YOLOv8摔倒检测-Pyside6的GUI——手动选择使用摄像头/选择文件进行检测

项目介绍

项目名称

YOLOv8摔倒检测系统

项目描述

本项目旨在开发一个基于YOLOv8的摔倒检测系统，该系统能够通过视频流或上传的视频文件实时检测摔倒事件。系统使用Pyside6构建了一个用户友好的图形用户界面（GUI），允许用户手动选择使用摄像头进行实时检测或是上传视频文件进行离线检测。该项目适用于安全监控、老年人护理等多种应用场景。

关键功能

1. 摔倒检测：

   • 使用YOLOv8模型进行实时或离线视频中的摔倒事件检测。
   • 模型能够识别摔倒的动作，并提供检测结果。

2. 实时检测：

   • 支持从摄像头实时捕获视频流，并进行摔倒检测。
   • 用户可以选择连接的摄像头进行检测。

3. 离线检测：

   • 用户可以从本地文件系统中上传视频文件，并对其进行摔倒检测。
   • 系统会显示检测结果，并可以保存结果视频。

4. 用户界面：

   • 使用Pyside6构建了一个简洁的GUI，方便用户操作。
   • 用户界面支持选择摄像头或上传视频文件。

技术栈

• YOLOv8：用于摔倒检测的深度学习模型。
• Pyside6：用于构建图形用户界面。
• Python：项目的主要编程语言。
• OpenCV：用于视频处理和显示。

关键代码示例

1. YOLOv8摔倒检测模型

首先，确保已经安装了YOLOv8和相关的依赖库，并且加载了预训练的模型。

1import torch
2import cv2
3
4# 加载YOLOv8模型
5model = torch.hub.load('ultralytics/yolov5', 'custom', path='path/to/yolov8_fall_detection.pt')  # 请替换为你的模型路径
6
7def detect_fall(image):
8    results = model(image)
9    # 获取检测结果
10    return results.pandas().xyxy[0]

2. Pyside6 GUI

使用Pyside6构建一个基本的GUI，允许用户选择使用摄像头或上传视频文件进行检测。

1import sys
2from PySide6.QtWidgets import QApplication, QMainWindow, QPushButton, QVBoxLayout, QWidget, QFileDialog, QLabel, QTextEdit
3from PySide6.QtGui import QImage, QPixmap
4from PySide6.QtCore import QTimer
5
6class FallDetectionApp(QMainWindow):
7    def __init__(self):
8        super().__init__()
9        self.setWindowTitle('Fall Detection System')
10        self.setGeometry(100, 100, 800, 600)
11        
12        self.central_widget = QWidget()
13        self.setCentralWidget(self.central_widget)
14        
15        self.layout = QVBoxLayout()
16        self.central_widget.setLayout(self.layout)
17        
18        self.image_label = QLabel()
19        self.layout.addWidget(self.image_label)
20        
21        self.result_text = QTextEdit()
22        self.layout.addWidget(self.result_text)
23        
24        self.button_layout = QVBoxLayout()
25        
26        self.camera_button = QPushButton('Use Camera')
27        self.camera_button.clicked.connect(self.use_camera)
28        self.button_layout.addWidget(self.camera_button)
29        
30        self.file_button = QPushButton('Upload File')
31        self.file_button.clicked.connect(self.upload_file)
32        self.button_layout.addWidget(self.file_button)
33        
34        self.layout.addLayout(self.button_layout)
35        
36        self.cap = None
37        self.timer = QTimer()
38        self.timer.timeout.connect(self.update_frame)
39    
40    def use_camera(self):
41        self.cap = cv2.VideoCapture(0)  # 使用默认摄像头
42        self.timer.start(30)  # 每30毫秒更新一次图像
43    
44    def upload_file(self):
45        file_name, _ = QFileDialog.getOpenFileName(self, 'Open Video File', '', 'Video Files (*.mp4 *.avi)')
46        if file_name:
47            self.cap = cv2.VideoCapture(file_name)
48            self.timer.start(30)  # 每30毫秒更新一次图像
49    
50    def update_frame(self):
51        ret, frame = self.cap.read()
52        if ret:
53            # 调用YOLOv8模型进行摔倒检测
54            results = detect_fall(frame)
55            # 在图像中标注检测结果
56            for index, row in results.iterrows():
57                if row['name'] == 'fall':
58                    x1, y1, x2, y2 = int(row['xmin']), int(row['ymin']), int(row['xmax']), int(row['ymax'])
59                    cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 0, 255), 2)
60                    self.result_text.setText(f'Detection: Fall at ({x1}, {y1}) - ({x2}, {y2})')
61            
62            # 将OpenCV图像转换为QPixmap以便在QLabel中显示
63            height, width, channel = frame.shape
64            bytes_per_line = 3 * width
65            q_img = QImage(frame.data, width, height, bytes_per_line, QImage.Format_RGB888).rgbSwapped()
66            pixmap = QPixmap.fromImage(q_img)
67            self.image_label.setPixmap(pixmap)
68    
69    def closeEvent(self, event):
70        if self.cap is not None:
71            self.cap.release()
72        self.timer.stop()
73        event.accept()
74
75if __name__ == '__main__':
76    app = QApplication(sys.argv)
77    window = FallDetectionApp()
78    window.show()
79    sys.exit(app.exec())

说明

1. YOLOv8模型：确保已经加载了预训练的YOLOv8模型，并且该模型已经被训练用于检测摔倒事件。
2. Pyside6 GUI：构建了一个简单的用户界面，允许用户选择使用摄像头或上传视频文件进行检测。界面中包含一个用于显示检测结果的图像区域和一个用于显示文本信息的区域。
3. 视频处理：当用户选择使用摄像头或上传视频文件后，程序会读取视频流并通过YOLOv8模型进行检测。检测结果会在图像中标注出来，并在界面上显示。

总结

此YOLOv8摔倒检测系统通过结合深度学习模型YOLOv8和Pyside6构建的GUI，实现了对摔倒事件的实时或离线检测。系统提供了用户友好的界面，使得用户可以方便地选择使用摄像头或上传视频文件进行检测，并查看检测结果。该系统适用于多种应用场景，包括安全监控和老年人护理等。