new post: YOLOv8-usage

Author: oodenough

_posts/2025/2025-03-11-YOLOv8-usage.md

@@ -0,0 +1,151 @@
+---
+title: YOLOv8预训练模型的使用
+pin: false
+---
+
+环境配置什么的都不写了，简单记录一下[YOLOv8](https://yolov8.com)的用途。
+
+## 目标检测 Object Detection
+
+看看[这个](https://colab.research.google.com/drive/1XJmFLZ5Egsd-miQM9yGInNvS39JsEHEm?usp=share_link)代码文件吧。
+
+检测多张图片的时候还是用命令行比较方便:
+
+```bash
+yolo predict model=yolov8n.pt source="/images" conf=0.5 save=True project="/images"
+```
+
+这里用的是最小的`yolov8n.pt`模型，初次运行会把模型下载到当前目录下。
+
+不指定`project`时默认会保存检测结果到`./run/predict`文件夹。
+
+对视频进行目标检测的话改一下上面命令的`source`参数就行。
+
+实时目标检测可以参照下面的代码：
+
+```python
+import cv2
+from ultralytics import YOLO
+
+model = YOLO("yolov8n.pt")
+
+# 打开摄像头
+# 0表示电脑内建摄像头，其他数字可表示外接摄像头
+cap = cv2.VideoCapture(0)
+
+# 设置视频窗口
+while cap.isOpened():
+    ret, frame = cap.read()
+    
+    if not ret:
+        print("无法读取视频流！")
+        break
+    
+    # 对视频帧进行目标检测
+    results = model(frame)
+    
+    # 提取检测结果并绘制边界框
+    for result in results:
+        frame = result.plot()
+    
+    # 显示检测结果
+    cv2.imshow("YOLOv8 实时目标检测", frame)
+
+    if cv2.waitKey(1) & 0xFF == ord('q'):
+        break
+
+# 释放摄像头和关闭所有OpenCV窗口
+cap.release()
+cv2.destroyAllWindows()
+
+```
+
+我用的是mac加iPhone，运行上面代码后使用的是iPhone的摄像头，举着手机到处拍就可以进行实时目标检测了。
+
+
+## 目标跟踪 Object Tracking
+
+对视频文件做目标跟踪：`yolo task=detect mode=track model=yolov8n.pt source=video.mp4 conf=0.5 iou=0.5 show=True save=True`
+
+## 图像分割 Instance Segmentation
+
+yolo task=segment mode=predict model=yolov8n-seg.pt source=imgs
+
+## 实时运动检测 Motion Detection
+
+```python
+import cv2
+import torch
+from ultralytics import YOLO
+
+# 加载 YOLOv8 预训练模型
+model = YOLO("yolov8n.pt")  # 目标检测模型
+# model = YOLO("yolov8n-seg.pt")  # 若要进行实例分割，可切换到分割模型
+
+# 读取摄像头
+cap = cv2.VideoCapture(0)  # 0 表示默认摄像头
+
+prev_objects = {}  # 记录上一帧的目标位置
+
+while cap.isOpened():
+    success, frame = cap.read()
+    if not success:
+        break  # 若无法读取帧，则退出循环
+
+    # YOLOv8 目标检测
+    results = model(frame)
+
+    current_objects = {}  # 记录当前帧目标位置
+    frame_with_boxes = frame.copy()
+
+    for result in results:
+        boxes = result.boxes.xyxy  # 获取边界框坐标
+        classes = result.boxes.cls  # 获取类别索引
+        confidences = result.boxes.conf  # 获取置信度
+
+        for box, cls, conf in zip(boxes, classes, confidences):
+            x1, y1, x2, y2 = map(int, box)
+            label = f"{model.names[int(cls)]} {conf:.2f}"
+
+            # 记录当前帧的目标位置
+            current_objects[label] = (x1, y1, x2, y2)
+
+            # 绘制边界框
+            color = (0, 255, 0)  # 绿色
+            cv2.rectangle(frame_with_boxes, (x1, y1), (x2, y2), color, 2)
+            cv2.putText(frame_with_boxes, label, (x1, y1 - 10),
+                        cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2)
+
+            # 检测运动（比较前后帧的目标位置变化）
+            if label in prev_objects:
+                x1_prev, y1_prev, x2_prev, y2_prev = prev_objects[label]
+                movement = abs(x1 - x1_prev) + abs(y1 - y1_prev) + abs(x2 - x2_prev) + abs(y2 - y2_prev)
+                
+                # 如果位移超过阈值，则认为目标在运动
+                if movement > 30:  
+                    cv2.putText(frame_with_boxes, "Moving!", (x1, y1 - 30),
+                                cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 255), 3)
+
+    prev_objects = current_objects  # 更新上一帧数据
+
+    cv2.imshow("YOLOv8 Live Motion Detection", frame_with_boxes)
+
+    # 按 'q' 键退出
+    if cv2.waitKey(1) & 0xFF == ord("q"):
+        break
+
+cap.release()
+cv2.destroyAllWindows()
+```
+
+## 其他
+
+- 自定义目标检测 Custome Object Detection
+
+- 类别识别于分类 Class Recognition & Classification
+
+- 异常检测 Anomaly Detection
+
+- 模型推理 Model Inference
+
+上面这些都是大模型给列出的用途，不展开了。后面去试试自己训练模型。