YOLOv8 影片目標檢測完整教學
在本篇教學中，我們將演示如何使用 YOLOv8 進行影片目標檢測，並結合網路上的範例影片作為測試素材。教學包括程式碼的詳細說明，以及範例影片的下載和使用步驟。
1. 工具與環境準備
在開始之前，確保已經安裝必要的軟體和工具：
• Python 環境： Python 版本需為 3.7 或以上。
• 安裝必要的套件：
pip install ultralytics opencv-python• YOLO 模型： 使用 YOLOv8 Nano 模型（輕量、快速），自動從 Ultralytics 官方下載預訓練權重。
2. 下載範例影片
以下是可用於測試的現成範例影片來源：
• 影片來源 1： GitHub YOLOv8 範例影片 - bikes.mp4
• 影片來源 2： GeeksforGeeks YOLOv8 文章
3. YOLOv8 影片目標檢測程式
以下是完整的影片檢測程式碼：
from ultralytics import YOLO
import cv2
import os
# 加載 YOLO 模型
model = YOLO('yolov8n.pt') # 使用 Nano 模型（輕量快速）
# 輸入影片路徑
video_path = 'bikes.mp4' # 替換為您的影片路徑
output_path = 'output_video.avi' # 輸出的影片檔案路徑
# 開啟影片文件
cap = cv2.VideoCapture(video_path)
# 確認影片是否成功打開
if not cap.isOpened():
print("無法打開影片文件！請檢查路徑。")
exit()
# 獲取影片資訊
fps = int(cap.get(cv2.CAP_PROP_FPS)) # 幀率
frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) # 寬度
frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) # 高度
frame_count = int(cap.get(cv2.CAP_PROP_FRAME_COUNT)) # 總幀數
print(f"影片資訊: {fps} FPS, 寬度: {frame_width}, 高度: {frame_height}, 幀數: {frame_count}")
# 初始化影片寫入器
fourcc = cv2.VideoWriter_fourcc(*'XVID') # 編碼格式
out = cv2.VideoWriter(output_path, fourcc, fps, (frame_width, frame_height))
# 逐幀處理
frame_index = 0
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break
# YOLO 推理
results = model(frame)
# 獲取帶有檢測結果的圖片
annotated_frame = results[0].plot()
# 寫入影片
out.write(annotated_frame)
# 在終端打印處理進度
frame_index += 1
print(f"處理幀 {frame_index}/{frame_count}", end="\r")
# 釋放資源
cap.release()
out.release()
cv2.destroyAllWindows()
print(f"處理完成！影片已保存到: {output_path}")4. 教學結果示例
終端輸出：
影片資訊: 30 FPS, 寬度: 1280, 高度: 720, 幀數: 300
處理幀 300/300
處理完成！影片已保存到: output_video.avi檢測結果影片：
帶有檢測結果的邊界框和類別名稱，清晰標註影片中的物體（例如自行車、行人等）。
劉老師的跨域創想工坊