Python OpenCV YOLOv8物体检测：入门与实践

2023-03-18 12:42:49

物体检测：使用 Python OpenCV 和 YOLOv8

简介

物体检测是一种计算机视觉技术，使我们能够识别和定位图像或视频中的物体。YOLOv8 是物体检测领域最先进的算法之一，以其速度和准确性而著称。本文将指导你使用 Python OpenCV 和 YOLOv8 进行物体检测，提供详细的步骤指南和代码示例。

准备工作

首先，确保已安装 Python 3.7 或更高版本、OpenCV 和 YOLOv8。你还需要安装 Jupyter Notebook 来运行代码。

加载模型

加载 YOLOv8 模型：

import yolov8
model = yolov8.load("yolov8.pt")

预处理图像

将图像调整为 YOLOv8 模型的输入大小（640x640）：

image = cv2.imread("image.jpg")
image = cv2.resize(image, (640, 640))

预测物体

对图像进行预测，获得边界框、置信度和类 ID：

predictions = model(image)

后处理结果

过滤结果，只保留置信度高于指定阈值的预测：

boxes = predictions.xyxy[0]
scores = predictions.scores[0]
class_ids = predictions.class_ids[0]
valid_indices = np.where(scores > 0.5)[0]
boxes, scores, class_ids = boxes[valid_indices], scores[valid_indices], class_ids[valid_indices]

绘制结果

在图像上绘制边界框和标签：

for box, score, class_id in zip(boxes, scores, class_ids):
    cv2.rectangle(image, (int(box[0]), int(box[1])), (int(box[2]), int(box[3])), (0, 255, 0), 2)
    label = f"{model.names[int(class_id)]}: {score:.2f}"
    cv2.putText(image, label, (int(box[0]), int(box[1]) - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

代码示例

以下是使用 Python OpenCV 和 YOLOv8 进行物体检测的完整代码示例：

import cv2
import numpy as np
import matplotlib.pyplot as plt
import yolov8

# 加载 YOLOv8 模型
model = yolov8.load("yolov8.pt")

# 预处理图像
image = cv2.imread("image.jpg")
image = cv2.resize(image, (640, 640))

# 预测物体
predictions = model(image)

# 后处理结果
boxes = predictions.xyxy[0]
scores = predictions.scores[0]
class_ids = predictions.class_ids[0]
valid_indices = np.where(scores > 0.5)[0]
boxes, scores, class_ids = boxes[valid_indices], scores[valid_indices], class_ids[valid_indices]

# 绘制结果
for box, score, class_id in zip(boxes, scores, class_ids):
    cv2.rectangle(image, (int(box[0]), int(box[1])), (int(box[2]), int(box[3])), (0, 255, 0), 2)
    label = f"{model.names[int(class_id)]}: {score:.2f}"
    cv2.putText(image, label, (int(box[0]), int(box[1]) - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

# 显示图像
plt.imshow(image)
plt.show()