yolov8使用摄像头识别物品

使用YOLOv8模型实现摄像头实时物体检测
准备工作
为了能够顺利运行YOLOv8模型进行实时摄像头物体检测，需先安装必要的软件环境。这包括但不限于Anaconda以及PyTorch等依赖项[^3]。
安装YOLOv8库
确保已经正确设置了Python开发环境之后，可以通过pip命令来安装ultralytics/yolov8库：
pip install ultralytics

加载预训练模型
加载官方提供的预训练权重文件用于初始化YOLOv8实例。这里以yolov8n.pt为例说明最小版本网络结构的加载方式：
from ultralytics import YOLO

model = YOLO('yolov8n.pt') # Load model

实现视频流处理函数
定义一个循环读取来自摄像设备帧数据的过程，并将其传递给模型完成前向传播计算获取预测结果。最后将带有标注框的结果图像显示出来供观察者查看。
import cv2

cap = cv2.VideoCapture(0)

while cap.isOpened():
success, frame = cap.read()

if not success:
break

results = model(frame) # Perform inference on the current frame.

annotated_frame = results[0].plot() # Annotate the first result with boxes and labels.

cv2.imshow("YOLOv8 Inference", annotated_frame)

if cv2.waitKey(1) & 0xFF == ord('q'):
break

cap.release()
cv2.destroyAllWindows()

上述代码片段展示了如何利用OpenCV库捕获默认摄像头输入作为视频源，并逐帧送入到已加载好的YOLOv8模型当中去执行推断操作。每次迭代都会更新窗口内的可视化输出直到按下键盘上的'q'键为止[^1]。