YOLOv8和OpenCV快速入门指南

想要让 YOLOv8 与 OpenCV 一起快速运行吗？本指南切入正题，向您展示如何轻松设置、下载模型和运行实时对象检测。

第 1 步：设置您的环境

首先，创建一个虚拟环境并安装必要的库。

# Create and activate a virtual environment
python -m venv yolov8_opencv_env
# On Windows: yolov8_opencv_envScriptsactivate
# On macOS/Linux: source yolov8_opencv_env/bin/activate

# Install libraries
pip install opencv-python numpy ultralytics

第 2 步：下载 YOLOv8 模型

ultralytics库可以毫不费力地处理模型下载。我们将使用 yolov8n.pt（nano） 模型来实现速度和准确性的良好平衡。

from ultralytics import YOLO
# This downloads yolov8n.pt if you don't have it
model = YOLO('yolov8n.pt')

第 3 步：编写检测脚本

创建一个名为detect_objects.py的文件并粘贴以下代码。此脚本将从您的网络摄像头中抓取帧，运行 YOLOv8 推理并显示结果。

import cv2
from ultralytics import YOLO
import numpy as np

def main():
    # Load the YOLOv8 model
    model = YOLO('yolov8n.pt')

    # Open the default webcam (0 for built-in, or specify video file path)
    cap = cv2.VideoCapture(0)
    if not cap.isOpened():
        print("Error: Could not open video stream.")
        return

    class_names = model.names # Get class names (e.g., 'person', 'car')

    while True:
        ret, frame = cap.read()
        if not ret:
            print("End of stream or error reading frame.")
            break

        # Run YOLOv8 inference on the frame
        results = model(frame, conf=0.5) # conf=0.5 means 50% confidence threshold

        # Process and draw detections
        for r in results:
            boxes = r.boxes.xyxy.cpu().numpy()
            confidences = r.boxes.conf.cpu().numpy()
            class_ids = r.boxes.cls.cpu().numpy()

            for box, conf, class_id in zip(boxes, confidences, class_ids):
                x1, y1, x2, y2 = map(int, box)
                label = f"{class_names[int(class_id)]}: {conf:.2f}"

                cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2) # Green rectangle
                cv2.putText(frame, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) # Green text

        cv2.imshow('YOLOv8 Object Detection', frame)

        # Press 'q' to quit
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    cap.release()
    cv2.destroyAllWindows()

if __name__ == '__main__':
    main()

第 4 步：运行脚本 

最后，从终端执行您的脚本：

python detect_objects.py

将弹出一个窗口，显示带有实时对象检测的网络摄像头源。按 'q' 关闭它。

提高性能的快速提示

• 模型大小：最快。为了提高准确性，请尝试 或 ，但预计速度会变慢。yolov8n.ptyolov8s.ptyolov8m.pt
• GPU：如果您使用 PyTorch 设置了 NVIDIA GPU 和 CUDA，则会自动使用它来进行更快的推理。ultralytics
• 置信度：调整以更改检测灵敏度。conf=0.5model(frame, conf=0.5)

就是这样！您已成功使用 YOLOv8 和 OpenCV 实现实时对象检测。