今日学习内容
今天主要围绕 YOLOv8 视频目标检测的完整流程进行实践，重点解决内存不足和代码变量错误的问题。上午复习了 Ubuntu 系统中查看 conda 环境的方法，使用 conda env list 快速确认当前环境。下午着手处理一个实际项目：用训练好的 best.pt 模型对一段屏幕录制视频进行检测，并保存标注后的结果。
遇到的主要困难
-
内存分配错误：运行预测脚本时，出现 _ArrayMemoryError: Unable to allocate 8.79 MiB 的报错，原因是视频帧分辨率过大（1422×2160），OpenCV 在读取帧时无法分配足够内存。
-
变量未定义：修正内存问题后，又遇到 NameError: name 'input_video' is not defined，因为在配置部分用了 video_path，但代码中却引用了 input_video。
解决方法
· 对于内存问题，我在代码中增加了自动缩放机制：当帧面积超过设定阈值（如1080p）时，先等比例缩小帧送入模型预测，再将标注后的帧放大回原始尺寸保存，这样既避免了内存溢出，又保证了输出视频的分辨率不变。
· 对于变量命名错误，我将配置参数统一为 input_video 和 output_video，并修改了代码中所有引用，确保一致性。
收获与反思
今天深刻体会到"细节决定成败"：一个变量名不匹配就可能让整个程序崩溃。同时学会了用"先缩放、后还原"的策略处理大尺寸视频，这是工程中应对内存限制的常用技巧。通过这次实践，我对 OpenCV 的视频读写、YOLO 模型推理的内存管理有了更具体的认识。不足的是，没有提前估算视频帧尺寸，导致反复调试，下次应先检查视频属性再设计处理方案。
下一步计划
明天将尝试用 GPU 加速推理，并对比不同缩放比例对检测精度的影响，同时学习如何将结果视频叠加时间戳和类别标签，增强可视化效果。