### YOLOv8 行人检测 Python 代码 YOLOv8 是 Ultralytics 提供的一个高效的目标检测框架，可以用于实时视频中的行人检测。以下是一个使用 YOLOv8 进行视频中行人检测的 Python 示例代码[^6]： ```python from ultralytics import YOLO import cv2 # 加载预训练的 YOLOv8 模型 model = YOLO("yolov8n.pt") # 使用小型模型 yolov8n.pt # 打开视频文件或摄像头 video_path = "input_video.mp4" # 替换为你的视频路径，或者使用 0 表示摄像头 cap = cv2.VideoCapture(video_path) # 获取视频帧率和尺寸 frame_width = int(cap.get(3)) frame_height = int(cap.get(4)) fps = cap.get(cv2.CAP_PROP_FPS) # 定义输出视频保存参数 output_path = "output_video.mp4" fourcc = cv2.VideoWriter_fourcc(*'mp4v') out = cv2.VideoWriter(output_path, fourcc, fps, (frame_width, frame_height)) # 循环读取视频帧 while cap.isOpened(): success, frame = cap.read() if not success: break # 使用 YOLOv8 进行推理 results = model(frame) # 提取行人检测结果（类别编号 0 对应行人） pedestrian_results = [] for result in results: boxes = result.boxes.cpu().numpy() for i, box in enumerate(boxes): if result.names[int(box.cls[0])] == "person": # 筛选行人 pedestrian_results.append(box) # 在图像上绘制边界框 annotated_frame = results[0].plot() # 绘制所有检测结果 for box in pedestrian_results: x1, y1, x2, y2 = box.xyxy[0].astype(int) cv2.rectangle(annotated_frame, (x1, y1), (x2, y2), (0, 255, 0), 2) # 绿色框表示行人 # 显示当前帧 cv2.imshow("YOLOv8 Pedestrian Detection", annotated_frame) # 保存处理后的帧到输出视频 out.write(annotated_frame) # 按下 'q' 键退出 if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放资源 cap.release() out.release() cv2.destroyAllWindows() ``` 此代码加载了一个预训练的 YOLOv8 模型，并对输入视频中的每一帧进行推理。通过筛选类别编号为 `0` 的目标（对应行人），可以实现行人检测功能[^6]。 ### 注意事项 - 需要安装 `ultralytics` 库：`pip install ultralytics` - 如果没有 GPU 支持，推理速度可能会较慢。 - 可以根据需要调整模型大小（如 `yolov8s.pt`, `yolov8m.pt` 等）以平衡精度和速度[^7]。