yolov5调用电脑摄像头和识别本地图片或视频

pinduangduang

已于 2024-04-03 01:40:04 修改

阅读量8k

点赞数 45

文章标签： yolov5 windows 机器学习

于 2024-04-02 19:17:55 首次发布

本文链接：https://blog.csdn.net/weixin_72023436/article/details/137280848

版权

书接上文，yolov5环境搭建（Windows下cpu训练）-CSDN博客完成后，尝试调用电脑摄像头实现动态识别或者识别本地图片或视频，方法非常简单。

一.调用电脑摄像头

1.复制使用模型路径

在上文中，train.py运行完成后，打开yolov5\runs\train，找到最新的exp前缀的文件夹，我的在exp2

点击进入后，打开weights文件夹，有两个文件，如图，

一个best.pt和一个last.pt，这两个文件就是我们训练得到的模型。

best.pt 和 last.pt 是在训练深度学习模型时保存的两个不同的模型文件。

last.pt 包含最后一次训练迭代的模型参数。

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

pinduangduang

关注关注

45
点赞
踩
109

收藏

觉得还不错? 一键收藏
3
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

yolov5算法在边缘计算设备上调用海康威视摄像头进行实时检测!

z___fc的博客

07-03

4131

在边缘设备板子上，使用yolov5算法调用海康威视摄像头进行实时目标检测

yolov5 v6.0 有摄像头可以直接使用

01-31

有摄像头可以直接使用。使用m

3 条评论您还未登录，请先登录后发表或查看评论

【YOLOv5】调用本地摄像头

最新发布

luoganttcc的博客

03-31

197

【代码】yolo11 打开摄像头 实时检测。

【yolov5改编系列之四】多进程调用摄像头（也可以是视频流，如：rtsp://，http://）使两个检测文件同时运行，兵分两路

E_lsobj的博客

08-12

4394

基本原理：detect11.py和detect22.py两个文件是由一般的检测图片的文件改编的。使用方法：在官方yolov5-6.0文件夹中创建三个.py文件，将本节三个部分的内容分别放进去，配置好环境，然后运行process.py。本节内容是采用多进程，使两个detect.py文件同时检测摄像头（也可以是视频流，如：rtsp://，http://）采集到的图像（视频帧）。功能：你可以将其功能拓展，比如两个检测文件可以使用自己训练的不同的权重文件，分别执行不同的功能，分别输出，互不干扰。

Yolov5调用手机摄像头实时检测（网络摄像头）

qq_36470918的博客

11-18

1912

在目标检测领域，Yolov5 是一种非常强大且广泛应用的算法。本文将详细介绍如何使用 Yolov5 调用手机摄像头（作为网络摄像头）进行实时检测。

计算机视觉的应用7-利用YOLOv5模型启动电脑摄像头进行目标检测

微学AI的博客

06-13

7325

大家好，我是微学AI，今天给大家介绍一下计算机视觉的应用7-利用YOLOv5模型启动电脑摄像头进行目标检测，本文将详细介绍YOLOv5模型的原理，YOLOv5模型的结构，并展示如何利用电脑摄像头进行目标检测。文章将提供样例代码，以帮助读者更好地理解和实践YOLOv5模型。

yolov5的detect.py代码修改＋调用摄像头+ROS话题发布

weixin_62488888的博客

07-18

6324

weights:参数为模型文件所在目录;source:参数为要识别的图片的路径(多个图片可以是其文件夹路径);Imgse:表示图像输入大小，yolo会根据这个参数剪裁图片;--conf-thres为识别的置信度;iou-thres:“预测的边框”和“真实的边框”的交集和并集的比值，这个IoU值设置小一些可以防止出现重复框;max-det:参数为最大侦测的目标数;device参数为用来识别的设备，数字表示gpu号，若需要cpu运行则将参数改为cpu;view-img参数表示是否展示识别图像。

基于yolov5和pyqt的可视化目标检测支持摄像头、视频和图像检测

03-15

《基于yolov5和PyQT5的可视化目标检测系统：摄像头、视频和图像检测的全方位解析》在计算机视觉领域，目标检测是一项至关重要的任务，它能够识别并定位图像中的特定对象。近年来，YOLO（You Only Look Once）系列...

使用python+yolov5算法+海康摄像头实时检测是否带安全帽以及危险区域+源码+开发文档说明+训练数据（毕设课设&项目开发

03-25

使用python+yolov5算法+海康摄像头实时检测是否带安全帽以及危险区域+源码+开发文档说明+训练数据，适合毕业设计、课程设计、项目开发。项目源码已经过严格测试，可以放心参考并在此基础上延申使用~ 使用python+...

yolov5，使用海康安防相机，python源码

01-15

yolov5，使用海康安防相机，python源码，下载后就可以使用

yolov5在flask部署网页支持在线上传预测图片与视频功能以及摄像头检测功能

10-30

总结，本项目结合了深度学习模型YOLOv5和Web开发框架Flask，实现了图片、视频上传预测以及摄像头实时检测的功能。通过优化前端和后端的交互，提供了直观的用户体验，展示了AI技术在实际应用中的强大潜力。在实际部署...

基于YOLOV5的口罩检测系统，使用pyqt5进行封装，实现图片口罩检测、视频口罩检测和摄像头实时口罩检测的功能

01-05

在这个项目中，PyQT5被用来封装YOLOV5模型，构建了一个用户友好的界面，用户可以通过这个界面上传图片或视频，甚至连接摄像头进行实时口罩检测。用户界面可能包含按钮用于选择文件、启动/停止检测，以及显示检测结果...

（实战）用yolov5实现图像识别

weixin_73785971的博客

06-02

5126

搭建完在prompt里输入 pip list 即可查看已安装的库，因为搭建环境比较简单，本人在搭建环境过程中没遇到过什么问题，所以这里不细说，搭建环境要注意的就是要下载visual C++ 2015 toolkit，站内有人说去官网下载，但是我去官网下载的包安装不了，显示损坏，这里建议大家去站内自己找包，我就是用的别人云盘里的vc toolkit，如果本机已经安装了visual studio，那么这步可以省略。模型越大花的时间越长，这里选用yolov5s.yaml,只需修改一处，就是把nc改为你的标签数。

通过Yolov5使用ip摄像头实时监测（CPU）

2301_80282532的博客

01-04

1231

本文简单介绍Anaconda安装和虚拟环境搭建，yolov5的安装和简单使用，如何连接ip摄像头（CPU）实时检测。

yolov5调用手机摄像头

我姓李的博客

08-30

2915

yolov5调用手机摄像头(局域网)

YOLOv5调用IP摄像头

Albert_yeager的博客

02-26

7244

本文将展示IP摄像头的调用方法（以调用手机摄像头为例），并复习多摄像头实时目标检测相关内容

yolov5 调用 usb 摄像头

weixin_50518868的博客

08-03

1万+

文章是在yolov5 v5.0版本的detect.py所修改编写其他v1.0-v4.0没有试过，你们可以试试。具体用法已经写在代码里面了。 import time import cv2 import numpy as np import torch from models.experimental import attempt_load from utils.datasets import letterbox from utils.general import check_img_size, n

yolov5调用外接摄像头

01-08

### 如何在YOLOv5中使用外部USB摄像头进行实时目标检测 #### 修改配置文件以支持USB摄像头输入为了使YOLOv5能够识别并使用外部USB摄像头，在`detect.py`脚本中的参数设置部分需做相应调整。具体来说，将源路径(`source`)选项由默认值更改为表示第一个可用视频捕获设备索引的字符串'0'[^1]。然而需要注意的是，这里的索引并不总是代表物理连接顺序；有时可能需要试验不同的数值来找到正确的摄像头条目[^2]。对于想要指定某个特定外接USB摄像头的情况，如果发现系统仍然优先选择了内建 webcam，则应先通过设备管理器确认所有已安装成像装置的状态，并考虑暂时停用不需要使用的内置单元以便让程序自动选取剩余的那个作为输入源。 #### 编写Python代码启动对象探测流程并与选定硬件交互下面给出了一段示范性的 Python 脚本片段用于执行上述操作： ```python import torch from pathlib import Path import cv2 def main(): weights = 'yolov5s.pt' imgsz = 640 # 初始化模型 model = torch.hub.load('ultralytics/yolov5', 'custom', path=weights) source = "1" # 假设外部USB摄像头为第二个设备, 可能需要更改此值以匹配实际环境 cap = cv2.VideoCapture(int(source)) while True: ret, frame = cap.read() if not ret: break results = model(frame) result_frame = results.render()[0] cv2.imshow('YOLO v5 Detection', result_frame) key = cv2.waitKey(1) & 0xFF if key == ord("q"): break cap.release() cv2.destroyAllWindows() if __name__ == "__main__": main() ``` 这段代码实现了加载预训练权重、初始化YOLOv5实例化对象、打开指定ID号的视频流（此处假设为1），接着在一个无限循环里持续读取每一帧画面送入网络预测，最后显示带有边界框标记的结果图像直至按下键盘上的Q键退出。