Yolov5调用手机摄像头实时检测（网络摄像头）

### 使用YOLOv8与OpenCV实现摄像头实时物体检测 为了利用YOLOv8进行摄像头实时物体检测，可以按照如下方法编写Python脚本。此过程涉及加载预训练的YOLOv8模型并将其应用于通过OpenCV捕获到的画面帧上。 ```python from ultralytics import YOLO import cv2 model = YOLO('yolov8n.pt') # 加载YOLOv8nano权重文件[^1] cap = cv2.VideoCapture(0) # 初始化视频捕捉对象，参数'0'通常代表默认摄像设备 while True: ret, frame = cap.read() # 获取当前画面的一帧图像 if not ret: # 如果读取失败，则跳出循环 break results = model(frame) # 对获取的画面应用YOLOv8模型进行预测 annotated_frame = results[0].plot() # 绘制边界框和其他识别信息于原图之上 cv2.imshow('YOLOv8 Detection', annotated_frame) # 显示带有标注的结果图片窗口 if cv2.waitKey(1) & 0xFF == ord('q'): # 当按下键盘上的 'q' 键时退出程序 break cap.release() # 关闭视频流资源释放 cv2.destroyAllWindows() # 清除所有创建好的窗口 ``` 这段代码展示了如何设置一个简单的应用程序来执行基于YOLOv8的目标检测任务，并且能够处理来自计算机内置或外部连接相机输入的数据流。值得注意的是，在实际部署之前可能还需要调整某些配置选项以适应特定硬件条件或是优化性能表现[^4]。