YOLOv5检测界面-PyQt5实现

1.将detect.py运用到界面

要将 YOLOv5 的检测结果与 PyQt 界面结合，你需要进行一些额外的步骤。以下是一个简单的示例代码，展示如何使用 YOLOv5 进行目标检测并在 PyQt 界面中显示结果。

首先，确保你已经安装了必要的库：

pip install opencv-python PyQt5 torch

然后，使用以下代码作为 yolov5_detect_pyqt.py 假设你要用detect.py进行推理，你需要替换下面的detect函数，采取 f"python detect.py"即可：

import sys
import cv2
import torch
from PyQt5.QtWidgets import QApplication, QWidget, QLabel, QVBoxLayout, QPixmap
from PyQt5.QtGui import QImage, QPixmap
from yolov5.detect import detect  # 导入你的 YOLOv5 检测函数

class YOLOv5DetectApp(QWidget):
    def __init__(self):
        super().__init__()

        self.init_ui()

    def init_ui(self):
        self.setWindowTitle('YOLOv5 Object Detection with PyQt')
        self.setGeometry(100, 100, 800, 600)

        self.label = QLabel(self)
        self.label.setAlignment(Qt.AlignCenter)

        vbox = QVBoxLayout(self)
        vbox.addWidget(self.label)

        self.setLayout(vbox)

        self.timer = QTimer(self)
        self.timer.timeout.connect(self.update_frame)
        self.timer.start(1000)  # 设置定时器间隔，单位为毫秒

    def update_frame(self):
        # 执行目标检测
        image = cv2.imread('path/to/your/image.jpg')  # 替换成你的图像路径
        results = detect(image)  # 使用你的 YOLOv5 检测函数

        # 在图像上绘制检测结果
        for result in results:
            label = result['label']
            confidence = result['confidence']
            box = result['box']

            cv2.rectangle(image, (box[0], box[1]), (box[2], box[3]), (0, 255, 0), 2)
            cv2.putText(image, f"{label} {confidence:.2f}", (box[0], box[1] - 10),
                        cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

        # 将 OpenCV 图像转换为 PyQt 可显示的格式
        height, width, channel = image.shape
        bytes_per_line = 3 * width
        q_image = QImage(image.data, width, height, bytes_per_line, QImage.Format_RGB888)
        pixmap = QPixmap.fromImage(q_image)

        # 在 PyQt 界面上显示图像
        self.label.setPixmap(pixmap)

if __name__ == '__main__':
    app = QApplication(sys.argv)
    window = YOLOv5DetectApp()
    window.show()
    sys.exit(app.exec_())

请注意，上述代码中的 detect 函数是一个示例函数，你需要替换它为你的 YOLOv5 目标检测函数。确保你的目标检测函数返回一个包含检测结果的列表，每个结果是一个字典，包含标签、置信度和边界框信息。

这只是一个简单的示例，实际上，你可能需要对界面进行更多的优化和交互性。此外，如果你的检测过程很耗时，你可能需要考虑使用多线程来确保界面的响应性。

2.将发加载图片或视运用到界面

如果你想通过按钮触发加载图片或视频，你可以在 PyQt 窗口中添加按钮，并通过按钮的点击事件触发加载操作。下面是修改后的代码，其中添加了按钮用于加载图片：

import sys
import cv2
from PyQt5.QtWidgets import QApplication, QWidget, QLabel, QVBoxLayout, QPushButton, QFileDialog
from PyQt5.QtGui import QImage, QPixmap
from PyQt5.QtCore import Qt, QTimer
from yolov5.detect import detect  # 导入你的 YOLOv5 检测函数

class YOLOv5DetectApp(QWidget):
    def __init__(self):
        super().__init__()

        self.init_ui()

    def init_ui(self):
        self.setWindowTitle('YOLOv5 Object Detection with PyQt')
        self.setGeometry(100, 100, 800, 600)

        self.label = QLabel(self)
        self.label.setAlignment(Qt.AlignCenter)

        vbox = QVBoxLayout(self)
        vbox.addWidget(self.label)

        # 添加按钮用于加载图片
        self.load_image_button = QPushButton('Load Image', self)
        self.load_image_button.clicked.connect(self.load_image)
        vbox.addWidget(self.load_image_button)

        self.setLayout(vbox)

        self.timer = QTimer(self)
        self.timer.timeout.connect(self.update_frame)
        self.timer.start(1000)  # 设置定时器间隔，单位为毫秒

        self.image_path = None  # 用于存储当前加载的图像路径

    def load_image(self):
        options = QFileDialog.Options()
        options |= QFileDialog.DontUseNativeDialog
        file_name, _ = QFileDialog.getOpenFileName(self, "Open Image File", "", "Image Files (*.png *.jpg *.bmp);;All Files (*)", options=options)
        if file_name:
            self.image_path = file_name

    def update_frame(self):
        if self.image_path is not None:
            # 执行目标检测
            image = cv2.imread(self.image_path)
            results = detect(image)  # 使用你的 YOLOv5 检测函数

            # 在图像上绘制检测结果
            for result in results:
                label = result['label']
                confidence = result['confidence']
                box = result['box']

                cv2.rectangle(image, (box[0], box[1]), (box[2], box[3]), (0, 255, 0), 2)
                cv2.putText(image, f"{label} {confidence:.2f}", (box[0], box[1] - 10),
                            cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

            # 将 OpenCV 图像转换为 PyQt 可显示的格式
            height, width, channel = image.shape
            bytes_per_line = 3 * width
            q_image = QImage(image.data, width, height, bytes_per_line, QImage.Format_RGB888)
            pixmap = QPixmap.fromImage(q_image)

            # 在 PyQt 界面上显示图像
            self.label.setPixmap(pixmap)

if __name__ == '__main__':
    app = QApplication(sys.argv)
    window = YOLOv5DetectApp()
    window.show()
    sys.exit(app.exec_())

在这个例子中，通过添加 QPushButton 实例 load_image_button 和连接 clicked 信号到 load_image 方法，实现了通过按钮加载图像的功能。当按钮被点击时，将弹出文件对话框，允许用户选择要加载的图像文件。加载的图像路径存储在 self.image_path 中，并在定时器的 update_frame 方法中使用。