PySide6集成yolo v8实现图片人物检测、视频人物检测以及摄像头人物检测

  本篇博客介绍Python YOLO目标检测, 并在PySide6应用里集成YOLO v8实现图片人物检测、视频人物检测以及摄像头人物检测。例如下面是图片人物检测：

视频人物检测

摄像头人物检测

视频讲解地址：https://www.bilibili.com/video/BV1NtyQBwE4q/?spm_id_from=333.1007.0.0&vd_source=dddbd48a76f0f870e223c6781ad043ab

一、YOLO介绍

  YOLO（You Only Look Once）是一种基于深度学习的实时目标检测算法，由 Joseph Redmon 等人于 2016 年提出。它最大的特点是：一次性地（Only Once）完成图像中所有目标的检测与分类。

1.1 YOLO版本演化

  YOLOv1 (2016) 首次提出，把检测变成回归问题，速度快但小目标检测弱。
  YOLOv2 (2017) 加入 BatchNorm、Anchor Boxes，提高精度。
  YOLOv3 (2018) 多尺度预测、残差结构（Darknet-53），兼顾速度与精度。
  YOLOv4 (2020) 引入 CSPDarknet、Mish 激活、PANet 结构，进一步提升性能。
  YOLOv5 (2020, Ultralytics) PyTorch 实现，易部署，支持自动混合精度（AMP）、模型剪枝等。
  YOLOv7 (2022) 引入 E-ELAN 模块，性能极高。
  YOLOv8 (2023) 由 Ultralytics 推出，支持检测、分割、姿态估计等一体化任务。
  YOLOv9 (2024) 提出 G2Flow 结构与 Gelan 主干，精度与速度再度提升。

1.2 YOLO 的优势

• 实时性强：一次推理即可输出结果（30~150 FPS）
• 端到端训练：无需复杂的候选框生成
• 结构简单、易部署：广泛应用于嵌入式设备（如 Jetson、RK3588）
• 可扩展性强：可用于检测、分割、姿态估计、多任务融合

1.3 YOLO 的典型应用

• 车载摄像头目标检测（行人、车辆、交通标志）
• 安防监控（人流统计、异常检测）
• 医学影像分析（肿瘤检测）
• 工业缺陷检测（瑕疵识别）
• 智能零售（顾客行为分析）
• 航拍目标识别（船只、建筑、农田）

二、YOLO环境安装

  在安装yolo环境时建议使用python虚拟环境，本篇博客使用的是miniconda创建python虚拟环境。关于PySide6、conda的学习可以看这个教程：PySide6教程，下面在win11系统，演示yolo环境的安装：

（1）使用conda创建虚拟环境

conda create --name yolo python=3.13
conda activate yolo

（2）安装opencv-python

pip install opencv-python

（3）安装torch
  torch分为gpu和cpu版本，如果电脑有英伟达显卡，可以先安装cuda, 关于cuda的安装可以去cuda官网下载cuda运行时进行安装。输入nvcc --version 可以查看电脑cuda的版本，如下图：

  进入pytorch官网 https://pytorch.org/，点击Get started查看torch安装命令：

  我的电脑是RTX3060, cuda12.9, 那么可以选择CUDA12.8版本，命令如下：

pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu128

  如果电脑是核心显卡，可以选择cpu版本，命令如下：

pip3 install torch torchvision

（4）安装yolo, 命令如下：

pip install ultralytics

（5）安装pyside6

pip install PySide6

三、YOLO代码演示

示例代码1：

import ultralytics
from ultralytics import YOLOprint(ultralytics.__version__)
model = YOLO("yolov8n.pt")  # 自动下载模型
print("YOLO loaded successfully!")

输入结果
8.3.223
YOLO loaded successfully!
由上面输出可知，当前用的是YOLO v8

示例代码2：

下面是在PySide6程序里使用yolo:

import sys
from PySide6.QtWidgets import QApplication, QMainWindow, QLabel, QPushButton, QVBoxLayout, QWidget, QFileDialog, QComboBox
from PySide6.QtCore import QTimer, Qt
from PySide6.QtGui import QImage, QPixmap
import cv2
from ultralytics import YOLOclass YOLODetectionApp(QMainWindow):def __init__(self):super().__init__()self.setWindowTitle("YOLOv8 Person Detection with PySide6")self.setGeometry(100, 100, 800, 600)# 初始化 YOLO 模型（使用 nano 版本，轻量级，适合 CPU）self.model = YOLO("yolov8n.pt")  # 自动下载，如果没有# GUI 组件self.central_widget = QWidget()self.setCentralWidget(self.central_widget)layout = QVBoxLayout(self.central_widget)self.label = QLabel(self)self.label.setAlignment(Qt.AlignCenter)layout.addWidget(self.label)# 按钮：加载图片self.load_image_btn = QPushButton("Load Image for Person Detection", self)self.load_image_btn.clicked.connect(self.load_and_detect_image)layout.addWidget(self.load_image_btn)# 下拉框：选择视频源self.video_source_combo = QComboBox(self)self.video_source_combo.addItems(["Camera", "Load Video File"])layout.addWidget(self.video_source_combo)# 按钮：启动视频检测self.start_video_btn = QPushButton("Start Video Person Detection", self)self.start_video_btn.clicked.connect(self.start_video_detection)layout.addWidget(self.start_video_btn)# 定时器用于视频帧更新self.timer = QTimer(self)self.timer.timeout.connect(self.process_video_frame)# 视频捕获对象self.cap = Noneself.is_video_running = Falsedef load_and_detect_image(self):# 打开文件对话框选择图片file_path, _ = QFileDialog.getOpenFileName(self, "Select Image", "", "Image Files (*.png *.jpg *.bmp)")if not file_path:return# 读取图片frame = cv2.imread(file_path)if frame is None:self.label.setText("Failed to load image!")return# 进行检测results = self.model(frame)# 过滤并绘制只显示人物annotated_frame = self.draw_person_boxes(frame, results)# 显示在 QLabelself.display_frame(annotated_frame)def start_video_detection(self):if self.is_video_running:self.stop_video()self.start_video_btn.setText("Start Video Person Detection")returnsource = self.video_source_combo.currentText()if source == "Camera":self.cap = cv2.VideoCapture(0)  # 摄像头else:file_path, _ = QFileDialog.getOpenFileName(self, "Select Video", "", "Video Files (*.mp4 *.avi)")if not file_path:returnself.cap = cv2.VideoCapture(file_path)if not self.cap.isOpened():self.label.setText("Failed to open video source!")returnself.is_video_running = Trueself.timer.start(30)  # 每 30ms 更新一帧self.start_video_btn.setText("Stop Video Detection")def process_video_frame(self):ret, frame = self.cap.read()if not ret:self.stop_video()return# 进行检测results = self.model(frame, verbose=False)  # verbose=False 减少日志# 过滤并绘制只显示人物annotated_frame = self.draw_person_boxes(frame, results)# 显示self.display_frame(annotated_frame)def draw_person_boxes(self, frame, results):# 复制帧以绘制annotated_frame = frame.copy()for result in results:for box in result.boxes:if int(box.cls) == 0:  # 0 是 COCO 数据集中的 'person' 类别x1, y1, x2, y2 = map(int, box.xyxy[0])conf = float(box.conf)cv2.rectangle(annotated_frame, (x1, y1), (x2, y2), (0, 255, 0), 2)  # 绿色框cv2.putText(annotated_frame, f"Person: {conf:.2f}", (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)return annotated_framedef display_frame(self, frame):# 转换为 RGB 并创建 QImagergb_image = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)height, width, channel = rgb_image.shapebytes_per_line = 3 * widthq_img = QImage(rgb_image.data, width, height, bytes_per_line, QImage.Format_RGB888)self.label.setPixmap(QPixmap.fromImage(q_img).scaled(self.label.size(), Qt.KeepAspectRatio))def stop_video(self):self.timer.stop()if self.cap:self.cap.release()self.is_video_running = Falseself.label.clear()def closeEvent(self, event):self.stop_video()super().closeEvent(event)if __name__ == "__main__":app = QApplication(sys.argv)window = YOLODetectionApp()window.show()sys.exit(app.exec())

运行结果：

点击上方按钮，即可进行加载图片视频进行YOLO目标检测。

注意事项和调试
● 性能：CPU 模式下，视频检测可能延迟。如果太慢，尝试：
○ 使用更小的输入大小：修改 results = self.model(frame, imgsz=320)。
○ 或切换到 YOLOv8 的更轻模型（如 yolov8n.pt 已是最小）。
● 常见错误：
○ “No module named …”：检查 pip 安装。
○ 摄像头权限：Win11 设置 > 隐私 > 摄像头，确保允许。
○ 模型下载失败：手动下载 yolov8n.pt 从 https://github.com/ultralytics/assets/releases 并放在脚本同目录。
● 扩展：如果你想检测其他类别，修改 if int(box.cls) == 0（COCO 类别列表见 Ultralytics 文档）。
● 资源消耗：CPU 使用率高时，关闭其他程序。

除了在Python里使用，也可以在C++代码中使用yolo, 只是稍微复杂一点。