOLOv5实现单摄像头实时目标检测_Albert_yeager的博客-CSDN博客

使用YOLOv5实现多摄像头实时目标检测_Albert_yeager的博客-CSDN博客

1.目标信息保存

       这个实际上是YOLOv5工程自带的功能，但是需要通过命令行的方式运行才能使用。在终端中运行下方指令，即可运行检测代码，并完成目标信息保存

python detect.py --weights yolov5s.pt --source 0 --save-txt

       图中 1 是调用本地摄像头进行实时目标检测（可以改成USB摄像头或IP摄像头，具体看我之前的博客）；2 是在pycharm中打开终端；3 是之前提到需要运行的指令。

       有几个细节需要强调：终端运行后要点击一下实时检测窗口，按键盘上的 ‘q’ 结束检测，注意是在英文小写状态下按q，我在运行程序时输入法会自动切换到中文，这个时候按q是无效的，同时英文大写状态的Q也是无效的（因为q和Q的ASCII码值不同），当然这是代码设定的，可以改成别的字母结束。重要的是，只有通过这种方式，才能正常保存检测视频，如果直接关掉软件结束会使保存的视频文件无法打开。

       运行完成后，会在.../runs/detect 文件目录下生成结果:

        0.mp4 是实时检测的结果视频，labels中就是每帧的目标信息，以.txt格式保存（如果以60帧的速度运行，每秒就会生成60个.txt文件）。

        随便打开一个文件，可以看到是个2行5列的矩阵，这表明检测到了2个目标，每一行表示对应目标的属性，第一列是标签名（就是训练的时候的类别标签序号，这里采用官方的yolov5s.pt进行检测，0对应‘person’），后面四列依次为xcenter ycenter w h（框中心的x、y坐标，以及框的宽、高），均为归一化数值。

2.检测图片保存

       工程本身并不具有保存实时检测逐帧图片的功能，因此需要自行添加一些代码。

       首先定义图片保存路径：

####################################保存实时检测图片################################
pic_dir = str(save_dir) + '/pic'
if not os.path.exists(pic_dir):
    os.makedirs(pic_dir)
pic_path = pic_dir + '\\' + str(p.stem) + ('' if dataset.mode == 'image' else f'_{frame}')
##################################################################################

        注意添加位置为detect()函数中位置定义部分：

       然后添加帧保存代码

##############################只保存含目标的实时检测图片#################################
pic = (int(xyxy[0].item()) + int(xyxy[2].item())) / 2
if pic != 0:
    cv2.imwrite(pic_path + f'{p.stem}.jpg', im0)
else:
    im1 = cv2.imread('no.jpg', 1)
    cv2.imwrite(pic_path + f'{p.stem}.jpg', im1)
#####################################################################################

       注意添加位置为detect()函数中写结果部分：

       仍然通过命令行运行代码（直接运行也能保存图片）这样既能保存标签又能保存图片，而且两者是相对应的，方便调用。

python detect.py --weights yolov5s.pt --source 0 --save-txt

       运行后可以看到检测结果中有三个文件，标签、帧图片、实时检测视频。

       pic文件夹中是所有包含目标的帧，可以发现，pic中图片数量和labels中标签数量相同，而且是一一对应的关系。

3.保存所有帧

       上述方法只能保存包含目标的帧，这是因为保存相关的代码添加在for循环下，这就导致只有检测到目标，才会执行标签和帧图片的保存。因此如果要保存所有帧（不只是检测到目标的帧），必须将保存图片帧的代码提到for之外。

        注释掉只保存含目标图片的代码（其实留着也行，如果需要目标出现时输出图片中带检测框的话建议留着）

        添加代码：

# ##################################保存所有检测图片######################################
cv2.imwrite(pic_path + f'{p.stem}.jpg', im0)
# #####################################################################################

        注意添加位置要在for之外（原因之前讲了）

       仍然通过命令行运行代码（直接运行也能保存图片）这样既能保存标签又能保存图片。

python detect.py --weights yolov5s.pt --source 0 --save-txt

       运行后可以看到检测结果中有三个文件，标签、帧图片、实时检测视频。

       此时，pic文件夹中就包含了所有帧的图片（目标出现时不带检测框）。

       再次说明，如果需要目标出现时输出图片中带检测框的话保留2中帧保存的代码即可（因为含目标的帧保存代码在3中保存代码之后执行，但保存图片的名称相同，因此会把不带检测框的图片覆盖掉）。

求学路上，你我共勉(๑•̀ㅂ•́)و✧