写在前面：本篇博客记录了yolov5视频抽帧构建数据集的全过程。

目录

一、 视频材料准备

 二、数据集构建

 三、运行数据集

---

一、 视频材料准备

1. 在yolov5-master下创建mydata目录，然后创建video目录和images目录、labels目录

2. 下载一个一两分钟的视频，放在video下。

3. 在yolov5-master下创建frameExtraction2Image.py，用来抽帧视频构建数据集。

4. 执行代码：

import cv2
import matplotlib.pyplot as plt

# video_path = "path_to_video_file.mp4"
video = cv2.VideoCaptu("./mydata/video/BNV.mp4")
# ret, frame = video.read()
#
# plt.imshow(frame)
# plt.imshow(cv2.cvtColor(frame,cv2.COLOR_BGR2RGB))
num = 0
save_step = 30
while True:
    ret, frame = video.read()
    if not ret:
        break
    num += 1
    if num % save_step == 0:
        cv2.imwrite("./mydata/images/" + str(num) + ".jpg", frame)

可能会遇到的问题：使用cv2时编译器不提示函数，但执行不报错。

执行一下命令查看opnecv的版本，我的是4.7.0,有上述问题！！

 

 解决办法：版本降级，还是切换到base下执行吧。不影响conda,也会提示的。

• pip uninstall opencv-python
• pip install opencv-python==4.5.5.64 -i https://repo.huaweicloud.com/repository/pypi/simple

结果如下，编译器提示了：

 5. 查看结果集

 二、数据集构建

工具：labelimg

安装：pip install labelimg

启动：labelimg

1.  启动成功后，界面如下：

可能会遇到的问题：标注时无限闪退

        我刚开始遇到过，下载Anoconda时我下载的是2023最新版的，使用的是python3.11,点击标注无限闪退。所以我卸载了最新的Anoconda和其他的python环境，选择下载的是清华源里面2022年10月份的windows版本，目前使用良好，没有其他问题。

2. 切换yolov5格式

 3. 操作

• w 选框标注
• a 上一张
• d 下一张

 tip:把这个勾选上，就会自动保存了！

 4. 完成图片的标注后，分别在lables和images中创建train（训练集）和val（测试集）文件，选取部分数据作为测试集，注意选取测试集的图片要和标签测试集的相对应。

 剩余数据，全部放在train中，注意标签中的classes.txt放在最外层,到时候作为myvideo.yaml中的name使用。

5. 最终目录结构如下：

 三、运行数据集

1. 将data目录下的coco128.yaml复制一份到data目录下，重命名为myvideo.yaml。更改内容如下：

 注意：这个name中的内容就是你的classes.txt中的内容。

• path: ./mydata # 根路径，相对于当前项目而言
• train: images/train # 训练集数据目录
• val: images/val # 验证集数据目录

2. 更改train.py中的配置：

        测试基本改个data就差不多了。

 3. 运行展示

        emmmp,运行没问题，公司电脑配置太垃圾，如果你出现了内存溢出的问题，那就把：epochs和batch-size数值改低一些吧。

 至此yolov5视频抽帧数据集训练就结束了，后面有时间在yolo专栏中出一个应用的教程。或者写一写安装过程中遇到的坑吧。打工人摸鱼的时光不多，希望这篇博客能对道友有帮助！

服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net