如果你还不懂YOLOv8的安装、推理，自定义数据集训练与搭建的，可以看一下老师这篇文章和视频
https://blog.csdn.net/chajinglong/article/details/149105590?spm=1001.2014.3001.5501https://blog.csdn.net/chajinglong/article/details/149105590?spm=1001.2014.3001.5501
很多同学问老师，这些课程能不能把文档写出来，分享到更多的人，那么今天它来了，整理成大纲给到同学们，希望能够帮助到你们，如果觉得写的可以，可以对照上面的视频和详细资料进行学习。
【YOLOv8零基础从入门到实战进阶系列教程】
基于yolov8图形化目标检测视频（PyQt5 + ultralytics）：
- 使用YOLO模型进行目标检测
- 处理图片和视频流
- 实现检测结果GUI可视化
python
import sys #用于退出程序
from PyQt5.QtCore import Qt,QTimer #这些是 PyQt5 库的模块，用于构建图形用户界面（GUI）应用程序
from PyQt5.QtWidgets import QApplication, QMainWindow, QLabel, QVBoxLayout, QWidget, QPushButton, QHBoxLayout, \
QMessageBox, QFileDialog
from PyQt5.QtGui import QImage, QPixmap
import cv2 #图像处理
from ultralytics import YOLO #深度学习模型接口，用于加载 YOLO（You Only Look Once）模型进行对象检测
#负责处理模型加载和图像检测的逻辑。
class Worker:
def __init__(self):
self.model = None
#加载模型
def load_model(self):
model_path, _ = QFileDialog.getOpenFileName(None, "选择模型文件", "", "模型文件 (*.pt)")
if model_path:
self.model = YOLO(model_path)
if self.model:
return True
else:
return False
#检测图片
def detect_image(self, image_path):
image = cv2.imread(image_path)
if image is not None:
results = self.model.predict(image)
return results
else:
return None
#打开视频
def detect_video(self, video_path):
# 打开视频文件
self.cap = cv2.VideoCapture(video_path)
if not self.cap.isOpened():
return False
return True
#获取视频标注图像
def get_frame(self):
if self.cap is not None and self.cap.isOpened():
ret, frame = self.cap.read()
if ret:
# 使用 YOLO 进行对象检测
results = self.model.predict(frame)
annotated_frame = results[0].plot() # 用检测结果标注图像
return annotated_frame
return None
#释放
def release(self):
if self.cap:
self.cap.release()
#应用程序的主窗口，负责创建界面，处理用户交互和显示检测结果
class MainWindow(QMainWindow):
def __init__(self):
super().__init__()
self.setWindowTitle("YOLOv8-GUI(图形化界面)")
"""
第一个：100，左上角屏幕左边缘水平距离（像素）
第二个：100，左上角屏幕上边缘垂直距离（像素）
第三个：100，设置窗口的宽度
第四个：100，设置窗口的高度
"""
self.setGeometry(100, 100, 1200, 800)
self.label = QLabel()
self.label.setAlignment(Qt.AlignCenter)
self.label.setFixedSize(640,480)
layout = QVBoxLayout()
layout.addWidget(self.label)
central_widget = QWidget()
central_widget.setLayout(layout)
self.setCentralWidget(central_widget)
self.worker = Worker()
# 创建按钮布局
hbox_buttons = QHBoxLayout()
layout.addLayout(hbox_buttons)
# 添加模型选择按钮
self.load_model_button = QPushButton("模型选择")
self.load_model_button.clicked.connect(self.load_model)
hbox_buttons.addWidget(self.load_model_button)
# 添加图片检测按钮
self.image_detect_button = QPushButton("图片检测")
self.image_detect_button.clicked.connect(self.detect_image)
self.image_detect_button.setEnabled(False)
hbox_buttons.addWidget(self.image_detect_button)
#添加视频检测按钮
self.video_detect_button = QPushButton("视频检测")
self.video_detect_button.clicked.connect(self.detect_video)
self.video_detect_button.setEnabled(False)
hbox_buttons.addWidget(self.video_detect_button)
# 添加退出按钮
self.exit_button = QPushButton("退出")
self.exit_button.clicked.connect(self.exit_application)
hbox_buttons.addWidget(self.exit_button)
#定时器更新视频
self.timer = QTimer(self)
self.timer.timeout.connect(self.update_frame)
def detect_image(self):
image_path, _ = QFileDialog.getOpenFileName(None, "选择图片文件", "", "图片文件 (*.jpg *.jpeg *.png)")
if image_path:
results = self.worker.detect_image(image_path)
if results:
annotated_image = results[0].plot()
height, width, channel = annotated_image.shape
bytesPerLine = 3 * width
qimage = QImage(annotated_image.data, width, height, bytesPerLine, QImage.Format_BGR888)
pixmap = QPixmap.fromImage(qimage)
self.label.setPixmap(pixmap.scaled(self.label.size(), Qt.KeepAspectRatio))
else:
QMessageBox.critical(self, "错误", "请选择图片文件")
#选择视频文件
def detect_video(self):
video_path, _ = QFileDialog.getOpenFileName(None, "选择视频文件", "", "视频文件 (*.mp4 *.avi *.mov)")
if video_path:
if self.worker.detect_video(video_path):
# 开始定时器逐帧处理视频
self.timer.start(30) # 每30ms更新一次 (大约每秒更新33帧)
else:
QMessageBox.critical(self, "错误", "无法打开视频文件")
else:
QMessageBox.critical(self, "错误", "请选择视频文件")
#更新视频
def update_frame(self):
frame = self.worker.get_frame()
if frame is not None:
# 获取视频帧的宽高
height, width, channel = frame.shape
bytesPerLine = 3 * width
qimage = QImage(frame.data, width, height, bytesPerLine, QImage.Format_BGR888)
# 创建 QPixmap 并按固定尺寸显示
pixmap = QPixmap.fromImage(qimage)
# 按照 Qlabel 固定的尺寸显示，保持宽高比
self.label.setPixmap(pixmap.scaled(self.label.size(), Qt.KeepAspectRatio))
else:
self.timer.stop() # 停止定时器，视频播放完毕
QMessageBox.information(self, "提示", "视频播放完毕")
def load_model(self):
if self.worker.load_model():
self.image_detect_button.setEnabled(True)
self.video_detect_button.setEnabled(True)
def exit_application(self):
# 终止程序运行
sys.exit()
if __name__ == '__main__':
app = QApplication(sys.argv)
window = MainWindow()
window.show()
sys.exit(app.exec_())如果这篇文章对你有所帮助，那就感谢同学的分享，转载，你们的分享是老师最大的动力