Yolov8行人检测

为了进行Yolov8行人检测，你需要按照以下步骤进行操作：

1.安装必要的依赖项和库，例如OpenCV、PyTorch等。

2.下载Yolov8的预训练模型权重文件，可以从官方网站或GitHub上下载。

3.编写Python脚本，加载模型权重文件并使用OpenCV读取待检测的图像。

4.对图像进行预处理，例如缩放、归一化等操作。

5.将预处理后的图像输入到Yolov8模型中进行检测。

6.解析模型输出，获取检测结果，例如行人的位置、置信度等信息。

7.使用OpenCV将检测结果可视化，并将结果保存到本地。

下面是一个简单的Python脚本，用于进行Yolov8行人检测：

import cv2
import torch

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

# 读取待检测的图像
img = cv2.imread('test.jpg')

# 对图像进行预处理
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img = torch.from_numpy(img).permute(2, 0, 1).float().div(255.0).unsqueeze(0)

# 将图像输入到模型中进行检测
results = model(img)

# 解析模型输出，获取检测结果
labels = results.xyxyn[0][:, -1].numpy()
boxes = results.xyxyn[0][:, :-1].numpy()

# 可视化检测结果
for i in range(len(labels)):
    if labels[i] == 0:  # 行人的标签为0
        x1, y1, x2, y2 = boxes[i]
        cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
cv2.imwrite('result.jpg', img)