# yolov8目标检测APP

**Repository Path**: liu-yi-ch-en/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**: 2025-12-10

## 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。

## 项目结构

```
yolov8-object-detection-app-master/
│
├── obj_tkinterapp.py              # 主程序：Tkinter图形界面应用
├── utils.py                       # 工具函数：模型初始化和图像处理
├── requirements.txt               # 项目依赖包列表
├── README.md                      # 项目说明文档
├── yolov8_demo_202352320122.ipynb # Jupyter Notebook演示文件
│
├── assets/                        # 资源文件夹
│   └── video_imgs/               # 测试视频和图像（需解压）
│
├── weights/                       # 模型权重文件夹（需解压weights.zip）
│   ├── yolov8n.pt                # Nano模型
│   ├── yolov8s.pt                # Small模型
│   ├── yolov8m.pt                # Medium模型
│   ├── yolov8l.pt                # Large模型
│   ├── yolov8x.pt                # Extra Large模型
│   ├── yolov8n-seg.pt            # Nano分割模型
│   └── yolov8n-pose.pt           # Nano姿势检测模型
│
├── demo/                          # 示例代码文件夹
│   ├── yolov8_smaple.py          # YOLOv8基础使用示例
│   ├── yolov8_track.py           # YOLOv8目标跟踪示例
│   └── yolov8.ipynb              # YOLOv8 Notebook示例
│
└── datasets/                      # 数据集文件夹（可选，用于自定义训练）
    ├── images/                    # 图像数据
    └── labels/                    # 标注数据
```

## 项目运行效果截图

### 定位效果
![定位效果](1.png)

### 姿势效果
![姿势效果](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

## 使用步骤

### 1. 环境准备

```bash
# 克隆项目到本地
git clone <项目地址>
cd yolov8-object-detection-app-master

# 创建conda虚拟环境（推荐使用Python 3.8-3.11）
conda create -n yolov8 python=3.9
conda activate yolov8
```

### 2. 安装依赖

```bash
# 方法1：使用requirements.txt安装所有依赖（推荐）
pip install -r requirements.txt

# 方法2：单独安装核心依赖
pip install ultralytics opencv-python pillow numpy

# 方法3：如果只需要运行Tkinter应用，安装核心包
pip install ultralytics opencv-python pillow numpy

# 如果需要运行Jupyter Notebook，确保安装了完整依赖
pip install -r requirements.txt
```

### 3. 准备数据和模型

```bash
# 解压视频和图像文件
# 将 assets 目录下 的 video_imgs.zip 压缩包解压 

# 下载YOLOv8预训练权重文件（如果weights目录下没有）
# 方法1：使用ultralytics自动下载
python -c "from ultralytics import YOLO; YOLO('yolov8n.pt')"

# 方法2：手动下载并放到weights目录
# 从 https://github.com/ultralytics/assets/releases 下载以下文件：
# - yolov8n.pt
# - yolov8s.pt
# - yolov8m.pt
# - yolov8l.pt
# - yolov8x.pt
# - yolov8n-seg.pt (分割模型)
# - yolov8n-pose.pt (姿势检测模型)
# - 滑动到界面最底部，点击Assets展开寻找对应文件下载即可
```

### 4. 运行Tkinter应用程序

```bash
# 运行主程序
python obj_tkinterapp.py
```

**应用程序使用说明：**
- 选择模型类型：定位、分割、姿势
- 选择模型大小：n、s、m、l、x
- 点击"读取摄像头"使用摄像头进行实时检测
- 点击"读取视频"选择视频文件进行检测
- 点击"识别切换"开启/关闭目标检测
- 使用"暂停"、"播放"、"重新播放"控制视频播放

### 5. 运行Jupyter Notebook演示

```bash
# 启动Jupyter Notebook
jupyter notebook

# Jupyter服务器启动后会自动打开浏览器
# 如果浏览器没有自动打开，请手动复制终端显示的URL到浏览器访问
# 例如: http://localhost:8888/tree?token=xxxxx

# 在浏览器中打开 yolov8_demo_202352320122.ipynb
# 按顺序运行各个单元格（Shift+Enter执行单元格）

# 停止Jupyter服务器：在终端按两次 Ctrl+C
```

**常见问题：**
- 如果提示"拒绝访问文件"，这是正常的，直接复制URL到浏览器即可
- 如果端口被占用，Jupyter会自动使用其他端口（如8889、8890等）

## 注意事项
- ⚠️ 要解压`video_imgs.zip`到assets目录
- ⚠️ 要自行下载`yolov8`的预训练权重文件到weights目录
- ⚠️ 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演示文件：`yolov8_demo_202352320122.ipynb`

## 个人信息

- 学号: 202352320122
- 年级: 2023
- 专业: 智能科学与技术
- 班级: 1 班