Wooks

import cv2
from ultralytics import YOLO

model = YOLO('yolov8x.pt')
webcam = cv2.VideoCapture(0)

blue_color = (255,0,0)

if not webcam.isOpened():
    print("Could not open webcam")
    exit()

while webcam.isOpened():
    status, frame = webcam.read()

    if status:
        results = model.predict(classes=0, device=0, conf=0.5, source=frame)

        for result in results:
            annotated_frame = result.plot(line_width=2, labels=False, boxes=False)
            boxes = result.boxes

            if boxes :
                for box in boxes :
                    x1 = int(box.xyxy[0,0])
                    y1 = int(box.xyxy[0,1])
                    x2 = int(box.xyxy[0,2])
                    y2 = int(box.xyxy[0,3])
                    cv2.rectangle(annotated_frame, (x1,y1), (x2,y2), blue_color, 3 )

                cv2.imshow("cam", annotated_frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

webcam.release()
cv2.destroyAllWindows()

     참조

      https://docs.ultralytics.com/modes/predict/#sources

        weights=ROOT / 'yolov5s.pt',  # model path or triton URL
        source=ROOT / 'data/images',  # file/dir/URL/glob/screen/0(webcam)
        data=ROOT / 'data/coco128.yaml',  # dataset.yaml path
        imgsz=(640, 640),  # inference size (height, width)
        conf_thres=0.25,  # confidence threshold
        iou_thres=0.45,  # NMS IOU threshold
        max_det=1000,  # maximum detections per image
        device='',  # cuda device, i.e. 0 or 0,1,2,3 or cpu
        view_img=False,  # show results
        save_txt=False,  # save results to *.txt
        save_conf=False,  # save confidences in --save-txt labels
        save_crop=False,  # save cropped prediction boxes
        nosave=False,  # do not save images/videos
        classes=None,  # filter by class: --class 0, or --class 0 2 3
        agnostic_nms=False,  # class-agnostic NMS
        augment=False,  # augmented inference
        visualize=False,  # visualize features
        update=False,  # update all models
        project=ROOT / 'runs/detect',  # save results to project/name
        name='exp',  # save results to project/name
        exist_ok=False,  # existing project/name ok, do not increment
        line_thickness=3,  # bounding box thickness (pixels)
        hide_labels=False,  # hide labels
        hide_conf=False,  # hide confidences
        half=False,  # use FP16 half-precision inference
        dnn=False,  # use OpenCV DNN for ONNX inference
        vid_stride=1,  # video frame-rate stride

1. Person
2. Bicycle
3. Car
4. Motorcycle
5. Airplane
6. Bus
7. Train
8. Truck
9. Boat
10. Traffic light
11. Fire hydrant
12. Stop sign
13. Parking meter
14. Bench
15. Bird
16. Cat
17. Dog
18. Horse
19. Sheep
20. Cow
21. Elephant
22. Bear
23. Zebra
24. Giraffe
25. Backpack
26. Umbrella
27. Handbag
28. Tie
29. Suitcase
30. Frisbee
31. Skis
32. Snowboard
33. Sports ball
34. Kite
35. Baseball bat
36. Baseball glove
37. Skateboard
38. Surfboard
39. Tennis racket
40. Bottle
41. Wine glass
42. Cup
43. Fork
44. Knife
45. Spoon
46. Bowl
47. Banana
48. Apple
49. Sandwich
50. Orange
51. Broccoli
52. Carrot
53. Hot dog
54. Pizza
55. Donut
56. Cake
57. Chair
58. Couch
59. Potted plant
60. Bed
61. Dining table
62. Toilet
63. TV
64. Laptop
65. Mouse
66. Remote
67. Keyboard
68. Cell phone
69. Microwave
70. Oven
71. Toaster
72. Sink
73. Refrigerator
74. Book
75. Clock
76. Vase
77. Scissors
78. Teddy bear
79. Hair drier
80. Toothbrush

classes=0  하면 사람만 감지한다. 

yolo 모델을 변경합니다. "yolov8s.pt 

참조 : https://learnopencv.com/train-yolov8-on-custom-dataset/

파이참을 실행하고 터미널을 열고  학습 데이터를 다운받음 (25G 정도되니 시간이 많이 걸립니다.)

wget https://www.dropbox.com/s/qvglw8pqo16769f/pothole_dataset_v8.zip?dl=1 -O pothole_dataset_v8.zip

다운이 완료되면  ultralytics-main\datasets  폴더안에 이동후 해당 파일 이름으로 압축을 해제

train \images  

프로젝트에서 마우스 오른쪽 버튼을 누르고, New  -> File 

아래 이름으로 생성 

pothole_v8.yaml

아래 내용을 복사후 저장 

훈련을 시킵니다. 

yolo task=detect mode=train model=yolov8n.pt imgsz=1280 data=pothole_v8.yaml epochs=50 batch=8 name=yolov8n_v8_50e

완료가 되면 runs\detect 폴더에 pt 파일이 생성됩니다. . 

프로젝트에 복사해주고 모델을 명을 변경해줍니다. 

스마트폰으로 포트홀 사진을 뛰운후 검출이 잘 됩니다. 

https://xandroid.tistory.com/entry/WebCam-%EC%9D%B4%EC%9A%A9%ED%95%9C-%EA%B0%9D%EC%B2%B4-%EC%9D%B8%EC%8B%9D

#1 이어서 

아무이름이나 지어주고 엔터 

아래 코드를 입력후

플레이 버튼을 누르면

아래와 같이 캠으로 객체인식이 가능

1) 파이썬 설치  

https://www.python.org/downloads/windows/  

os 맞는 bit 다운로드후 설치 

커스텀을 선택  IDLE는 체크를 안함,  => 파이참을 이용

설치 경로를 기억 

인스톨 버튼을 누름

2) 파이참 설치 ( IDE 툴 )

https://www.jetbrains.com/ko-kr/pycharm/

3) Yolo8 다운받기

https://github.com/ultralytics/ultralytics 

다운받은후 압축을 해제하고 적당한 폴더에 복사함

4) 파이참 실행 

해당경로를 아까 yolo8 다운 받은 경로로 변경

기존소스 선택 

터미널을 열고 

pip install ultralytics   엔터~~

Updating skeletons 완료될때까지 대기

 yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'   

엔터

해당 경로에 객체 인식 결과 파일이   runs\detect\ 이미지 파일로 저장이됨