yolov5实时人脸检测，代码示例

以下是一个使用YOLOv5进行实时人脸检测的简单代码示例：

import torch
from PIL import Image
from torchvision.transforms import functional as F
from models.experimental import attempt_load
from utils.general import non_max_suppression, scale_coords
from utils.torch_utils import select_device

def load_model(weights='yolov5s.pt'):
    device = select_device('')
    model = attempt_load(weights, map_location=device)
    return model

def detect_faces(image, model):
    img = F.to_tensor(image)
    img = img.unsqueeze(0)
    img = img.float() / 255.0
    img = img.cuda()

    pred = model(img, augment=False)[0]
    pred = non_max_suppression(pred, 0.4, 0.5)

    faces = []
    for det in pred:
        if len(det):
            det[:, :4] = scale_coords(img.shape[2:], det[:, :4], image.size)
            for *xyxy, conf, cls in det:
                if int(cls) == 0:  # 0 represents the face class
                    faces.append(xyxy)

    return faces

# 加载模型
model = load_model()

# 打开图像文件
image_path = 'path/to/your/image.jpg'
image = Image.open(image_path).convert('RGB')

# 进行人脸检测
faces = detect_faces(image, model)

# 在图像上绘制检测到的人脸框
draw = ImageDraw.Draw(image)
for (x1, y1, x2, y2) in faces:
    draw.rectangle([(x1, y1), (x2, y2)], outline='red', width=2)

# 显示结果图像
image.show()

请注意，上述示例中的代码是一个简化的版本，仅用于演示如何使用YOLOv5进行实时人脸检测。你可能需要根据自己的需求对代码进行适当的修改和调整。

在使用代码之前，请确保已经安装所需的依赖库，并下载并放置好YOLOv5的权重文件。此外，你可能还需要根据自己的硬件环境和数据集进行相应的配置和调优。

希望这个示例对你有帮助！如果你有任何其他问题，请随时提问。