1. import cv2
2. import numpy as np
3.  
4. # YOLO modelini yükleme
5. net = cv2.dnn.readNet("yolov3.weights", "yolov3.cfg")
6. classes = []
7. with open("coco.names", "r") as f:
8.     classes = [line.strip() for line in f.readlines()]
9. layer_names = net.getLayerNames()
10. output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()]
11.  
12. # Kamera yakalaması başlatılıyor
13. kamera = cv2.VideoCapture(0)
14.  
15. # Tanımlanan nesnelerin sayısını ve isimlerini tutacak liste
16. tanımlanan_nesneler = []
17.  
18. while True:
19.     ret, kare = kamera.read()
20.     kare = cv2.resize(kare, None, fx=0.4, fy=0.4)
21.     height, width, channels = kare.shape
22.  
23.     # Nesne algılama işlemi
24.     blob = cv2.dnn.blobFromImage(kare, 0.00392, (416, 416), (0, 0, 0), True, crop=False)
25.     net.setInput(blob)
26.     outs = net.forward(output_layers)
27.  
28.     # Tanımlanan nesnelerin koordinatlarını ve etiketlerini çizme
29.     for out in outs:
30.         for detection in out:
31.             scores = detection[5:]
32.             class_id = np.argmax(scores)
33.             confidence = scores[class_id]
34.             if confidence > 0.5:
35.                 # Algılanan nesnenin etiketini alıyoruz
36.                 label = str(classes[class_id])
37.                
38.                 # Eğer daha önce tanımlanmış bir nesne değilse ve listemizde yoksa, listeye ekliyoruz
39.                 if label not in tanımlanan_nesneler:
40.                     print(f"{label} algılandı.")
41.                     tanımlanan_nesneler.append(label)
42.  
43.                 # Eğer 10 farklı nesneyi algıladıysak, döngüden çıkıyoruz
44.                 if len(tanımlanan_nesneler) >= 10:
45.                     break
46.  
47.     # Eğer 10 farklı nesneyi algıladıysak, döngüden çıkıyoruz
48.     if len(tanımlanan_nesneler) >= 10:
49.         break
50.  
51. # Kamera serbest bırakılıyor ve pencereler kapatılıyor
52. kamera.release()
53. cv2.destroyAllWindows()
54.