yolo8摄像头实时检测（可修改识别边框）

最新推荐文章于 2025-06-16 11:34:12 发布

原创最新推荐文章于 2025-06-16 11:34:12 发布 · 3.1k 阅读

24 ·

CC 4.0 BY-SA版权

文章标签：

#yolo8 #python

该代码示例展示了如何在预配置的环境中利用YOLOv8模型进行实时对象检测。通过CV2库读取和处理摄像头视频流，利用YOLOv8m.pt模型进行识别，用Supervision库标注检测到的物体并显示在视频帧上。用户可以通过按Esc键退出程序。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

提前配置好yolo8的虚拟环境，同时补充安装包 supervision

#开  发  者 ：刘 海 超
#开 发 时 间：2023-05-18 14:20
import cv2
import supervision as sv
from ultralytics import YOLO


def main():
    # 保存视频
    writer = cv2.VideoWriter('webcam_yolo.mp4',
                             cv2.VideoWriter_fourcc(*'mp4v'),
                             7,
                             (1280, 720))

    # define resolution
    cap = cv2.VideoCapture(0)
    cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
    cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 720)

    # specify the model
    model = YOLO("yolov8m.pt")

    # 自定义边框
    box_annotator = sv.BoxAnnotator(
        thickness=2,
        text_thickness=2,
        text_scale=1
    )

    while True:
        ret, frame = cap.read()
        result = model(frame, agnostic_nms=True)[0]
        detections = sv.Detections.from_yolov8(result)
        labels = [
            f"{model.model.names[class_id]} {confidence:0.2f}"
            for _, _, confidence, class_id,_
            in detections
        ]
        frame = box_annotator.annotate(
            scene=frame,
            detections=detections,
            labels=labels
        )

        writer.write(frame)

        cv2.imshow("yolov8", frame)

        if (cv2.waitKey(30) == 27):  # break with escape key
            break

    cap.release()
    writer.release()
    cv2.destroyAllWindows()


if __name__ == "__main__":
    main()