# yolov8目标检测APP

**Repository Path**: duan-qi-rui/yolov8-object-detection-app

## Basic Information

- **Project Name**: yolov8目标检测APP
- **Description**: 本项目是一个基于Tkinter和OpenCV的目标检测应用程序，实现了摄像头和视频文件的实时目标检测。通过YOLOv8模型进行目标检测，支持定位、分割和姿势三种模型类型，以及不同模型大小。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 171
- **Created**: 2025-12-10
- **Last Updated**: 2025-12-12

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# yolov8目标检测APP


## 项目描述

本项目是一个基于Tkinter和OpenCV的目标检测应用程序，实现了摄像头和视频文件的实时目标检测。通过YOLOv8模型进行目标检测，支持定位、分割和姿势三种模型类型，以及不同模型大小。

## 项目实现步骤

### 1. 环境配置
```bash
# 创建conda虚拟环境
conda create -n yolov8_app python=3.8
conda activate yolov8_app

# 安装依赖包
pip install -r requirements.txt
```

### 2. 下载预训练权重
从[Ultralytics官网](https://github.com/ultralytics/assets/releases)下载以下模型权重文件，放置在`weights/`目录下：
- yolov8n.pt, yolov8s.pt, yolov8m.pt, yolov8l.pt, yolov8x.pt (目标检测)
- yolov8n-seg.pt, yolov8m-seg.pt (实例分割)
- yolov8n-pose.pt, yolov8m-pose.pt, yolov8s-pose.pt (姿势估计)

### 3. 准备测试数据
解压`video_imgs.zip`文件到`assets/video_imgs/`目录

### 4. 代码实现

#### 4.1 实现utils.py模块
- **init_model函数**: 实例化YOLO模型对象
  ```python
  def init_model(model_path):
      model = YOLO(model_path)
      return model
  ```

- **process_frame函数**: 对视频帧进行目标检测处理
  ```python
  def process_frame(model, frame, show_box, show_mask):
      results = model(frame, conf=0.25, iou=0.8)
      processed_frame = results[0].plot(boxes=show_box, masks=show_mask)
      return processed_frame
  ```

#### 4.2 实现obj_tkinterapp.py核心功能
- **change_model方法**: 根据用户选择构建模型名称和路径
  - 定位模型: `yolov8{size}.pt`
  - 分割模型: `yolov8{size}-seg.pt`
  - 姿势模型: `yolov8{size}-pose.pt`

- **display_frame方法**: 调用utils.process_frame处理视频帧
  ```python
  if self.detecting:
      frame = utils.process_frame(self.model, frame, show_box=True, show_mask=True)
  ```

### 5. 运行程序
```bash
python obj_tkinterapp.py
```

### 6. 功能测试
- 点击"读取摄像头"按钮测试实时检测
- 点击"读取视频"按钮选择视频文件
- 切换不同模型类型和大小
- 使用"识别切换"按钮开启/关闭检测

### 7. Jupyter Notebook演示
运行`yolov8_object_detection_demo.ipynb`查看详细的使用示例

## 项目运行效果截图

### 姿势估计效果
![姿势估计效果图](1.png)

### 目标定位效果
![目标定位效果图](2.png)

## 功能
- 支持摄像头和视频文件的实时目标检测
- 支持定位、分割和姿势三种模型类型
- 支持不同模型大小
- 支持在视频上显示边界框和遮罩
- 支持暂停、播放和重新播放视频文件
- 支持目标检测的开始/停止

## 依赖

- Python 3
- OpenCV
- Tkinter
- ultralytics YOLO

## 使用

1. 克隆项目到本地
2. 创建conda虚拟环境
3. 安装依赖
4. 运行项目 `python obj_tkinterapp.py`


## 注意
- 要解压`video_imgs.zip`
- 要自行下载`yolov8`的预训练权重文件
- 确保摄像头可用且没有被其他应用程序占用
- 确保视频文件格式正确且路径合法
- 在选择模型类型和大小时，确保模型文件存在于项目目录的“weights”文件夹下
- Jupyter Notebook文件：`yolov8_object_detection_demo.ipynb`

## 个人信息

- 学号: 202352320120
- 年级: 2023
- 专业: 智能科学与技术
- 班级: 1 班