使用YoloV5实现鼠标跟踪(源码)

import cv2
import numpy as np
from PIL import ImageGrab
import pyautogui
pyautogui.FAILSAFE=False
from yolov5 import YOLOv5

def get_leftmost_person_center(detections):
    leftmost_center = None
    leftmost_x = float('inf')

    for det in detections:
        cls = det[-1]
        if cls == 0:  # 人类别的索引为0
            x1, y1, x2, y2 = det[:4]
            center_x = (x1 + x2) / 2
            center_y = (y1 + y2) / 2

            if center_x < leftmost_x:
                leftmost_x = center_x
                leftmost_center = (center_x.item(), center_y.item())

    return leftmost_center

# 初始化YOLOv5模型
model = YOLOv5('yolov5s.pt', device='cuda:0')

while True:
    # 屏幕截图
    screenshot = ImageGrab.grab()
    img = cv2.cvtColor(np.array(screenshot), cv2.COLOR_RGB2BGR)

    # 图像输入模型进行检测
    results = model.predict(img)

    # 获得最左侧人的检测框中心位置
    leftmost_center = get_leftmost_person_center(results.xyxy[0])

    if leftmost_center:
        # 获取当前鼠标位置
        current_position = pyautogui.position()

        # 计算x和y方向上的增量
        delta_x = leftmost_center[0] - current_position[0]
        delta_y = leftmost_center[1] - current_position[1]

        # 平滑移动鼠标到目标位置
        pyautogui.move(delta_x, delta_y, duration=0.25)

        # 打印坐标信息
        print("最左侧人的检测框中心位置:", leftmost_center)

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Yolov5+DeepSort是一种目标检测和目标跟踪的算法组合,可以在视频中实现实时的多目标跟踪。在GitHub上,你可以找到相关的源码使用教程。 以下是使用Yolov5+DeepSort源码的一般步骤: 1. 下载源码:首先,你需要在GitHub上找到Yolov5和DeepSort的源码仓库,并将其下载到本地。 2. 安装依赖:在运行源码之前,你需要安装相关的依赖库。通常,这些依赖库包括PyTorch、NumPy、OpenCV等。你可以根据源码仓库中的要求进行安装。 3. 准备数据集:为了训练和测试模型,你需要准备一个适当的数据集。这个数据集应该包含标注好的图像或视频,并且标注信息应该包括目标的类别和位置。 4. 训练模型:使用准备好的数据集,你可以开始训练Yolov5模型。根据源码仓库中的指导,你需要运行相应的训练脚本,并设置好相关的参数,如学习率、批大小等。训练过程可能需要一定的时间,具体取决于你的硬件配置和数据集的大小。 5. 测试模型:在训练完成后,你可以使用训练好的Yolov5模型进行目标检测。根据源码仓库中的指导,你需要运行相应的测试脚本,并提供待检测的图像或视频作为输入。测试过程将输出检测到的目标及其位置。 6. 应用DeepSort:一旦你完成了目标检测,你可以将DeepSort算法应用于检测到的目标,以实现目标跟踪。根据源码仓库中的指导,你需要运行相应的跟踪脚本,并提供目标检测的结果作为输入。跟踪过程将输出每个目标的唯一ID和轨迹信息。 以上是一般的使用教程概述,具体的步骤和细节可能因源码仓库的不同而有所差异。建议你在GitHub上找到对应的源码仓库,并参考其中的详细文档和示例代码来进行具体操作。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值