以下是基于 YOLOv5 和 OpenCV 的红绿灯检测和识别的 Python 代码示例： ``` import cv2 import torch import numpy as np from pathlib import Path from models.experimental import attempt_load from utils.general import non_max_suppression # 加载模型 model = attempt_load(Path('path/to/yolov5s.pt'), map_location=torch.device('cpu')) model.eval() # 定义类别 classes = ['red', 'yellow', 'green'] # 定义颜色 colors = [(0, 0, 255), (0, 255, 255), (0, 255, 0)] # 加载输入图像 img_path = 'path/to/image.jpg' img = cv2.imread(img_path) img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 图像预处理 img = cv2.resize(img, (640, 640)) img = img.astype(np.float32) / 255.0 img = np.transpose(img, (2, 0, 1)) img = np.expand_dims(img, axis=0) # 模型预测 with torch.no_grad(): pred = model(torch.from_numpy(img)) pred = non_max_suppression(pred, conf_thres=0.5, iou_thres=0.5) # 遍历预测结果 for i, det in enumerate(pred): if len(det): for *xyxy, conf, cls in reversed(det): # 提取坐标和类别 x1, y1, x2, y2 = map(int, xyxy) cls_name = classes[int(cls)] # 绘制边框和类别 cv2.rectangle(img, (x1, y1), (x2, y2), colors[int(cls)], 2) cv2.putText(img, cls_name, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, colors[int(cls)], 2) # 显示结果 cv2.imshow('image', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个示例中，我们首先加载了 YOLOv5 模型并定义了类别和颜色。然后，我们加载输入图像并进行预处理。接下来，我们使用模型对图像进行预测，并使用非最大抑制（NMS）来过滤预测结果。最后，我们遍历预测结果并绘制边框和类别。最终，我们显示结果。 请注意，这个示例只是一个简单的演示，你需要根据实际情况来调整参数和代码。同时，由于 YOLOv5 和 OpenCV 的版本可能会不同，你需要根据实际情况来调整代码和模型。