yolov5摄像头检测

### 使用YOLOv5实现摄像头实时物体检测 为了使用YOLOv5模型通过电脑摄像头进行实时目标检测，需遵循一系列操作流程。首先，安装必要的依赖库是必不可少的一步。这通常涉及Python环境配置以及特定版本PyTorch框架的安装，因为YOLOv5基于此深度学习平台开发[^1]。 #### 安装YOLOv5及相关依赖项 获取YOLOv5最简便的方法是从官方GitHub仓库克隆项目或下载ZIP压缩包并解压至本地工作目录[^3]。之后，在命令行工具中切换到`yolov5`文件夹下执行如下pip指令来安装所需软件包： ```bash pip install -r requirements.txt ``` #### 启动摄像头并运行检测脚本 完成上述准备工作后，可以通过编写简单的Python程序调用OpenCV库读取视频流数据，并将其传递给预训练好的YOLOv5权重文件来进行推理处理。下面是一个基本的例子说明如何设置这样的应用程序： ```python import torch from utils.general import non_max_suppression, scale_coords from models.experimental import attempt_load import cv2 # 加载预训练模型 model = attempt_load('yolov5s.pt', map_location=torch.device('cpu')) # 设置为评估模式 model.eval() def detect_objects(frame): img = frame.copy() # 预处理输入图片尺寸调整与标准化 img = letterbox(img, new_shape=640)[0] img = img[:, :, ::-1].transpose(2, 0, 1) img = np.ascontiguousarray(img) with torch.no_grad(): pred = model(torch.from_numpy(img).unsqueeze_(0))[0] det = non_max_suppression(pred, conf_thres=0.25, iou_thres=0.45)[0] if det is not None and len(det): det[:, :4] = scale_coords(img.shape[1:], det[:, :4], frame.shape).round() for *xyxy, conf, cls in reversed(det): label = f'{names[int(cls)]} {conf:.2f}' plot_one_box(xyxy, frame, label=label, color=(0, 255, 0), line_thickness=2) cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break detect_objects(frame) cv2.imshow('Object Detection using YOLOv5', frame) key = cv2.waitKey(1) if key & 0xFF == ord('q'): break cv2.destroyAllWindows() cap.release() ``` 这段代码展示了如何加载YOLOv5模型并对每一帧图像应用对象检测逻辑；同时利用OpenCV显示带有标注框的结果画面直到按下键盘上的'q'键退出循环为止。