使用 YOLOv8 模型分析摄像头的图像

在 Python 中使用 YOLOv8 模型分析摄像头的图像并进行分类。

1. 安装依赖库

首先，你需要安装 ultralytics 库，它提供了 YOLOv8 的 Python API。可以使用以下命令进行安装：

bash

pip install ultralytics

2. 编写 Python 代码

以下是一个使用 YOLOv8 模型对摄像头图像进行分类的示例代码：

import cv2
from ultralytics import YOLO

# 加载预训练的 YOLOv8 分类模型
model = YOLO('yolov8n-cls.pt')

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取摄像头的一帧图像
    ret, frame = cap.read()
    if not ret:
        break

    # 使用 YOLOv8 模型进行分类
    results = model(frame)

    # 获取分类结果
    for r in results:
        # 获取预测的类别索引
        predicted_class_index = r.probs.top1
        # 获取预测类别的名称
        predicted_class_name = r.names[predicted_class_index]
        # 获取预测的置信度
        confidence = r.probs.data[predicted_class_index].item()

        # 在图像上显示分类结果
        cv2.putText(frame, f'{predicted_class_name}: {confidence:.2f}', (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

    # 显示处理后的图像
    cv2.imshow('YOLOv8 Image Classification', frame)

    # 按 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头并关闭所有窗口
cap.release()
cv2.destroyAllWindows()

3. 代码解释

• 加载模型：使用 YOLO('yolov8n-cls.pt') 加载预训练的 YOLOv8 分类模型。yolov8n-cls.pt 是 YOLOv8 Nano 版本的分类模型，你也可以根据需要选择其他版本的模型。
• 打开摄像头：使用 cv2.VideoCapture(0) 打开默认摄像头。
• 循环读取图像：在 while 循环中不断读取摄像头的图像帧。
• 进行分类：使用 model(frame) 对每一帧图像进行分类，返回分类结果。
• 获取分类结果：从分类结果中获取预测的类别索引、类别名称和置信度，并在图像上显示这些信息。
• 显示图像：使用 cv2.imshow 显示处理后的图像。
• 退出循环：按 q 键退出循环。
• 释放资源：循环结束后，释放摄像头并关闭所有窗口。

4. 注意事项

• 确保你的摄像头可以正常工作，并且可以被系统识别。
• 如果分类效果不理想，你可以尝试使用更大的模型，如 yolov8s-cls.pt、yolov8m-cls.pt 等，但这些模型的计算量会更大，可能需要更强的硬件支持。