基于YOLOv3的目标检测系统

图像处理在计算机视觉技术中极其重要，其中目标检测、目标识别的实现显得极为重要，YOLO算法在图像识别中更加突出，其算法能够实现图像物体的批处理、图像个别物体的识别选取等功能，YOLO算法也在不断更新，YOLOv1、YOLOv2、YOLOv3的算法更新过程使计算速度、计算准确率显著提升。目标检测被广泛地应用于多个商业领域，如自动驾驶、伪造商标检测、安防监控和机器人等。例如在警察追查嫌疑人的过程中，可以通过目标检测，自动从视频中找到相似人物，确定嫌疑人，商量对策从而作出相应决策。

关键词：图像处理；图像捕捉；目标检测；YOLO v3

目标检测能够对图像或视频中的物体进行准确分类和定位，在监控、无人驾驶、机械自动化等领域中起着至关重要的作用，早期的目标检测是通过人工提取特征的方法，使用DPM模板，并在图像上进行过窗口滑动的方法进行目标的定位，这种方法十分耗时而且精度不高，随着信息时代的高速发展，如今的数据量成倍数的增长，继续使用人工提取特征的方式显然是不可取的，所以便促进了YOLO算法的诞生，在如今较为主流的目标检测框架中，YOLOv3在检测速度和精度的平衡性方面表现优良，人们开始不断在各种领域使用YOLOv3实现目标检测功能。因此产生的基于YOLOv3的图像处理系统有利于对汽车超速驾驶、汽车以及目标人物追查具有极其重要的作用，能够推进国家警务追踪能力的提升。为自己能够接触到YOLO算法感到高兴，这篇文章就是写自己接触YOLO算法后的认知、应用以及了解到的YOLO算法进化过程。

*若需了解更多与协助请咨询↓→[电脑QQ][手机QQ]【数据协助】