### 如何通过 Python 脚本 `detect.py` 使用 USB 摄像头进行图像捕获或处理 要实现使用 USB 摄像头运行 YOLOv5 的 `detect.py` 脚本来完成目标检测任务，可以按照以下方法配置参数并理解其工作原理。 #### 配置输入源 (`source`) 参数 在 YOLOv5 中，`source` 是指定输入数据的关键参数。对于 USB 摄像头的输入，通常可以通过设备索引来表示。例如，在大多数情况下，第一个连接到系统的摄像头会被分配为索引 `0`。因此，将 `source` 设置为 `'0'` 或者其他对应的摄像头索引即可触发基于摄像头的数据加载逻辑[^1]。 以下是具体操作方式： ```python # 修改 detect.py 文件中的 source 参数 source = '0' ``` 此设置会调用 `LoadStreams` 类来加载来自 USB 摄像头的画面，并将其作为实时视频流的一部分传递给模型进行推理[^2]。 #### 批量大小 (`batch size`, bs) 自动调整机制 当输入来源于网络摄像头或其他类型的实时视频流时，程序内部会对批量大小做出相应调整。如果仅有一个摄像头参与，则保持默认值 `bs=1`; 如果存在多个摄像头同时接入，则自动依据实际数量重新设定该数值以匹配不同场景需求。 #### 初始化视频输出工具链 为了记录下由摄像头捕捉并通过算法分析后的结果画面，还需要提前准备好必要的变量——`vid_path` 和 `vid_writer` 列表。它们分别用来储存各个独立视频片段的目标存储位置以及负责执行写盘动作的对象实例化版本。一旦确认当前正在处理的内容属于动态影像范畴（无论是本地文件还是远程直播信号），上述两个组件就会被激活以便后续可能涉及的操作得以顺利开展。 最终完整的命令行启动形式如下所示: ```bash python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source 0 ``` 其中各选项含义分别为： - `--weights`: 加载预训练权重文件； - `--img`: 定义输入图片尺寸； - `--conf`: 设定置信度阈值过滤弱预测框； - `--source`: 明确指明数据来源地址，这里设定了指向首个可用物理摄像装置。 --- ### 示例代码展示 下面给出一段简化版的核心部分伪代码供参考学习之用： ```python from utils.datasets import LoadStreams, LoadImages def main(source='0'): webcam = source.isnumeric() or source.endswith('.txt') or (is_url and not is_file) if webcam: dataset = LoadStreams(source) bs = len(dataset) # batch_size等于摄像头数目 else: dataset = LoadImages(source) bs = 1 vid_path, vid_writer = [], [] for path, img, im0s, vid_cap in dataset: pass # 进行推理和其他操作 if __name__ == "__main__": main() ``` ---