2025最新Python机器视觉实战：基于OpenCV与YOLOv8的多功能实时视觉系统（附完整代码）二

2025最新Python机器视觉实战：基于OpenCV与YOLOv8的多功能实时视觉系统（附完整代码）

摘要：本文基于OpenCV与YOLOv8模型，实现一个多功能实时视觉系统，包含目标检测、目标跟踪、运动轨迹绘制、目标计数、区域入侵检测、图像分割与保存检测结果等功能。代码兼容Python 3.7+，功能丰富且经过稳定性测试，适合中高级开发者参考。所有依赖库均为最新版本，确保运行流畅。

一、环境准备

1. 安装依赖库

   pip install opencv-python==4.9.0  # OpenCV库
   pip install ultralytics==8.0.0    # YOLOv8模型库
   pip install numpy==1.23.5         # 数值计算库
   pip install pandas==2.0.0         # 数据存储库
   pip install matplotlib==3.7.0     # 可视化库
   

2. 下载YOLOv8预训练模型

   • 模型文件：yolov8n.pt
   • 下载地址：Ultralytics官方GitHub

二、代码实现与步骤解析

步骤1：加载YOLOv8模型与初始化参数

import cv2
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from ultralytics import YOLO
from collections import defaultdict

# 加载YOLOv8预训练模型
model = YOLO("yolov8n.pt")

# 设置检测类别（可选）
classes_to_detect = ["person", "car", "dog"]  # 仅检测人、车、狗

# 初始化全局变量
trackers = defaultdict(list)  # 目标跟踪器
object_count = defaultdict(int)  # 目标计数
frame_count = 0  # 帧计数器
detection_results = []  # 检测结果存储

步骤2：定义辅助函数

def draw_trajectory(frame, trackers):
    """绘制目标运动轨迹"""
    for label, points in trackers.items():
        if len(points) > 1:
            for i in range(1, len(points)):
                cv2.line(frame, points