yolo是一个非常流行的计算机视觉目标检测框架，适合于精度要求不高但实时性非常高的场合，比如马路口的人流车流识别。现在最新版v6刚刚发布，本例还是使用v5。由于yolov5是依赖于pytorch的，还用到opencv，所以这两个环境需要提前搭建好，然后就可以直接使用yolo了。yolov5的github地址：https://github.com/ultralytics/yolov5。
一、准备工作
直接下载上面github地址的yolov5后，还需要下载预训练模型文件到yolov5-master的根目录。有4个模型，分别为：yolov5s.pt、yolov5m.pt、yolov5l.pt、yolov5x.pt。我们这里选择5s（模型更小，速度更快），各项指标如下截图：
在yolov5-master的data目录里，存放的是各类数据文件。yolo支持图片、视频等格式文件的检测。检测结果存放在yolov5-master中的runs-detect目录里。其中视频文件，yolo会取视频的每一帧进行检测识别并标注，然后合并生成新的标注过的视频文件存放在runs目录下的detect文件夹里。
二、执行命令
运行yolo目标检测非常简单，只需要在yolov5-master目录下，打开cmd，输入如下命令即可。
图像：python detect.py --source ./data/images/ --weights yolov5s.pt --conf 0.4
视频：python detect.py --source ./data/videos/test1.mp4 --weights yolov5s.pt --conf 0.4
实时视频（摄像头）：python detect.py --source 0 --weights yolov5s.pt --conf 0.4
三、检测结果：
-
图像
-
实时视频
