基于yolo v5的汽车检测代码

以下是基于 YOLOv5 的汽车检测代码示例：

import cv2
import torch
from models.experimental import attempt_load
from utils.general import non_max_suppression, scale_coords
from utils.torch_utils import select_device

# 加载模型
weights = 'path/to/weights.pt'  # 模型权重文件路径
device = select_device('')  # 自动选择最优设备
model = attempt_load(weights, map_location=device)  # 加载模型

# 设置参数
img_size = 640  # 输入图像大小
conf_thres = 0.4  # 置信度阈值
iou_thres = 0.5  # NMS 阈值

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取图像
    ret, img0 = cap.read()

    # 图像预处理
    img = cv2.resize(img0, (img_size, img_size))
    img = img[:, :, ::-1].transpose(2, 0, 1)  # BGR to RGB, to 3x416x416
    img = np.ascontiguousarray(img)

    # 推理
    img = torch.from_numpy(img).to(device)
    img = img.float() / 255.0
    if img.ndimension() == 3:
        img = img.unsqueeze(0)
    pred = model(img)[0]
    pred = non_max_suppression(pred, conf_thres, iou_thres)[0]

    # 后处理
    if pred is not None and len(pred) > 0:
        pred[:, :4] = scale_coords(img.shape[2:], pred[:, :4], img0.shape).round()
        for c in pred[:, -1].unique():
            n = (pred[:, -1] == c).sum()
            print(f'{n} {names[int(c)]}{"s" * (n > 1)},', end=' ')
        for *xyxy, conf, cls in pred:
            label = f'{names[int(cls)]} {conf:.2f}'
            plot_one_box(xyxy, img0, label=label, color=colors[int(cls)], line_thickness=3)

    # 显示图像
    cv2.imshow('img', img0)
    if cv2.waitKey(1) == ord('q'):
        break

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

需要注意的是，这只是一个示例代码，实际应用中需要根据具体情况进行修改。此外，还需要准备好模型权重文件、类别名称等相关资源。