使用 ultralytics 摄像头yolo推理

使用 ultralytics 摄像头yolo推理

官方网站
https://docs.ultralytics.com/

github
https://github.com/ultralytics/ultralytics

搭建环境

bash 复制代码
# Install the ultralytics package using conda
conda install -c conda-forge ultralytics

linux下摄像头推理

python 复制代码
import cv2
from ultralytics import YOLO
import time

# 加载轻量级模型,并指定较小的图像尺寸以提高速度
model = YOLO('yolov8n.pt')  # 或者根据实际情况选择其他轻量模型
IMG_SIZE = 320  # 调整输入图像尺寸

cap = cv2.VideoCapture(0)

prev_time = 0
curr_time = 0
fps = 0

while True:
    ret, frame = cap.read()
    if not ret:
        print("未能成功获取视频帧,退出...")
        break
    
    # 缩放图像以减小推理负担
    frame = cv2.resize(frame, (IMG_SIZE, IMG_SIZE))
    
    curr_time = time.time()
    fps = 1 / (curr_time - prev_time)
    prev_time = curr_time
    
    results = model(frame)
    
    annotated_frame = results[0].plot()
    cv2.putText(annotated_frame, f"FPS: {fps:.2f}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
    
    cv2.imshow('YOLO Real-Time Detection with FPS', annotated_frame)
    
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()
相关推荐
CoovallyAIHub3 天前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉
向哆哆5 天前
高精度织物缺陷检测数据集(适用YOLO系列/1000+标注)(已标注+划分/可直接训练)
yolo·目标检测
前网易架构师-高司机5 天前
带标注的驾驶员安全带识别数据集,识别率99.5%,可识别有无系安全带,支持yolo,coco json,pascal voc xml格式
xml·yolo·数据集·交通·安全带
这张生成的图像能检测吗5 天前
(论文速读)XLNet:语言理解的广义自回归预训练
人工智能·计算机视觉·nlp·注意力机制
十铭忘5 天前
自主认知-行动1——架构
人工智能·计算机视觉
yuzhuanhei5 天前
YOLO26实操记录(自用)
人工智能·计算机视觉·目标跟踪