yolov8zhandi项目学习

读取json文件 (常用于UI与逻辑间的数据传递)

import json

f = open('setting.json', 'r')
data = f.read()
f.close()

# 使用json.loads()函数将读取到的JSON格式的字符串数据转换为Python字典对象
setting = json.loads(data)
# setting = {
#     "x_offset": 1,
#     "y_offset": 1,
#     "box_conf": 0.5,
#     "auto_shot": False,
#     "open_y": 1138
# }

cv2 播放本地视频

import cv2
# 播放本地视频
capture = cv2.VideoCapture('video.mp4')

while(capture.isOpened()):
    ret, frame = capture.read()
    #改变尺寸，宽高都变为原来的30%
    res2 = cv2.resize(frame, None, fx=0.3,fy=0.3, interpolation=cv2.INTER_LINEAR) 
    cv2.imshow('frame', res2)
    #按q退出
    if cv2.waitKey(30) == ord('q'):
        break

yolo初始化

import torch

# 有 GPU 就用 GPU，没有就用 CPU
device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
# 载入姿势监测预训练模型
model = YOLO('yolov8n-pose.pt')
# 切换计算设备cpu/gpu
model.to(device)

PyQt5库截图指定窗口

# 定义一个函数get_screenshot，其作用是从给定的窗口句柄hwnd中获取屏幕截图

def get_screenshot(hwnd):
    # 使用QApplication类获取主屏幕对象，这是Qt库中的功能，用于获取计算机的主要显示屏幕
    screen = QApplication.primaryScreen()

    # 调用屏幕对象的grabWindow方法，传入hwnd参数以捕捉指定窗口的内容，并将其转化为QImage对象
    img = screen.grabWindow(hwnd).toImage()

    # 将QImage对象转换成OpenCV可用的Mat格式，此处假设存在一个自定义的QImage2Mat函数实现这一转换
    image = QImage2Mat(img)

    # 设置dpi为1，这里的dpi可能是用来缩放截图的分辨率，具体取决于应用场景
    dpi = 1

    # 获取原始截图的高度h_img和宽度w_img
    h_img, w_img = image.shape[:2]

    # 对截图进行裁剪，按照dpi的比例缩小高度和宽度
    # 注意：若dpi为1，则实际上不做缩放处理；若dpi大于1，则会按比例缩小图像
    image = image[0:int(h_img/dpi), 0:int(w_img/dpi)]

    # 返回经过处理后的截图图像（Mat格式）和窗口句柄hwnd
    return image, hwnd

PyQt5图片对象转为opencv的mat格式

def QImage2Mat(incomingImage):
    incomingImage = incomingImage.convertToFormat(4)
    width = incomingImage.width()
    height = incomingImage.height()
    ptr = incomingImage.bits()
    ptr.setsize(incomingImage.byteCount())
    arr = np.array(ptr).reshape(height, width, 4)  # Copies the data
    return arr

.split只能用于分割字符串，若分割字典中的字符串则如下所示

dict_example = {"fruit": "apple,banana,grape"}
fruits_list = dict_example["fruit"].split(",")
print(fruits_list)  # 输出：['apple', 'banana', 'grape']

pycharm中批量修改多个相同变量，双击变量后按多次alt+j

列表元组字典间的相互转换

# 元组转列表
my_tuple = (1, 2, 3)
my_list = list(my_tuple)
print(my_list)  # 输出：[1, 2, 3]

# 列表转元组，简单地使用 tuple() 函数即可
list_data = [1, 2, 3]
tuple_data = tuple(list_data)
print(tuple_data)  # 输出：(1, 2, 3)

#字典转列表
# 转为[(key1, value1), (key2, value2), ...]这样的元组列表
my_dict = {'a': 1, 'b': 2, 'c': 3}
tuple_list = list(my_dict.items())
print(tuple_list)  # 输出：[('a', 1), ('b', 2), ('c', 3)]

# 或者只转换值为列表
values_list = list(my_dict.values())
print(values_list)  # 输出：[1, 2, 3]

# 如果需要转换为只包含键的列表
keys_list = list(my_dict.keys())
print(keys_list)  # 输出：['a', 'b', 'c']

# 若要转换为元组
key_value_tuples = tuple(my_dict.items())
print(key_value_tuples)  # 输出：('a', 1), ('b', 2), ('c', 3)]

字典的数据类型

 setting = {
     "x_offset": 1,
     "y_offset": 1,
     "box_conf": 0.5,
     "auto_shot": False,
     "open_y": 1138，
     "abc"：'hello'
 }
 setting['open_y']为整数类型
 setting['abc']为字符串型

map函数

 open_xy = enum.setting['open_xy'].split(",")
    #分开后为列表类型即['100','300']

    #类型分别转换为int
    open_xy = list(map(int, open_xy))
    dots = [open_xy, ]
    #逗号表示 open_xy 是列表中唯一的元素
    max = 15
    for dot in dots:

#例子
# 对于多参数函数，可以同时传入多个可迭代对象
def add(a, b):
    return a + b

nums1 = [1, 2, 3]
nums2 = [4, 5, 6]
sums = map(add, nums1, nums2)

pycharm中复制本行ctrl+d

• logic.py

  • 获取窗口句柄
  • 调用tool.get_screenshot获取图像帧
  • 调用yolov.process_frame获取处理好的视频和检测结果
  • 调用shot.shot检测结果传入

• yolov.py

  • 加载预训练模型
  • 设定姿态检测的骨架边框颜色等细节
  • 帧处理函数process_frame(img_bgr)的定义，画框关键点坐标，画骨架

• tool.py 获取指定句柄窗口截图并转为opencv的mat格式

调试模式得先打个断点在开头某个句子，不然直接就跑程序了

报错：
AttributeError: module ‘re’ has no attribute ‘compile’
enum.py和python中的一个迭代器重名了