「 对每个人而言,真正的职责只有一个:找到自我。然后在心中坚守其一生,全心全意,永不停息。所有其它的路都是不完整的,是人的逃避方式,是对大众理想的懦弱回归,是随波逐流,是对内心的恐惧 ——赫尔曼·黑塞《德米安》」
测试结果
YOLOv8 是一种高效而准确的目标检测算法,它在 YOLOv4 的基础上进行了改进和优化,提供了更好的性能和推断速度。适用于各种物体检测
与跟踪
、实例分割
、图像分类
和姿态估计
任务。
这里是我们仅仅使用的人体姿态评估,通过对人体姿态的评估可以进行人体行为判断和预测
同时, YOLOv8
提供了很完善的文档,包括中文文档。
项目地址:
https://github.com/ultralytics/ultralytics
安装很简单
pip install ultralytics
ultralytics_demo\examples\demo\demo
Demo 文件位置
from ultralytics import YOLO
from PIL import Image
import cv2
model = YOLO("C:\\Users\\liruilong\\.yolo_model\\yolov8x-pose-p6.pt")
# from ndarray
im2 = cv2.imread("Y:\\image8.jpg")
#results = model(im2) # predict on an image
results = model(im2)
for r in results:
#im_array = r.plot(kpt_radius=3,labels=False,boxes=False,line_width=1) # plot a BGR numpy array of predictions
im_array = r.plot(line_width=2) # plot a BGR numpy array of predictions
im_array = Image.fromarray(im_array[..., ::-1]) # RGB PIL image
im_array.show() # show image
im_array.save('results.jpg') # save image
对应的预训练模型下载地址可以在项目中找到,对应预测参数,以及结果展示的参数配置文档见下面:
https://docs.ultralytics.com/modes/predict/#streaming-source-for-loop
© 文中涉及参考链接内容版权归原作者所有,如有侵权请告知,这是一个开源项目,如果你认可它,不要吝啬星星哦 :)
https://docs.ultralytics.com/
https://github.com/ultralytics/ultralytics