### 使用 Qt 和 OpenCV 创建衣物检测的 GUI 界面 为了实现基于 YOLOv8 的衣物检测功能并将其集成到一个图形用户界面 (GUI)，可以利用 PyQt5 来构建界面，而 OpenCV 则用于图像处理和显示。以下是详细的说明以及示例代码。 #### 1. **环境准备** 确保安装了必要的库： - `PyQt5`：用于创建 GUI。 - `opencv-python`：用于图像处理。 - `ultralytics`：这是 YOLOv8 的官方 Python 包。 可以通过以下命令安装这些依赖项： ```bash pip install pyqt5 opencv-python ultralytics ``` --- #### 2. **YOLOv8 模型加载与推理** 在运行之前，确认已训练完成的 YOLOv8 模型位于指定路径下（如 `runs/detect/train/weights/best.pt`）。通过 Ultralytics 提供的功能加载模型并执行预测[^1]。 --- #### 3. **PyQt5 图形界面设计** 使用 PyQt5 构建一个简单的窗口，其中包含视频流展示区域、启动按钮和其他控件。 --- #### 4. **代码实现** 以下是一个完整的示例代码： ```python import sys from PyQt5.QtWidgets import QApplication, QMainWindow, QLabel, QPushButton, QVBoxLayout, QWidget from PyQt5.QtGui import QImage, QPixmap from PyQt5.QtCore import QTimer import cv2 from ultralytics import YOLO class ClothesDetectionApp(QMainWindow): def __init__(self): super().__init__() self.model = YOLO("runs/detect/train/weights/best.pt") # 加载 YOLOv8 模型 self.cap = None self.initUI() def initUI(self): self.setWindowTitle('Clothes Detection with YOLOv8') # 主布局 layout = QVBoxLayout() # 显示摄像头画面的标签 self.image_label = QLabel(self) self.image_label.setFixedSize(640, 480) layout.addWidget(self.image_label) # 启动按钮 self.start_button = QPushButton("Start Camera", self) self.start_button.clicked.connect(self.toggle_camera) layout.addWidget(self.start_button) container = QWidget() container.setLayout(layout) self.setCentralWidget(container) def toggle_camera(self): if self.cap is None: self.cap = cv2.VideoCapture(0) # 打开默认摄像头 self.timer = QTimer(self) self.timer.timeout.connect(self.update_frame) self.timer.start(30) # 设置定时器间隔为 30ms self.start_button.setText("Stop Camera") else: self.timer.stop() self.cap.release() self.cap = None self.image_label.clear() self.start_button.setText("Start Camera") def update_frame(self): ret, frame = self.cap.read() if ret: results = self.model(frame)[0] # 进行推理 annotated_frame = results.plot() # 绘制边界框 rgb_image = cv2.cvtColor(annotated_frame, cv2.COLOR_BGR2RGB) h, w, ch = rgb_image.shape bytes_per_line = ch * w qt_image = QImage(rgb_image.data, w, h, bytes_per_line, QImage.Format_RGB888) pixmap = QPixmap.fromImage(qt_image.scaled(self.image_label.width(), self.image_label.height())) self.image_label.setPixmap(pixmap) if __name__ == "__main__": app = QApplication(sys.argv) window = ClothesDetectionApp() window.resize(700, 500) window.show() sys.exit(app.exec_()) ``` --- #### 5. **代码解析** - **模型加载**：通过 `YOLO("path_to_model.pt")` 载入预训练好的权重文件。 - **摄像头捕获**：使用 OpenCV 的 `cv2.VideoCapture()` 方法获取实时视频帧。 - **推理过程**：调用 `model.predict()` 对每一帧进行目标检测，并绘制边界框。 - **图像转换**：将 OpenCV 处理后的 BGR 格式图片转为 RGB 并适配至 PyQt5 的 `QLabel` 控件上。 --- ####