如何在 PyQt5 中实现实时视频流的目标检测？

在 PyQt5 中实现实时视频流的目标检测通常涉及以下几个步骤：

1. **设置视频捕获**：首先，你需要使用 `cv2.VideoCapture` 来打开摄像头或视频文件作为输入源。例如：

   cap = cv2.VideoCapture(0)  # 使用默认摄像头，若想读取文件则传递文件路径

2. **建立定时器**：创建一个 `QTimer` 对象用于定期更新视频帧并检测目标：

   timer = QTimer()
   timer.timeout.connect(self.update_frame)
   timer.start(0)  # 每隔指定时间（这里是立即更新），触发 `update_frame` 函数

3. **目标检测函数**：在这个函数中，每次定时器触发时读取视频帧，然后应用 OpenCV 的目标检测模型（如 Haar 分类器、HOG+SVM 或深度学习模型），如 YOLO、SSD 等：

   def update_frame(self):
       ret, frame = cap.read()  # 读取视频帧
       if not ret:
           break  # 如果读取失败，结束循环
       
       # 使用 OpenCV 模型进行目标检测
       objects = self.detect_objects(frame)
       
       # 将检测结果显示在 PyQt5 窗口上
       self.show_detection_results(frame, objects)

4. **显示结果**：这里你可以选择在 `show_detection_results` 函数中绘制检测框、标签等：

   def show_detection_results(self, frame, objects):
       for obj in objects:
           # 绘制检测结果
           cv2.rectangle(frame, obj['bbox'], color, thickness)
           cv2.putText(frame, obj['label'], obj['bbox'][0:2], fontFace, fontScale, color, thickness)
   
       # 将 OpenCV 图像转为 QImage 并显示在 QLabel 上
       q_img = QImage(frame, frame.shape[1], frame.shape[0], QImage.Format_RGB888)
       pixmap = QPixmap.fromImage(q_img)
       self.object_label.setPixmap(pixmap)

5. **释放资源**：最后，在退出应用之前记得关闭视频捕捉器：

   app.quit()
   cap.release()
   cv2.destroyAllWindows()