介紹

目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)的一個(gè)子領(lǐng)域，主要涉及在圖像或視頻中以一定的置信度識(shí)別和定位物體。識(shí)別出的物體通常帶有一個(gè)邊界框，提供了關(guān)于物體在場(chǎng)景中的性質(zhì)和位置的信息。

自2015年YOLO（You Only Look Once）問(wèn)世以來(lái)，它的系統(tǒng)以驚人的準(zhǔn)確性和速度實(shí)現(xiàn)了實(shí)時(shí)目標(biāo)檢測(cè)，震驚了計(jì)算機(jī)視覺(jué)領(lǐng)域。自那時(shí)以來(lái)，YOLO已經(jīng)進(jìn)行了多次改進(jìn)，提高了預(yù)測(cè)準(zhǔn)確性和效率，最終推出了最新的成員：Ultralytics的YOLOv8。

YOLOv8有五個(gè)版本：nano（n）、small（s）、medium（m）、large（l）和extra large（x）。它們的改進(jìn)分別可以通過(guò)它們?cè)贑OCO val2017數(shù)據(jù)集上的平均精度（mAP）和延遲進(jìn)行評(píng)估。

與以前的版本相比，YOLOv8不僅更快、更準(zhǔn)確，而且實(shí)現(xiàn)這一性能所需的參數(shù)更少，而且還配備了直觀易用的命令行界面（CLI）和Python軟件包，為用戶和開(kāi)發(fā)人員提供更無(wú)縫的體驗(yàn)。

在本文中，我將演示如何使用CLI和Python來(lái)應(yīng)用YOLOv8來(lái)檢測(cè)靜態(tài)圖像、視頻和實(shí)時(shí)網(wǎng)絡(luò)攝像頭中的物體。

安裝

要開(kāi)始使用YOLOv8，您只需要在終端中運(yùn)行以下命令即可：

pip install ultralytics

這將通過(guò)ultralytics pip包安裝YOLOv8。

圖像檢測(cè)

靜態(tài)圖像中的目標(biāo)檢測(cè)在各種領(lǐng)域（如監(jiān)控、醫(yī)學(xué)成像或零售分析）中已被證明是有用的。無(wú)論您選擇在哪個(gè)領(lǐng)域應(yīng)用您的檢測(cè)系統(tǒng)，YOLOv8都使您可以輕松實(shí)現(xiàn)。下面是我們要對(duì)其進(jìn)行目標(biāo)檢測(cè)的原始圖像：一張擁擠城市中的交通照片。

為了運(yùn)行YOLOv8，我們將研究CLI和Python兩種實(shí)現(xiàn)方式。雖然在這種特定情況下我們將使用jpg圖像，但YOLOv8支持各種不同的圖像格式。

CLI

假設(shè)我們想在一張圖片上運(yùn)行超大型的YOLOv8x（我們將其命名為img.jpg），則可以在CLI中輸入以下命令：

yolo detect predict model=yolov8x.pt source="img.jpg" save=True

在這里，我們指定以下參數(shù)：detect用于物體檢測(cè)，predict用于執(zhí)行預(yù)測(cè)任務(wù)，model用于選擇模型版本，source用于提供我們圖片的文件路徑，save用于保存處理過(guò)的圖片及其對(duì)象的邊界框以及它們的預(yù)測(cè)類別和類別概率。

Python

在Python中，可以使用以下直觀且低代碼的解決方案實(shí)現(xiàn)完全相同的任務(wù)：

from ultralytics import YOLO


model = YOLO('yolov8x.pt')
results = model('img.jpg', save=True)

無(wú)論是使用CLI還是Python，

我們可以清楚地看到它檢測(cè)到的每個(gè)對(duì)象周圍的邊界框，以及它們對(duì)應(yīng)的類標(biāo)簽和概率。

視頻檢測(cè)

在視頻文件上執(zhí)行對(duì)象檢測(cè)與圖像文件幾乎相同，唯一的區(qū)別是源文件格式。與圖像一樣，YOLOv8支持各種不同的視頻格式，可以作為模型的輸入進(jìn)行處理。在我們的情況下，我們將使用mp4文件。

讓我們?cè)俅慰匆幌翪LI和Python實(shí)現(xiàn)。為了更快的計(jì)算，我們現(xiàn)在將使用YOLOv8m模型，而不是特別大的版本。

CLI

yolo detect predict model=yolov8m.pt source="vid.mp4" save=True

python

from ultralytics import YOLO


model = YOLO('yolov8m.pt')
results = model('vid.mp4', save=True)

首先，在進(jìn)行物體檢測(cè)之前，讓我們檢查一下我們的原始 vid.mp4 文件：

視頻顯示了一個(gè)繁忙的城市場(chǎng)景，包括汽車、公交車、卡車和騎自行車的人，以及右側(cè)的一些人顯然在等公交車。在使用 YOLOv8 的中等版本處理此文件后，我們得到了以下結(jié)果。

同樣，我們可以看到 YOLOv8m 在準(zhǔn)確捕捉場(chǎng)景中的對(duì)象方面做得非常好。它甚至可以檢測(cè)到作為較大整體的一部分的較小的物體，例如騎自行車的人佩戴的背包。

實(shí)時(shí)檢測(cè)

最后，讓我們看一下在實(shí)時(shí)網(wǎng)絡(luò)攝像頭視頻中檢測(cè)對(duì)象所需的內(nèi)容。為此，我將使用我的個(gè)人網(wǎng)絡(luò)攝像頭，就像之前一樣，既有 CLI 方法，也有 Python 方法。為了減少延遲并減少視頻中的滯后，我將使用輕量級(jí)的 YOLOv8 的納米版本。

CLI

yolo detect predict model=yolov8n.pt source=0 show=True

這些參數(shù)大部分與我們上面看到的用于圖像和視頻文件的參數(shù)相同，唯一不同的是source參數(shù)，它允許我們指定要使用哪個(gè)視頻源。在我的情況下，它是內(nèi)置網(wǎng)絡(luò)攝像頭（0）。

python

from ultralytics import YOLO


model = YOLO('yolov8n.pt')
model.predict(source="0", show=True)

同樣，我們可以使用超低代碼的Python解決方案執(zhí)行相同的任務(wù)。

這里有一張 YOLOv8n 在實(shí)時(shí)網(wǎng)絡(luò)攝像頭源上的示例圖。

太棒了！盡管視頻質(zhì)量較低，光照條件不佳，YOLOv8仍然能夠很好地捕捉到對(duì)象，甚至還能檢測(cè)到背景中的一些物體，例如左側(cè)的橄欖油和醋瓶以及右側(cè)的水槽。

值得注意的是，盡管這些直觀的CLI命令和低代碼Python解決方案是快速開(kāi)始對(duì)象檢測(cè)任務(wù)的好方法，但它們?cè)谶M(jìn)行自定義配置時(shí)存在一定的局限性。例如，如果我們想要配置邊界框的美學(xué)效果或執(zhí)行簡(jiǎn)單的任務(wù)，例如計(jì)算和顯示在任何給定時(shí)間檢測(cè)到的對(duì)象數(shù)量，我們將不得不使用諸如cv2或supervision等包來(lái)編寫(xiě)自己的自定義實(shí)現(xiàn)。

實(shí)際上，上面的網(wǎng)絡(luò)攝像頭錄像是使用以下Python代碼記錄的，以調(diào)整網(wǎng)絡(luò)攝像頭的分辨率和自定義定義邊界框及其注釋。(注：這主要是為了使上面的GIF更具表現(xiàn)力。上面顯示的CLI和Python實(shí)現(xiàn)足以產(chǎn)生類似的結(jié)果。)

import cv2
import supervision as sv
from ultralytics import YOLO




def main():
    
    # to save the video
    writer= cv2.VideoWriter('webcam_yolo.mp4', 
                            cv2.VideoWriter_fourcc(*'DIVX'), 
                            7, 
                            (1280, 720))
    
    # define resolution
    cap = cv2.VideoCapture(0)
    cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
    cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 720)


    # specify the model
    model = YOLO("yolov8n.pt")


    # customize the bounding box
    box_annotator = sv.BoxAnnotator(
        thickness=2,
        text_thickness=2,
        text_scale=1
    )




    while True:
        ret, frame = cap.read()
        result = model(frame, agnostic_nms=True)[0]
        detections = sv.Detections.from_yolov8(result)
        labels = [
            f"{model.model.names[class_id]} {confidence:0.2f}"
            for _, confidence, class_id, _
            in detections
        ]
        frame = box_annotator.annotate(
            scene=frame, 
            detections=detections, 
            labels=labels
        ) 
        
        writer.write(frame)
        
        cv2.imshow("yolov8", frame)


        if (cv2.waitKey(30) == 27): # break with escape key
            break
            
    cap.release()
    writer.release()
    cv2.destroyAllWindows()
    
if __name__ == "__main__":
    main()

結(jié)論

YOLOv8不僅在準(zhǔn)確性和速度方面優(yōu)于其前身，而且還通過(guò)極易使用的CLI和低代碼Python解決方案大大提高了用戶體驗(yàn)。它還提供五種不同的模型版本，使用戶有機(jī)會(huì)根據(jù)其個(gè)人需求和對(duì)延遲和準(zhǔn)確性的容忍度進(jìn)行選擇。

無(wú)論您的目標(biāo)是在靜態(tài)圖像、視頻或現(xiàn)場(chǎng)網(wǎng)絡(luò)攝像頭上執(zhí)行對(duì)象檢測(cè)，YOLOv8都能夠以無(wú)縫的方式完成。但是，如果您的應(yīng)用程序需要自定義配置，則可能需要使用其他計(jì)算機(jī)視覺(jué)包，例如cv2和supervision。

審核編輯：劉清