### 如何使用 Python 和 YOLOv5 实现视频对象检测 #### 安装依赖库 为了能够顺利运行YOLOv5进行视频中的物体检测，需要安装一系列必需的Python包。这包括但不限于`torch`, `numpy`, `opencv-python`等基础库[^2]。 ```bash pip install torch numpy opencv-python ``` 对于特定版本的需求或是其他可能需要用到的工具包，则建议参照官方文档或GitHub仓库说明来进行更详细的环境配置。 #### 下载YOLOv5模型及相关资源 从指定位置获取YOLOv5源码及其预训练权重文件是必不可少的一个环节。通常情况下可以直接通过Git克隆项目至本地，并按照指引下载对应的数据集与模型参数[^1]。 ```bash git clone https://github.com/ultralytics/yolov5.git cd yolov5 ``` 接着根据实际需求选择合适的预训练模型（如`yolov5s.pt`），将其放置于适当目录下备用。 #### 编写视频读取与处理脚本 利用OpenCV可以方便地加载待分析的视频流，在每一帧上执行目标识别操作后再将带有标注框的结果展示出来或者保存成新的影片文件。下面给出了一段简单的示范代码： ```python import cv2 from pathlib import Path import torch from models.experimental import attempt_load from utils.general import non_max_suppression, scale_coords from utils.datasets import letterbox def detect_video(video_path='data/video.mp4', weights='yolov5s.pt'): device = 'cuda' if torch.cuda.is_available() else 'cpu' model = attempt_load(weights, map_location=device) # 加载模型 cap = cv2.VideoCapture(video_path) while True: ret, frame = cap.read() if not ret: break img_size = 640 stride = int(model.stride.max()) img = letterbox(frame, new_shape=img_size, auto=True)[0] img = img[:, :, ::-1].transpose(2, 0, 1) img = np.ascontiguousarray(img).astype('float32') / 255. img = torch.from_numpy(img).to(device) img = img.unsqueeze(0) pred = model(img)[0] det = non_max_suppression(pred, conf_thres=0.25, iou_thres=0.45)[0] if len(det): det[:, :4] = scale_coords(img.shape[2:], det[:, :4], frame.shape).round() for *xyxy, conf, cls in reversed(det): label = f'{model.names[int(cls)]} {conf:.2f}' plot_one_box(xyxy, frame, label=label, color=(0, 255, 0), line_thickness=3) cv2.imshow("Video Detection", frame) key = cv2.waitKey(1) & 0xFF if key == ord('q'): break cap.release() cv2.destroyAllWindows() if __name__ == '__main__': video_file = "path/to/your/video/file" weight_file = "./weights/yolov5s.pt" detect_video(video_path=video_file, weights=weight_file) ``` 这段程序实现了基本的功能框架，即打开给定路径下的视频文件逐帧捕捉画面；针对每一张静态图应用YOLOv5做预测得到潜在的对象列表；最后在原始画面上绘制矩形边框及类别标签作为可视化输出[^3]。