玫瑰花代码编程python谷歌优化的最佳方案

0、前言

YOLO作为目前CV领域的扛把子，分类、检测等任务样样精通，本文将基于两个小案例，用YOLO做检测任务，看看效果如何

1、对图片内容做检测

假设我有一张名为picture.jpeg的图片，其内容如下

我将图片和代码放到了同级目录

代码如下：

from ultralytics import YOLO
import cv2
import os# 解决OMP问题
os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE"# 加载模型
model = YOLO("yolo11n.pt")# 读取图片（这里要写图片的路径和名称）
image = cv2.imread("picture.jpeg")# 预测
results = model(image)# 绘制预测结果
img = results[0].plot()from matplotlib import pyplot as plt
import matplotlib
matplotlib.use('TkAgg')
# 显示图像（BGR转RGB）
# OpenCV默认使用BGR颜色顺序，matplotlib默认使用RGB颜色顺序，所以需要先进行转换，然后才能正常显示
plt.imshow(X=img[:, :, ::-1])
plt.show()

运行结果：（检测出了图片中的目标物，并对边框线、标签以及置信度做了标注）

2、对视频内容做检测

2.1 本地视频

假设我有一段视频文件（bwgqmy.mp4），我需要对视频中的内容进行检测

我将视频文件和代码放到了同级目录

代码如下：

PS：其实视频检测和上面的图片检测一样，是将视频拆分成一帧一帧的图片来做检测，连起来就是视频效果

from ultralytics import YOLO
import cv2# 加载YOLO模型
model = YOLO("yolo11n.pt")# 打开视频（填写自己电脑上想要检测的视频路径和名称即可）
cap = cv2.VideoCapture("bwgqmy.mp4")while cap.isOpened():# read方法用于尝试读取一帧图像，并返回两个值：# （1）status（布尔值，表示是否成功读取帧）# （2）frame（读取到的帧图像）status, frame = cap.read()# 如果读取失败，则跳出循环if not status:print("error")break# 如果视频太大了，则缩小尺寸# height, width = frame.shape[:2]# new_width = width // 2# new_height = height // 2# frame = cv2.resize(frame, (new_width, new_height))# 使用YOLO模型检测物体results = model(frame)# 绘制预测结果img = results[0].plot()# 显示图像（循环显示预测结果的图像，就相当于视频效果）cv2.imshow("demo", img)# 如果按下的是ESC键（ASCII码为27），则跳出循环if cv2.waitKey(delay=1000 // 24) == 27:break# 释放资源
cap.release()
cv2.destroyAllWindows()

运行结果：（检测出了视频中的目标物，并对边框线、标签以及置信度做了标注）

2.2 摄像头

假设我需要对我电脑摄像头拍摄到的内容进行检测

代码如下：

PS：其实和视频检测一样，是将摄像头拍到的内容拆分成一帧一帧的图片来做检测

from ultralytics import YOLO
import cv2# 加载YOLO模型
model = YOLO("yolo11n.pt")# 调起电脑的第0个摄像头
cap = cv2.VideoCapture(0)while cap.isOpened():# read方法用于尝试读取一帧图像，并返回两个值：# （1）status（布尔值，表示是否成功读取帧）# （2）frame（读取到的帧图像）status, frame = cap.read()# 如果读取失败，则跳出循环if not status:print("error")break# 如果显示区域太大了，则缩小尺寸# height, width = frame.shape[:2]# new_width = width // 2# new_height = height // 2# frame = cv2.resize(frame, (new_width, new_height))# 使用YOLO模型检测物体results = model(frame)# 绘制预测结果img = results[0].plot()# 显示图像（循环显示预测结果的图像，就相当于视频效果）cv2.imshow("demo", img)# 如果按下的是ESC键（ASCII码为27），则跳出循环if cv2.waitKey(delay=1000 // 24) == 27:break# 释放资源
cap.release()
cv2.destroyAllWindows()

运行结果：（检测出了摄像头中的目标物，并对边框线、标签以及置信度做了标注）