YOLO数据处理界面程序

本案例使用 YOLO 模型结合 Python Qt ，开发图形界面的监测程序。

需要先安装 PySide6 和 Yolo 库 ultralytics

pip install pyside6
pip install ultralytics

注意

目前 ultralytics库兼容 YOLOv8 以及后续模型。

如果你使用早期版本YOLO（比如YOLOv5）训练的模型，请修改相应的库的导入和检测代码。

您需要高效学习，找工作？点击咨询报名实战班

点击查看学员就业情况

物品检测

点击这里，观看视频讲解

下面示例代码实现了摄像头实时视频流的 YOLO 物品检测。

如果还需要包含 视频文件实时检测 功能的代码, 请将这个YOLO+Qt视频分享到朋友圈（点击打开），截屏发微给 byhy44

from PySide6 import QtWidgets, QtCore, QtGui
import cv2, os, time
from threading import Thread

# 不然每次YOLO处理都会输出调试信息
os.environ['YOLO_VERBOSE'] = 'False'
from ultralytics import YOLO 

class MWindow(QtWidgets.QMainWindow):

    def __init__(self):

        super().__init__()

        # 设置界面
        self.setupUI()

        self.camBtn.clicked.connect(self.startCamera)
        self.stopBtn.clicked.connect(self.stop)

        # 定义定时器，用于控制显示视频的帧率
        self.timer_camera = QtCore.QTimer()
        # 定时到了，回调 self.show_camera
        self.timer_camera.timeout.connect(self.show_camera)

        # 加载 YOLO nano 模型，第一次比较耗时，要20秒左右
        self.model = YOLO('yolov8n.pt')

        # 要处理的视频帧图片队列，目前就放1帧图片
        self.frameToAnalyze = []

        # 启动处理视频帧独立线程
        Thread(target=self.frameAnalyzeThreadFunc,daemon=True).start()

    def setupUI(self):

        self.resize(1200, 800)

        self.setWindowTitle('白月黑羽 YOLO-Qt 演示')

        # central Widget
        centralWidget = QtWidgets.QWidget(self)
        self.setCentralWidget(centralWidget)

        # central Widget 里面的 主 layout
        mainLayout = QtWidgets.QVBoxLayout(centralWidget)

        # 界面的上半部分 : 图形展示部分
        topLayout = QtWidgets.QHBoxLayout()
        self.label_ori_video = QtWidgets.QLabel(self)
        self.label_treated = QtWidgets.QLabel(self)
        self.label_ori_video.setMinimumSize(520,400)
        self.label_treated.setMinimumSize(520,400)
        self.label_ori_video.setStyleSheet('border:1px solid #D7E2F9;')
        self.label_treated.setStyleSheet('border:1px solid #D7E2F9;')

        topLayout.addWidget(self.label_ori_video)
        topLayout.addWidget(self.label_treated)

        mainLayout.addLayout(topLayout)

        # 界面下半部分： 输出框 和 按钮
        groupBox = QtWidgets.QGroupBox(self)

        bottomLayout =  QtWidgets.QHBoxLayout(groupBox)
        self.textLog = QtWidgets.QTextBrowser()
        bottomLayout.addWidget(self.textLog)

        mainLayout.addWidget(groupBox)

        btnLayout = QtWidgets.QVBoxLayout()
        self.videoBtn = QtWidgets.QPushButton('🎞️视频文件')
        self.camBtn   = QtWidgets.QPushButton('📹摄像头')
        self.stopBtn  = QtWidgets.QPushButton('🛑停止')
        btnLayout.addWidget(self.videoBtn)
        btnLayout.addWidget(self.camBtn)
        btnLayout.addWidget(self.stopBtn)
        bottomLayout.addLayout(btnLayout)


    def startCamera(self):

        # 参考 https://docs.opencv.org/3.4/dd/d43/tutorial_py_video_display.html

        # 在 windows上指定使用 cv2.CAP_DSHOW 会让打开摄像头快很多， 
        # 在 Linux/Mac上 指定 V4L, FFMPEG 或者 GSTREAMER
        self.cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)
        if not self.cap.isOpened():
            print("1号摄像头不能打开")
            return()

        if self.timer_camera.isActive() == False:  # 若定时器未启动
            self.timer_camera.start(50)


    def show_camera(self):

        ret, frame = self.cap.read()  # 从视频流中读取
        if not ret:
            return

        # 把读到的16:10帧的大小重新设置 
        frame = cv2.resize(frame, (520, 400))          
        # 视频色彩转换回RGB，OpenCV images as BGR
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)  
        qImage = QtGui.QImage(frame.data, frame.shape[1], frame.shape[0],
                                 QtGui.QImage.Format_RGB888)  # 变成QImage形式
        # 往显示视频的Label里 显示QImage
        self.label_ori_video.setPixmap(QtGui.QPixmap.fromImage(qImage)) 

        # 如果当前没有处理任务
        if not self.frameToAnalyze:
            self.frameToAnalyze.append(frame)

    def frameAnalyzeThreadFunc(self):

        while True:
            if not self.frameToAnalyze:
                time.sleep(0.01)
                continue

            frame = self.frameToAnalyze.pop(0)

            results = self.model(frame)[0]

            img = results.plot(line_width=1)    

            qImage = QtGui.QImage(img.data, img.shape[1], img.shape[0],
                                    QtGui.QImage.Format_RGB888)  # 变成QImage形式

            self.label_treated.setPixmap(QtGui.QPixmap.fromImage(qImage))  # 往显示Label里 显示QImage

            time.sleep(0.5)

    def stop(self):
        self.timer_camera.stop()  # 关闭定时器
        self.cap.release()  # 释放视频流
        self.label_ori_video.clear()  # 清空视频显示区域        
        self.label_treated.clear()  # 清空视频显示区域


app = QtWidgets.QApplication()
window = MWindow()
window.show()
app.exec()

物品检测（hyqt）

使用 hyqt 库，可以使界面开发更加简洁，代码如下

对应的代码需要安装 hyqt 库

执行 pip install hyqt 安装

from hyqt import *

app = QApplication()

import cv2, os, time
from threading import Thread

# 不然每次YOLO处理都会输出调试信息
os.environ['YOLO_VERBOSE'] = 'False'
from ultralytics import YOLO

class VideoHandler:

    def __init__(self):

        super().__init__()

        # 定义定时器，用于控制显示视频的帧率
        self.timer_camera = QtCore.QTimer()
        # 定时到了，回调 self.show_camera
        self.timer_camera.timeout.connect(self.show_camera)

        # 加载 YOLO nano 模型，第一次比较耗时，要20秒左右
        self.model = YOLO('yolov11n.pt')

        # 要处理的视频帧图片队列，目前就放1帧图片
        self.frameToAnalyze = []

        # 启动处理视频帧独立线程
        Thread(target=self.frameAnalyzeThreadFunc,daemon=True).start()

    def startCamera(self):

        # 参考 https://docs.opencv.org/3.4/dd/d43/tutorial_py_video_display.html

        # 在 windows上指定使用 cv2.CAP_DSHOW 会让打开摄像头快很多，
        # 在 Linux/Mac上 指定 V4L, FFMPEG 或者 GSTREAMER
        self.cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)
        if not self.cap.isOpened():
            print("1号摄像头不能打开")
            return()

        if self.timer_camera.isActive() == False:  # 若定时器未启动
            self.timer_camera.start(50)


    def show_camera(self):

        ret, frame = self.cap.read()  # 从视频流中读取
        if not ret:
            return

        # 把读到的16:10帧的大小重新设置
        frame = cv2.resize(frame, (520, 400))
        # 视频色彩转换回RGB，OpenCV images as BGR
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
        qImage = QtGui.QImage(frame.data, frame.shape[1], frame.shape[0],
                                 QtGui.QImage.Format_RGB888)  # 变成QImage形式
        # 往显示视频的Label里 显示QImage
        label_ori_video.setPixmap(QtGui.QPixmap.fromImage(qImage))

        # 如果当前没有处理任务
        if not self.frameToAnalyze:
            self.frameToAnalyze.append(frame)

    def frameAnalyzeThreadFunc(self):

        while True:
            if not self.frameToAnalyze:
                time.sleep(0.01)
                continue

            frame = self.frameToAnalyze.pop(0)

            results = self.model(frame)[0]

            img = results.plot(line_width=1)

            qImage = QtGui.QImage(img.data, img.shape[1], img.shape[0],
                                    QtGui.QImage.Format_RGB888)  # 变成QImage形式

            label_treated.setPixmap(QtGui.QPixmap.fromImage(qImage))  # 往显示Label里 显示QImage

            time.sleep(0.5)

    def stop(self):
        self.timer_camera.stop()  # 关闭定时器
        self.cap.release()  # 释放视频流
        label_ori_video.clear()  # 清空视频显示区域
        label_treated.clear()  # 清空视频显示区域



vh = VideoHandler()


win = Column(
    # 上半部分
    Row(
        label_ori_video := Label(minWidth=520, minHeight=400, border='1px solid lightgreen',
              hExpanding=True,vExpanding=True),
        label_treated := Label(minWidth=520, minHeight=400, border='1px solid lightgreen',
              hExpanding=True,vExpanding=True),
    ),

    # 下半部分
    Row(
        TextArea(hExpanding=True,vExpanding=True,minHeight=300),
        Column(
            s__(width=100),
            Button('🎞️视频文件'),
            camBtn := Button('📹摄像头', onClick=vh.startCamera),
            stopBtn := Button('🛑停止', onClick=vh.stop),
        )
    )
)

win.show()
app.exec()

交通监控

点击这里，观看视频讲解

本例使用 Github 上 bahakizil 的 YOLOv12n交通监控调优模型结合图形界面监测交通情况。

不能直接访问的Github链接的朋友，可以点击这里，网盘下载模型和示例视频文件

视频讲解对应的代码需要安装 hyqt , pyqtgraph 库和 yolo 库

pip install hyqt
pip install pyqtgraph
pip install ultralytics

最后 图表功能 的讲解和代码，点击这里，只需要3元即可观看学习

如果只需要包含 图表功能 的代码, 请将这个 YOLO交通监测视频分享到朋友圈（点击打开），截屏发微给 byhy44

参考代码如下

from hyqt import *
import pyqtgraph as pg
from threading import Thread
from PySide6.QtCore import Signal,QObject
import cv2 as cv
import os,time

# 不然每次YOLO处理都会输出调试信息
os.environ['YOLO_VERBOSE'] = 'False'
from ultralytics import YOLO

app = QApplication()


# 自定义信号源对象类型，一定要继承自 QObject
class SignalMgr(QObject):
    imgGen = Signal(QtGui.QPixmap)

sm = SignalMgr()

class VideoHandler:
    def __init__(self):

        # 定义定时器，用于控制显示视频文件的帧率
        self.timer_videoFile = QtCore.QTimer()

        # 定时到了，回调 self.show_videoFile
        self.timer_videoFile.timeout.connect(self.play_video_file)

        # cv2.VideoCapture 实例
        self.cap = None

        # 加载 YOLO 模型，第一次比较耗时，要20秒左右
        self.model = YOLO("best.pt")

        self.frameToPredict = None

        sm.imgGen.connect(self.showImgGen)

        # 启动Yolo处理视频帧独立线程
        thread = Thread(target=self.theadFunc_framePredict, daemon=True)
        thread.start()



    def openVideoFile(self):
        videoPath, _  = QFileDialog.getOpenFileName(
            win,             # 父窗口对象
            "选择视频文件",    # 标题
            ".",             # 起始目录
            "图片类型 (*.mp4 *.avi)" # 选择类型过滤项，过滤内容在括号中
        )

        if not videoPath:
            return

        self.cap = cv.VideoCapture(videoPath)  
        if not self.cap.isOpened():
            print('打开视频文件失败')     
            return

        self.timer_videoFile.start(30)

    def play_video_file(self):
        ret, frame = self.cap.read()

        # if frame is read correctly ret is True
        if not ret:
            print('视频播放结束，重新开始')
            self.cap.set(cv.CAP_PROP_POS_FRAMES, 0)
            ret, frame = self.cap.read()


        # 视频色彩转换回RGB，OpenCV images as BGR
        frame = cv.cvtColor(frame, cv.COLOR_BGR2RGB)  
        qImage = QtGui.QImage(frame.data, frame.shape[1], frame.shape[0],
            QtGui.QImage.Format_RGB888)  # 变成QImage形式

        # 往显示视频的Label里 显示QImage
        label_ori_video.setPixmap(QtGui.QPixmap.fromImage(qImage))

        # 如果当前后台Yolo线程没有处理任务
        if self.frameToPredict is None:
            self.frameToPredict = frame


    def theadFunc_framePredict(self):     
        while True:   
            if self.frameToPredict is None:
                time.sleep(0.01)
                continue

            # YOLO 推理图片
            result = self.model.predict(self.frameToPredict)[0]
            img = result.plot(line_width=1)
            qImage = QtGui.QImage(img.data, img.shape[1], img.shape[0],
                QtGui.QImage.Format_RGB888)  # 变成QImage形式

            sm.imgGen.emit(QtGui.QPixmap.fromImage(qImage))


            time.sleep(2)

            self.frameToPredict = None

    def showImgGen(self, img):
        label_gen_video.setPixmap(img)

    def stop(self):
        self.frameToPredict = None
        self.timer_videoFile.stop()

        if self.cap:
            self.cap.release()

        label_ori_video.clear()
        label_gen_video.clear()


vh = VideoHandler()    

win =  Column(
        s__(windowTitle="白月黑羽 YOLO-Qt 演示" ,size=(1000,800)),     

        # 上半部分
        Row(s__(paddings=0, ), 
            label_ori_video := Label(border="1px solid lightblue", minWidth=520, minHeight=400),             
            label_gen_video := Label(border="1px solid lightblue", minWidth=520, minHeight=400), 
        ),

        # 下半部分
        Row(s__( border="1px solid lightblue" ), 
            pw := pg.PlotWidget(),
            TextBrowser(hExpanding=True,vExpanding=True),
            Column(s__(hExpanding=False),
                Button('🎞️视频文件', onClick=vh.openVideoFile),  
                Button('📹摄像头',   ),    
                Button('🛑停止', onClick=vh.stop    ),  
            )
        ),


    )

pw.showGrid(x=True, y=True)
pw.setBackground('w')

win.show()
app.exec()

YOLO数据处理 界面程序

您需要高效学习，找工作？ 点击咨询 报名实战班