废话在前头

  因为我的毕业设计就是搞目标检测这一块的，前段时间好不容易实现了yolov5的目标检测，后来还需要实现目标测距，于是在B站和博客里不断摸索，效果很不理想，知识点零散，幸运的是最终琢磨懂了代码和原理。全文通俗易懂。

正文开始

1、最终目的

  实现目标检测跟踪和目标测距 ！

2、实现过程

2.1 实现的前提

  前提是你要会用yolov5实现目标检测，我是跟着一位博主学做出来的——目标检测—教你利用yolov5训练自己的目标检测模型 。重点是在B站里也有他做的 保姆级视频，本文着重讲解单目测距。 实现了yolov5检测之后直接去我的gitee上下载我的测距项目: yolov5-main。下载并解压项目到PyCharm中，配置上运行yolov5的环境，然后跑一遍detect.py，看看我的案例效果，成功运行后再跟着教程慢慢搞。

2.2 知识点简要梳理

  因为条件的限制，我没有选择双目测距来研究，其实单目和双目各有优缺点。它们的原理网上搜也是一大把，本文直接跳过原理讲解，我们来讲公式：

D = (F*W)/P 其中D是目标到摄像机的距离(最终要推测的距离）, Ｆ是摄像机焦距（根据下面教程来调试自己的镜头焦距）, W是目标的宽度或者高度（看情况来定，行人检测一般以人的身高为基准）, P是指目标在图像中所占据的x方向像素（宽）或者y方向像素（高）（程序来计算）。

2.3 单目测距代码

  先来看看核心代码

foc = 1810.0        # 镜头焦距
real_hight_person = 64.96   # 行人高度,注意单位是英寸

# 自定义函数，单目测距
def detect_distance_person(h):
    dis_inch = (real_hight_person * foc) / (h - 2)
    dis_cm = dis_inch * 2.54
    dis_cm = int(dis_cm)
    dis_m = dis_cm/100
    return dis_m

简单理解一下代码，定好焦距（通过下一步调试可得）和行人高度（这里定一般人的身高，我定165cm，可以调，单位为英寸），然后在调用这个测距函数的时候，把行人所占据的像素高度h（其实就是利用到方框的像素高度）传进来，这个函数首先会根据公式计算出单位为英尺的距离，然后转换，最终得到单位为米的距离。

2.4 调试焦距

网上有说相机标定这个操作，我没有深入研究，貌似可以矫正图片，减小误差。我是直接跳过这个操作，影响不大。
下面讲一下怎么调试焦距，我用的是手机摄像头。

1. 先是准备一张A4纸，横放在地板上或者别的东西上面，要纯色为背景；
2. 用卷尺量出60cm的高度，或者用棍子画出60cm的高度，将手机打开录像，横拍，这个时候就不要放大镜头了，垂直方正的将A4纸录十几秒的视频，拍到的A4纸尽量不能歪;
3. 将视频放到项目的test目录里，在detect_A4.py的第13行代码换上这个视频。运行detect_A4.py，首先看一下有没有绿色的矩形出现并包裹住A4纸，如果没有或者有但是明显包裹不紧的话就调节25行代码的阈值，反复尝试，直到矩形出现并包裹紧A4纸。这个时候可以看到图像左上角有数值，这个就是A4纸到镜头的推测距离，我们需要通过调节foc焦距参数，让左上角这个数值接近60cm，最终的foc焦距就是你这个视频的焦距了，往后检测视频就用这个焦距，而且检测的视频都是用这个焦距拍出来的。

2.5 拿到焦距就可以做目标测距了

2.5.1 讲一下总体思路

这个时候公式 D = (F*W)/P 的三个参数已经知道了F和W两个，这个P在下面2.的（4）里可以被计算出来。

1. 我在utils目录下定义了一个distance.py, 它的功能就是测距，我在里边定义了两个测距模型，一个是测人的，一个是测车的，这个时候先把之前调试好的焦距写在foc参数里，行人和车的高度只是大概数值，单位为英寸，自己可以改；
2. 然后来到根目录下的detect.py，这个文件我在基础上做了修改，讲一下改了哪些。
   （1）第60行定义了一个函数，以1200为宽的比例更改显示图像的大小，因为原本的这个yolov5项目是按原图像显示的，按我的焦距拍出来的视频会撑爆整个屏幕，所以要缩小显示，这个函数会在150行显示的时候被调用；

# 改变显示图片大小（自定义函数）
    def cv_show(p, im0):
        height, width = im0.shape[:2]
        a = 1200 / width  # 宽为1200，计算比例
        size = (1200, int(height * a))

        img_resize = cv2.resize(im0, size, interpolation=cv2.INTER_AREA)
        cv2.imshow(p, img_resize)
        cv2.waitKey(1)  # 1 millisecond

（2）116行做一个判断，置信度低的就不要显示了，有时候地上一个图案都能被识别成人，用官方权重来检测，检测到的东西几乎都会被框上，这样会很杂，我们可以根据需求选择我们想框的东西，像我一样在118行和131行各做了一个判断，分别是判断是不是人和车，是的话就框出来并做相应处理，128行调用的plot_one_box（）就是画框的函数；

if conf2 > 0.4:   # 置信度小于0.4时不显示
	# person，显示person标签的框，并单独做person的测距
	if names[int(cls)] == 'person':

plot_one_box(xyxy, im0, label=label, color=colors[int(cls)], line_thickness=3,
                                             name=names[int(cls)])     # 画框函数

（4）这个函数在utils里的polts.py里，我们来到polts.py里的59行，我给这个函数添加了一个参数name，在画框的时候函数会根据name是人还是车进行相应的测距函数调用（68行和70行，参数h是目标的高度，63~65行通过方框坐标计算得出），所调用的测距函数也就是前面我定义好的distance.py里边的。然后71行就是在原本的方框标签上追加我们测距得到的距离数据；

def plot_one_box(x, img, color=None, label=None, line_thickness=3, name=None):

c1, c2 = (int(x[0]), int(x[1])), (int(x[2]), int(x[3]))   # 传过来的x包含有框的两个对角坐标
# w = int(x[2]) - int(x[0])   # 框的宽
h = int(x[3]) - int(x[1])     # 框的高

dis_m = 1.00
    if name == 'person':    # 根据标签名称调用不同函数计算距离
        dis_m = detect_distance_person(h)
    elif name == 'car':
        dis_m = detect_distance_car(h)
    label += f'  {dis_m}m'   # 在标签后追加距离

（5）这点不是很重要，detect.py189行，是否保存检测结果到runs/detect目录下，我这里关闭了，省储存，这点根据需求来改，需要保存就把它改成store_true，然后在runs/detect目录下最后一个exp里找，因为每运行一次detect.py都会生成一个exp文件，最后一次运行结果自然保存在最后一个exp里；

# store_true为保存视频或者图片，路径为runs/detect
parser.add_argument('--nosave', action='store_false', help='do not save images/videos')   

3. 总结就是，基于yolov5的检测，调用我们定义的测距函数，拿到检测距离之后，把距离追加到方框的标签后面。

2.5.1 实测自己的视频

1. 自己用拍摄A4纸的方法，到路边横屏拍摄视频，相机到腰的位置，拍点人或者车，注意不能改变焦距来拍，用拍摄A4纸的状态来拍。要问为什么不能竖屏拍，我只能说，我竖屏拍了视频传到项目里运行，显示的图像会上下颠倒，不懂是什么原因；
2. 拍好视频后，把视频传电脑里，复制到项目data/videos目录下，重命名一下，其实放哪里都无所谓，等会路径写对就好。
3. 来到detect.py的181行，更改数据源，改成刚刚那个视频的路径。
4. 见证奇迹的时刻到了，运行detect.py，看看效果。

3、后语

  小学弟我才学疏浅，非计算机科班出身，对编程感兴趣，自学Java出身，因为毕业设计意外选到人工智能的课题，所以临时自学Python，然后慢慢接触人工智能。
  本文章虽然通俗易懂，但是缺乏专业术语。
  代码中能看到的中文注释我建议简单理解一遍。
  若有不足，望大佬指教！