### 集成 Ultralytics、OpenCV-Python、PyQt5 和 SQLite3 #### 安装依赖库 为了确保所有组件能够正常工作，在虚拟环境中安装必要的Python包至关重要。对于Ultralytics YOLOv8模型、OpenCV-Python、PyQt5以及SQLite支持，可以执行如下命令来完成这些软件包的安装： ```bash (pyqt5) user@admin:~$ pip install ultralytics opencv-python-headless PyQt5 sqlalchemy --upgrade ``` 上述命令会更新并安装最新版本的相关模块[^1]。 #### 创建应用程序框架 创建一个新的Python脚本用于启动GUI应用，并引入所需的导入语句： ```python import sys from PyQt5.QtWidgets import QApplication, QMainWindow, QLabel, QVBoxLayout, QWidget from PyQt5.QtGui import QImage, QPixmap from PyQt5.QtCore import QTimer import cv2 import numpy as np from ultralytics import YOLO from sqlalchemy import create_engine, Column, Integer, String, Float from sqlalchemy.ext.declarative import declarative_base from sqlalchemy.orm import sessionmaker ``` 这段代码初始化了一个基本的应用程序窗口结构，并准备好了加载YOLO模型和其他资源所需的功能函数[^2]。 #### 加载预训练模型与设置定时器捕获视频帧 定义一个方法用来实例化YOLO对象并将它绑定到主界面上的一个标签控件上显示预测结果；同时通过`QTimer`每间隔一定时间触发一次图像捕捉事件： ```python class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle('Face Recognition System') layout = QVBoxLayout() self.label = QLabel(self) layout.addWidget(self.label) container = QWidget() container.setLayout(layout) self.setCentralWidget(container) # Load pre-trained model from Ultralytics self.model = YOLO('yolov8n.pt') # Setup video capture and timer for frame processing self.cap = cv2.VideoCapture(0) self.timer = QTimer() self.timer.timeout.connect(self.process_frame) self.timer.start(30) def process_frame(self): ret, frame = self.cap.read() if not ret: print("Failed to grab frame") return results = self.model(frame)[0].plot() # Perform inference on the current frame using yolov8n model. image = QImage(results.data, results.shape[1], results.shape[0], QImage.Format_RGB888).rgbSwapped() pixmap = QPixmap.fromImage(image) self.label.setPixmap(pixmap.scaledToWidth(640)) ``` 此部分实现了基于摄像头输入的数据流处理逻辑，并调用了YOLO模型来进行目标检测操作[^3]。 #### 数据库存储设计 针对每次成功识别人脸的情况记录相关信息至本地SQLite数据库中。这里采用SQLAlchemy ORM工具简化表单定义过程： ```python Base = declarative_base() class FaceRecord(Base): __tablename__ = 'face_records' id = Column(Integer, primary_key=True) timestamp = Column(String) confidence_score = Column(Float) engine = create_engine('sqlite:///faces.db', echo=False) Session = sessionmaker(bind=engine) session = Session() if __name__ == '__main__': Base.metadata.create_all(engine) app = QApplication(sys.argv) window = MainWindow() window.showFullScreen() sys.exit(app.exec_()) ``` 最后几行代码负责建立连接到名为`faces.db`的新建或已存在的SQLite文件，并在运行时自动创建缺失表格。当整个程序结束前关闭所有打开的对象以释放资源[^4]。