基于YOLOv8的车辆跟踪与车速计算应用

实现基于YOLOv8的车辆跟踪与车速计算应用涉及以下几个步骤。这里我们假设你已经熟悉Python编程，并且已经安装了所需的库，如YOLOv8、OpenCV等。如果没有，可以先安装这些库：

pip install ultralytics opencv-python numpy opencv-contrib-python

步骤1：安装和配置YOLOv8

首先，安装YOLOv8库并下载预训练模型：

pip install ultralytics

步骤2：加载模型和配置环境

编写Python脚本来加载YOLOv8模型并配置摄像头或视频输入：

import cv2
from ultralytics import YOLO

# 加载YOLOv8预训练模型
model = YOLO('yolov8s.pt')

# 打开摄像头或视频文件
cap = cv2.VideoCapture(0)  # 使用摄像头
# cap = cv2.VideoCapture('video.mp4')  # 使用视频文件

while True:
    ret, frame = cap.read()
    if not ret:
        break

    # 进行检测
    results = model(frame)

    # 处理检测结果
    for result in results:
        for box in result.boxes:
            x1, y1, x2, y2 = box.xyxy.cpu().numpy().astype(int)
            confidence = box.conf.cpu().numpy()
            class_id = int(box.cls.cpu().numpy())
            if class_id == 2:  # 仅检测车辆（类别ID 2 代表车辆）
                cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
                cv2.putText(frame, f'Vehicle: {
     confidence:.2f}', (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)

    # 显示结果
    cv2.imshow('Vehicle Detection', frame)

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

cap.release()
cv2.destroyAllWindows()

步骤3：车辆跟踪

为了实现车辆跟踪，可以使用OpenCV的跟踪器，例如KCF、CSRT、MOSSE等。这里使用CSRT跟踪器进行演示：

import cv2
from ultralytics import YOLO

# 加载YOLOv8预训练模型
model = YOLO('yolov8s.pt')

# 打开摄像头或视频文件
cap = cv2.VideoCapture(0)  # 使用摄像头
# cap = cv2.VideoCapture('video.mp4')  # 使用视频文件

trackers = cv2.MultiTracker_create()

while True:
    ret, frame = cap.read()
    if not ret:
        break

    # 进行检测
    results = model(frame)

    # 初始化跟踪器
    for result in results:
        for box in result.boxes:
            x1, y1, x2, y2 = box.xyxy.cpu().numpy().astype(int)
            class_id = int(box.cls.cpu().numpy())
            if class_id == 2:  # 仅检测车辆
                tracker = cv2.TrackerCSRT_create()
                trackers.add(tracker, frame, (x1, y1, x2 - x1, y2 - y1))

    # 更新跟踪器
    success, boxes