基于YOLOv8的暴力行为分类系统

本项目旨在通过计算机视觉技术实现暴力行为的实时监测和分类。利用先进的目标检测算法YOLOv8,结合Streamlit开发的前端界面,该系统能够高效地从图像或视频中识别出暴力行为,并及时报警。系统支持对实时摄像头输入进行分析,以及上传的图像和视频文件。

技术栈:
  • YOLOv8: 目标检测模型,用于检测图像中的物体。
  • Streamlit: Python Web应用框架,用于构建用户界面。
功能特点:
  • 支持图片、视频及实时摄像头输入。
  • 实现暴力行为与正常行为的二分类。
  • 提供直观的用户界面,便于操作和监控。
混淆矩阵示例(假设数据):
复制代码
          预测值
          正常  暴力
实际值
正常   95    5
暴力   10   85

这表明模型在测试集上具有较高的准确率,其中95%的正常行为被正确分类为正常,而85%的暴力行为被正确识别。

关键代码示例

下面是一些关键代码片段,包括如何使用YOLOv8进行预测以及如何用Streamlit构建用户界面。

YOLOv8预测代码

首先确保安装了ultralytics库:

复制代码
pip install ultralytics

然后编写预测函数:

复制代码
from ultralytics import YOLO

def predict(image_path, model):
    """
    使用YOLOv8模型进行预测。
    :param image_path: 图像路径
    :param model: 加载的YOLOv8模型
    :return: 预测结果
    """
    results = model.predict(image_path)
    return results[0].boxes.cls
Streamlit前端代码

创建一个简单的Web应用:

复制代码
import streamlit as st
from PIL import Image
import torch

# 加载模型
model = YOLO('path/to/yolov8_model.pt')

# Streamlit应用
st.title("暴力行为分类系统")

# 文件上传
uploaded_file = st.file_uploader("上传图片或视频", type=["jpg", "jpeg", "png", "mp4"])

if uploaded_file is not None:
    # 保存上传的文件到临时目录
    temp_file_path = f"temp_{uploaded_file.name}"
    with open(temp_file_path, mode='wb') as f:
        f.write(uploaded_file.read())

    # 显示上传的文件
    if uploaded_file.name.endswith(('jpg', 'jpeg', 'png')):
        image = Image.open(uploaded_file)
        st.image(image, caption='Uploaded Image.', use_column_width=True)
    elif uploaded_file.name.endswith('mp4'):
        st.video(uploaded_file)

    # 进行预测
    predictions = predict(temp_file_path, model)

    # 输出预测结果
    if 0 in predictions:
        st.write("预测结果: 正常")
    elif 1 in predictions:
        st.write("预测结果: 暴力")
    else:
        st.write("无法识别的行为")

注意事项

  • 上述代码需要根据实际情况调整模型路径等细节。
  • 对于实时摄像头的支持,您可以使用OpenCV来捕获视频流并将其传递给预测函数。
  • 在部署前,请确保所有依赖项都已经安装并且兼容。
相关推荐
aneasystone本尊3 分钟前
学习 GraphRAG 四大搜索策略
人工智能
小胖墩有点瘦18 分钟前
【基于深度学习的中草药识别系统】
人工智能·python·深度学习·课程设计·计算机毕业设计·中草药识别
六月的可乐27 分钟前
AI助理前端UI组件-悬浮球组件
前端·人工智能
R-G-B33 分钟前
OpenCV 实战篇——如何测算出任一副图片中的物体的实际尺寸?传感器尺寸与像元尺寸的关系?
人工智能·opencv·工业相机·传感器尺寸·像元·测算图片中的物体尺寸·像元与物体尺寸
Hello123网站40 分钟前
Ferret:苹果发布的多模态大语言模型
人工智能·语言模型·自然语言处理·ai工具
MobotStone42 分钟前
比对手快10倍?更强更精准?谷歌"纳米香蕉"到底藏着什么黑科技
人工智能
爱写代码的小朋友1 小时前
STEM背景下人工智能素养框架的研究
人工智能
大学生毕业题目2 小时前
毕业项目推荐:83-基于yolov8/yolov5/yolo11的农作物杂草检测识别系统(Python+卷积神经网络)
人工智能·python·yolo·目标检测·cnn·pyqt·杂草识别
居7然2 小时前
美团大模型“龙猫”登场,能否重塑本地生活新战局?
人工智能·大模型·生活·美团
说私域2 小时前
社交新零售时代本地化微商的发展路径研究——基于开源AI智能名片链动2+1模式S2B2C商城小程序源的创新实践
人工智能·开源·零售