一、前期准备：
首先你需要有一份yolov5的官方源码，并且能够找到其中的detect.py文件即可。
在检测过程中，有些项目不需要我们检测所有的区域，比如禁止区域的入侵检测，只需要检测制定规划出来的区域就可以。例如下图所示这样，在网上随便找的一段视频，这是其中的一张截图：
二、区域检测原理分析
在使用YOLOv5的有些时候，我们会遇到一些具体的目标检测要求，比如要求不检测全图，只在规定的区域内才检测。所以为了满足这个需求，可以使用掩码操作去覆盖掉不想检测的区域，使得在检测的时候，只检测我们规定的检测范围。
1、确定区域检测范围
# mask for certain region
#1,2,3,4 分别对应左上，右上，右下，左下四个点
hl1 = 1.4 / 10 #监测区域高度距离图片顶部比例
wl1 = 6.4 / 10 #监测区域高度距离图片左部比例
hl2 = 1.4 / 10 # 监测区域高度距离图片顶部比例
wl2 = 6.8 / 10 # 监测区域高度距离图片左部比例
hl3 = 4.5 / 10 # 监测区域高度距离图片顶部比例
wl3 = 7.6 / 10 # 监测区域高度距离图片左部比例
hl4 = 4.5 / 10 # 监测区域高度距离图片顶部比例
wl4 = 5.5 / 10 # 监测区域高度距离图片左部比例
2、在135行左右的位置：for path, img, im0s, vid_cap in dataset: 下插入代码：
# mask for certain region
#1,2,3,4 分别对应左上，右上，右下，左下四个点
hl1 = 1.6 / 10 #监测区域高度距离图片顶部比例
wl1 = 6.4 / 10 #监测区域高度距离图片左部比例
hl2 = 1.6 / 10 # 监测区域高度距离图片顶部比例
wl2 = 6.8 / 10 # 监测区域高度距离图片左部比例
hl3 = 4.5 / 10 # 监测区域高度距离图片顶部比例
wl3 = 7.6 / 10 # 监测区域高度距离图片左部比例
hl4 = 4.5 / 10 # 监测区域高度距离图片顶部比例
wl4 = 5.5 / 10 # 监测区域高度距离图片左部比例
if webcam:
for b in range(0,img.shape[0]):
mask = np.zeros([img[b].shape[1], img[b].shape[2]], dtype=np.uint8)
#mask[round(img[b].shape[1] * hl1):img[b].shape[1], round(img[b].shape[2] * wl1):img[b].shape[2]] = 255
pts = np.array([[int(img[b].shape[2] * wl1), int(img[b].shape[1] * hl1)], # pts1
[int(img[b].shape[2] * wl2), int(img[b].shape[1] * hl2)], # pts2
[int(img[b].shape[2] * wl3), int(img[b].shape[1] * hl3)], # pts3
[int(img[b].shape[2] * wl4), int(img[b].shape[1] * hl4)]], np.int32)
mask = cv2.fillPoly(mask,[pts],(255,255,255))
imgc = img[b].transpose((1, 2, 0))
imgc = cv2.add(imgc, np.zeros(np.shape(imgc), dtype=np.uint8), mask=mask)
#cv2.imshow('1',imgc)
img[b] = imgc.transpose((2, 0, 1))
else:
mask = np.zeros([img.shape[1], img.shape[2]], dtype=np.uint8)
#mask[round(img.shape[1] * hl1):img.shape[1], round(img.shape[2] * wl1):img.shape[2]] = 255
pts = np.array([[int(img.shape[2] * wl1), int(img.shape[1] * hl1)], # pts1
[int(img.shape[2] * wl2), int(img.shape[1] * hl2)], # pts2
[int(img.shape[2] * wl3), int(img.shape[1] * hl3)], # pts3
[int(img.shape[2] * wl4), int(img.shape[1] * hl4)]], np.int32)
mask = cv2.fillPoly(mask, [pts], (255,255,255))
img = img.transpose((1, 2, 0))
img = cv2.add(img, np.zeros(np.shape(img), dtype=np.uint8), mask=mask)
img = img.transpose((2, 0, 1))
3、画检测区域线 ：在196行： p, s, im0, frame = path, ‘’, im0s.copy(), getattr(dataset, ‘frame’, 0) 后添加
if webcam: # batch_size >= 1
p, s, im0, frame = path[i], f'{i}: ', im0s[i].copy(), dataset.count
cv2.putText(im0, "Detection_Region", (int(im0.shape[1] * wl1 - 5), int(im0.shape[0] * hl1 - 5)),
cv2.FONT_HERSHEY_SIMPLEX,
1.0, (255, 255, 0), 2, cv2.LINE_AA)
pts = np.array([[int(im0.shape[1] * wl1), int(im0.shape[0] * hl1)], # pts1
[int(im0.shape[1] * wl2), int(im0.shape[0] * hl2)], # pts2
[int(im0.shape[1] * wl3), int(im0.shape[0] * hl3)], # pts3
[int(im0.shape[1] * wl4), int(im0.shape[0] * hl4)]], np.int32) # pts4
# pts = pts.reshape((-1, 1, 2))
zeros = np.zeros((im0.shape), dtype=np.uint8)
mask = cv2.fillPoly(zeros, [pts], color=(0, 165, 255))
im0 = cv2.addWeighted(im0, 1, mask, 0.2, 0)
cv2.polylines(im0, [pts], True, (255, 255, 0), 3)
# plot_one_box(dr, im0, label='Detection_Region', color=(0, 255, 0), line_thickness=2)
else:
p, s, im0, frame = path, '', im0s.copy(), getattr(dataset, 'frame', 0)
cv2.putText(im0, "Detection_Region", (int(im0.shape[1] * wl1 - 5), int(im0.shape[0] * hl1 - 5)),
cv2.FONT_HERSHEY_SIMPLEX,
1.0, (255, 255, 0), 2, cv2.LINE_AA)
pts = np.array([[int(im0.shape[1] * wl1), int(im0.shape[0] * hl1)], # pts1
[int(im0.shape[1] * wl2), int(im0.shape[0] * hl2)], # pts2
[int(im0.shape[1] * wl3), int(im0.shape[0] * hl3)], # pts3
[int(im0.shape[1] * wl4), int(im0.shape[0] * hl4)]], np.int32) # pts4
# pts = pts.reshape((-1, 1, 2))
zeros = n