yolov8调用摄像头检测的代码

YOLOv8（You Only Look Once version 8）是一个改进版的实时目标检测模型，它是YOLO系列的最新成员，以其高效的性能和相对较小的模型体积而著称。在使用YOLOv8进行摄像头实时检测时，通常会涉及到深度学习框架（如TensorFlow或PyTorch）、OpenCV库以及可能的自定义预处理和后处理步骤。以下是一个简单的Python示例，展示了如何使用YOLOv8检测摄像头中的物体：

import cv2
import numpy as np
from yolov8_pytorch import YOLOv8

# 加载预训练的YOLOv8模型
model = YOLOv8(weights_path='yolov8.weights', config_path='yolov8.cfg')

# 初始化摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取摄像头帧
    ret, frame = cap.read()

    # 如果获取帧失败，退出循环
    if not ret:
        break

    # 转换为YUV格式，优化模型运行速度
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2YUV)

    # 进行实时检测
    boxes, _ = model.detect(frame)

    # 反转坐标并绘制边界框
    for box in boxes:
        box = box[::-1]  # 将(x, y, w, h)转换为(y, x, h, w)
        top_left, bottom_right = (int(box), int(box)), (int(box + box), int(box + box))
        cv2.rectangle(frame, top_left, bottom_right, (0, 255, 0), 2)  # 绿色边框

    # 显示结果
    cv2.imshow('YOLOv8 Detection', frame)
    
    # 按 'q' 键退出
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头资源
cap.release()
cv2.destroyAllWindows()

在这个例子中，你需要将`weights_path`和`config_path`替换为实际的YOLOv8模型权重文件和配置文件路径。注意，这个代码是基于PyTorch版本的YOLOv8实现，如果你使用的是其他版本或框架，代码细节可能会有所不同。