yolov8车辆行人检测
时间: 2024-03-20 15:37:55 浏览: 131
基于deepstream-python yolov8的车辆识别检测模型.完整代码详细教程
5星 · 资源好评率100%
yolov8是一种目标检测算法,可以用于车辆和行人的检测。它是基于yolov7和deepsort的改进版本,具有更高的准确性和更好的跟踪性能[^2]。
下面是一个使用yolov8进行车辆和行人检测的示例代码:
```python
import cv2
from objdetector import ObjectDetector
# 加载预训练的yolo模型
model = ObjectDetector()
# 读取图像
image = cv2.imread("image.jpg")
# 进行目标检测
detections = model.detect(image)
# 遍历检测结果
for detection in detections:
class_name = detection["class_name"]
confidence = detection["confidence"]
bbox = detection["bbox"]
# 在图像上绘制边界框和类别信息
cv2.rectangle(image, (bbox[0], bbox[1]), (bbox[2], bbox[3]), (0, 255, 0), 2)
cv2.putText(image, f"{class_name}: {confidence:.2f}", (bbox[0], bbox[1] - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)
# 显示结果图像
cv2.imshow("Detection Result", image)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
这段代码首先加载了预训练的yolo模型,然后读取一张图像,并使用模型进行目标检测。最后,将检测结果在图像上进行可视化展示。
阅读全文