yolov5 摄像头实时监测以此写脚本

YOLOv5（You Only Look Once version 5）是一种基于PyTorch深度学习框架的对象检测模型，常用于实时视频监控。为了实现实时摄像头监测，你可以使用Python结合YOLOv5的开源库来编写脚本。以下是一个简单的示例： ```python import torch from PIL import Image from detectron2.engine.defaults import DefaultPredictor from detectron2.config import get_cfg # 首先，下载并安装所需的模型 !pip install -qr https://raw.githubusercontent.com/ultralytics/yolov5/master/requirements.txt # 加载预训练的YOLOv5s模型 cfg = get_cfg() cfg.merge_from_file("path_to_yolov5s_config.yaml") # 替换为你的YOLOv5s配置文件路径 predictor = DefaultPredictor(cfg) # 指定摄像头ID或文件路径 camera_id = 0 # 如果是本地摄像头 # 或者 video_path = "path_to_video.mp4" # 实时视频流 cap = cv2.VideoCapture(camera_id) while True: ret, frame = cap.read() if not ret: break # 将BGR图像转换为RGB输入模型 image = frame[:, :, ::-1].copy() # 对图像进行预测 outputs = predictor(image) # 获取检测结果 boxes = outputs["instances"]..pred_boxes.tensor scores = outputs["instances"].scores.tolist() labels = outputs["instances"].pred_classes.tolist() # 可视化检测框 for box, score, label in zip(boxes, scores, labels): x1, y1, x2, y2 = box cv2.rectangle(frame, (x1, y1), (x2, y2), (255, 0, 0), 2) # 红色边框 cv2.putText(frame, f"Class {label}: {score:.2f}", (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) # 显示处理后的帧 cv2.imshow("Object Detection", frame) key = cv2.waitKey(1) if key & 0xFF == ord('q'): break # 关闭摄像头和窗口 cap.release() cv2.destroyAllWindows() ``` 在这个脚本中，你需要替换`"path_to_yolov5s_config.yaml"`为YOLOv5s的实际配置文件路径，以及相机ID或视频文件路径。运行此脚本后，它会在指定的视频源上实时显示检测到的目标及其类别。