yolov5行人检测界面

你好！以下是一个基于YOLOv5的行人检测界面的示例代码：

import cv2
import torch
from PIL import Image
from torchvision.transforms import functional as F

# 加载模型
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True).autoshape()

# 设置设备
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = model.to(device).eval()

# 定义类别标签
classes = ['person']

def detect_pedestrians(image_path):
    # 加载图像
    image = Image.open(image_path)

    # 图像预处理
    image = F.to_tensor(image).unsqueeze(0)
    image = image.to(device)

    # 进行行人检测
    results = model(image)

    # 解析检测结果
    boxes = results.xyxy[0]  # 边界框坐标
    confidences = boxes[:, 4]  # 置信度分数

    # 绘制边界框和标签
    for box, confidence in zip(boxes, confidences):
        if confidence > 0.5:
            x1, y1, x2, y2 = box[:4].tolist()
            label = f'{classes[int(box[5])]} {confidence:.2f}'
            cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2)
            cv2.putText(image, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)

    # 显示结果图像
    image = image.squeeze().permute(1, 2, 0).cpu().numpy()
    cv2.imshow('Pedestrian Detection', image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 调用函数进行行人检测
image_path = 'path/to/your/image.jpg'
detect_pedestrians(image_path)

上述代码使用了`yolov5s`模型进行行人检测，你可以根据需要选择其他的模型版本，如`yolov5m`或`yolov5x`。请确保已安装必要的依赖库，如`torch`, `torchvision`, `PIL`, `opencv-python`等。你还需要将`image_path`替换为你要检测的图像路径。运行代码后将显示带有行人边界框和标签的图像。

希望对你有所帮助！如有其他问题，请随时提问。