yolov8调用摄像头检测

对于使用 YOLOv8 检测摄像头的方法，你可以按照以下步骤进行操作：

1. 安装 OpenCV 库，如果你已经安装了，可以跳过这一步。

2. 下载 YOLOv8 模型文件和预训练权重，并将它们放在同一个文件夹中。

3. 创建一个 Python 脚本，并导入必要的库，如下所示：

import cv2
import numpy as np

4. 加载 YOLOv8 模型和预训练权重，如下所示：

net = cv2.dnn.readNet("yolov8.weights", "yolov8.cfg")

5. 打开摄像头，并开始检测：

cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    if not ret:
        break

    # 调整图像大小以适应 YOLOv8 的输入尺寸
    blob = cv2.dnn.blobFromImage(frame, 1/255.0, (416, 416), swapRB=True, crop=False)

    # 将图像输入模型并进行检测
    net.setInput(blob)
    outs = net.forward()

    # 处理检测结果并绘制边界框
    class_ids = []
    confidences = []
    boxes = []
    for out in outs:
        for detection in out:
            scores = detection[5:]
            class_id = np.argmax(scores)
            confidence = scores[class_id]
            if confidence > 0.5:
                center_x = int(detection[0] * frame.shape[1])
                center_y = int(detection[1] * frame.shape[0])
                width = int(detection[2] * frame.shape[1])
                height = int(detection[3] * frame.shape[0])
                left = int(center_x - width / 2)
                top = int(center_y - height / 2)
                class_ids.append(class_id)
                confidences.append(float(confidence))
                boxes.append([left, top, width, height])

    indices = cv2.dnn.NMSBoxes(boxes, confidences, 0.5, 0.4)
    for i in indices:
        i = i[0]
        box = boxes[i]
        left = box[0]
        top = box[1]
        width = box[2]
        height = box[3]
        cv2.rectangle(frame, (left, top), (left+width, top+height), (0, 0, 255), 2)

    # 显示检测结果
    cv2.imshow("Detection", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

在代码中，我们使用 OpenCV 库中的 `cv2.dnn.readNet` 方法来加载模型文件和预训练权重。然后，我们打开摄像头并读取帧，接着调整图像大小以适应 YOLOv8 的输入尺寸，并将图像输入模型进行检测。最后，我们处理检测结果并绘制边界框，将结果显示在屏幕上。

这就是使用 YOLOv8 检测摄像头的方法。