Darknet-YOLOv3目标检测：预测结果无法保存至JSON/TXT的问题咨询

别担心，作为计算机视觉新手遇到这种问题太正常了，我来帮你理清问题所在，以及给出几种可行的解决方法～

你当前命令的问题 #

你用了 -out result.json 参数，但在Darknet的 detector demo 模式下，这个参数并不生效。-out 参数是给 detector test（批量测试图片）模式设计的，用来保存检测结果到JSON，而demo模式默认只负责实时展示或保存视频，不会处理这个参数。

解决方案 #

方案1：重定向控制台输出到TXT文件（最简单快捷） #

你已经加了 -ext_output 参数，这会让控制台输出每帧的详细检测结果（包括目标类别、置信度、坐标）。我们可以把控制台的输出直接重定向到TXT文件：

./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights -dont_show test_vid.mp4 -i 0 -out_filename output.avi -ext_output > result.txt 2>&1

• > 表示把正常输出（检测结果）写入 result.txt
• 2>&1 表示把错误信息也写入同一个文件，避免丢失关键日志

生成的TXT文件里，每一条检测结果会是类似这样的格式：

person: 99% (left_x: 100 top_y: 200 width: 150 height: 300)

如果之后需要转换成JSON，可以用Python写个简单的脚本解析这个TXT文件，整理成结构化的JSON格式。

方案2：修改源码实现JSON输出（适合需要原生JSON的情况） #

如果一定要直接生成JSON格式的结果，需要修改Darknet的源码：

1. 打开 darknet/src/demo.c 文件
2. 找到处理检测结果的部分（比如在 draw_detections 函数附近，或者打印结果的 printf 语句处）
3. 添加代码，把每个目标的信息（类别、置信度、坐标、帧号）格式化成JSON字符串，写入到指定的文件中
4. 重新编译Darknet：在终端执行 make 命令
5. 再次运行你的demo命令，就能生成JSON结果文件了

方案3：拆分视频为帧，用test模式批量处理（适合不需要实时预览的场景） #

如果不需要实时处理视频，只是想得到检测结果和生成视频，可以先把视频拆成单帧图片，再用批量测试模式：

1. 用ffmpeg拆分视频（需要先安装ffmpeg）：

ffmpeg -i test_vid.mp4 frames/frame_%04d.jpg

（frames 是提前创建好的文件夹）
2. 生成包含所有帧路径的文本文件：

ls frames/*.jpg > frames.txt

3. 用 detector test 批量处理并保存JSON结果：

./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights -ext_output -out result.json < frames.txt

4. 最后如果需要把帧重新合成视频，可以用：

ffmpeg -i frames/frame_%04d.jpg -c:v libx264 -r 30 output.avi

额外注意事项 #

• 建议拉取Darknet的最新代码重新编译，旧版本可能存在参数支持不全的问题
• 如果用方案1的TXT转JSON，Python脚本可以参考遍历每一行，提取类别、置信度、坐标，然后组织成列表写入JSON文件

内容的提问来源于stack exchange，提问作者Saran Raj