一,图像检测
用已经训练好的模型进行图像推理检测,运行时注意修改图像和模型路径。
# 引入opencv
import cv2
# 引入YOLO模型
from ultralytics import YOLO
# 打开图像
img_path = "./img.jpg" # 这里修改你图像保存路径
# 打开图像
img = cv2.imread(filename=img_path)
# 加载模型
model = YOLO(model="yolov8n.pt") # 这里修改你图像保存路径
# 正向推理
res = model(img)
# 绘制推理结果
annotated_img = res[0].plot()
# 显示图像
cv2.imshow(winname="YOLOV8", mat=annotated_img)
# 等待时间
cv2.waitKey(delay=10000)
# 绘制推理结果
cv2.imwrite(filename="jieguo.jpeg", img=annotated_img)
二, 视频检测
用已经训练好的模型进行视频推理检测,运行时注意修改图像和模型路径。
import cv2
from ultralytics import YOLO
# 加载模型
model = YOLO(model="yolov8x.pt")
# 视频文件
video_path = "nanwangjinxiao.mp4"
# 打开视频
cap = cv2.VideoCapture(video_path)
while cap.isOpened():
# 获取图像
res, frame = cap.read()
# 如果读取成功
if res:
# 正向推理
results = model(frame)
# 绘制结果
annotated_frame = results[0].plot()
# 显示图像
cv2.imshow(winname="YOLOV8", mat=annotated_frame)
# 按ESC退出
if cv2.waitKey(1) == 27:
break
else:
break
# 释放链接
cap.release()
# 销毁所有窗口
cv2.destroyAllWindows()
三,实时摄像头检测
这里默认打开的是你电脑本地摄像头(编号0)
import cv2
from ultralytics import YOLO
# 加载模型
model = YOLO(model="yolov8n.pt")
# 摄像头编号
camera_no = 0
# 打开摄像头
cap = cv2.VideoCapture(camera_no)
while cap.isOpened():
# 获取图像
res, frame = cap.read()
# 如果读取成功
if res:
# 正向推理
results = model(frame)
# 绘制结果
annotated_frame = results[0].plot()
# 显示图像
CV2.imshow(winname="YOLOV8", mat=annotated_frame)
# 按ESC退出
if CV2.waitKey(1) == 27:
break
else:
break
# 释放链接
cap.release()
# 销毁所有窗口
cv2.destroyAllWindows()