<div id="readability-page-1" class="page"><div>
웹캠 영상을 입력으로 하여 Yolo v8을 실행해봅니다.



<figure>2023. 5. 8 &nbsp; 최초작성&nbsp; 2023. 9. 28 링크 오류 수정 2023. 10. 3 CUDA 사용하기 위해 필요한 점 수정</figure>







관련 포스트



Yolo v8 pose 사용해보기



<figure></figure>







다음 포스트를 참고하여 파이썬 개발 환경을 만드는 것을 권장합니다.







Visual Studio Code와 Miniconda를 사용한 Python 개발 환경 만들기( Windows, Ubuntu)



<figure></figure>







좀 더 빠르게 욜로를 실행시키려면 CUDA를 사용하도록 Pytorch를 설치해야 합니다.&nbsp;



( <a href="https://qiita.com/kotai2003/items/32329a90703394d39d5c">https://qiita.com/kotai2003/items/32329a90703394d39d5c</a> )



Ubuntu 22.04에 CUDA 사용할 수 있도록 PyTorch 2.0 설치하는 방법



<figure></figure>



WSL2에서 CUDA 사용할 수 있도록 PyTorch 2.0 설치하는 방법



<figure></figure>



Windows에 CUDA Toolkit 11.8 cuDNN 8.7.0 PyTorch 설치하는 방법



<figure></figure>







욜로 테스트 코드를 실행할 가상환경을 생성합니다. Python 3.11을 사용하도록 생성했습니다. 



<pre><code>(base) C:\Users\webnautes&gt;conda create -n yolov8 python=3.11</code></pre>







가상환경을 활성화합니다.



<pre><code>(base) C:\Users\webnautes&gt;conda activate yolov8</code></pre>







필요한 패키지를 설치합니다.



<pre><code>(yolov8) C:\Users\webnautes&gt;pip install opencv-python
(yolov8) C:\Users\webnautes&gt;pip install ultralytics</code></pre>







다음 코드를 test_yolov8.py 이름으로 저장합니다. 여기서부터는 Visual Studio Code에서 진행하면 편합니다.



<pre><code>import cv2
from ultralytics import YOLO

# Load the YOLOv8 model
model = YOLO('yolov8n.pt')

# 동영상 파일 사용시
# video_path = "test.mp4"
# cap = cv2.VideoCapture(video_path)

# webcam 사용시
cap = cv2.VideoCapture(0)

# Loop through the video frames
while cap.isOpened():
&nbsp; &nbsp; # Read a frame from the video
&nbsp; &nbsp; success, frame = cap.read()

&nbsp; &nbsp; if success:
&nbsp; &nbsp; &nbsp; &nbsp; # Run YOLOv8 inference on the frame
&nbsp; &nbsp; &nbsp; &nbsp; results = model(frame)

&nbsp; &nbsp; &nbsp; &nbsp; # Visualize the results on the frame
&nbsp; &nbsp; &nbsp; &nbsp; annotated_frame = results[0].plot()

&nbsp; &nbsp; &nbsp; &nbsp; # Display the annotated frame
&nbsp; &nbsp; &nbsp; &nbsp; cv2.imshow("YOLOv8 Inference", annotated_frame)

&nbsp; &nbsp; &nbsp; &nbsp; # Break the loop if 'q' is pressed
&nbsp; &nbsp; &nbsp; &nbsp; if cv2.waitKey(1) &amp; 0xFF == ord("q"):
&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; break
&nbsp; &nbsp; else:
&nbsp; &nbsp; &nbsp; &nbsp; # Break the loop if the end of the video is reached
&nbsp; &nbsp; &nbsp; &nbsp; break

# Release the video capture object and close the display window
cap.release()
cv2.destroyAllWindows()</code></pre>







실행시키면 사람 및 물건이 검출이 된 결과를 보여줍니다. 



사람이 검출된 확률이 76%이고 리모컨이 검출된 확률이 84%입니다. 







q를 누르면 프로그램이 종료됩니다. 



<figure><img decoding="async" src="https://i0.wp.com/webnautes.blog/wp-content/uploads/2023/07/null.png?w=1200&amp;ssl=1" alt="" title="" data-recalc-dims="1"></figure>







터미널에는 검출결과가 연속적으로 출력됩니다.



사람 1명과 리모컨 1개가 검출되었다고 출력되었고 검출하는데 163.4ms 걸렸다고 출력되었습니다.



<figure>0: 480×640 1 person, 1 remote, 163.4ms Speed: 2.9ms preprocess, 163.4ms inference, 0.0ms postprocess per image at shape (1, 3, 640, 640)</figure>







코드에서는 욜로 모델로 yolov8n.pt를 사용하고 있습니다. 



아래 표의 Model 열에 있는 모델 이름 중 아래쪽에 있는 걸 적을 수록 물체 검출 정확도가 올라가는 대신 검출하는데 걸리는 시간이 좀 더 걸립니다. 코드에서 yolov8n.pt 자리에 다른 모델 이름을 적어주면 됩니다. 



<figure><img decoding="async" src="https://i0.wp.com/webnautes.blog/wp-content/uploads/2023/07/null-1.png?w=1200&amp;ssl=1" alt="" title="" data-recalc-dims="1"></figure>







참고 



<a href="https://docs.ultralytics.com/modes/predict/#streaming-source-for-loop" rel="nofollow">https://docs.ultralytics.com/modes/predict/#streaming-source-for-loop</a> 



<a href="https://github.com/ultralytics/ultralytics" rel="nofollow">https://github.com/ultralytics/ultralytics</a> 





</div></div>

멈춤보단 천천히라도

webnautes

웹캠 영상을 입력으로 하여 Yolo v8을 실행해봅니다. 2023. 5. 8   최초작성 2023. 9. 28 링크 오류 수정2023. 10. 3 CUDA 사용하기 위해 필요한 점 수정 관련 포스트 Yolo v8 pose 사용해보기 다음 포스트를 참고하여 파이썬 개발 환경을 만드는 것을 권장합니다. Visual Studio Code와 Miniconda를 사용한 Python 개발 환경 만들기( Windows, Ubuntu) 좀 더 빠르게 욜로를… 더 보기 »Yolo v8 사용해보기
The post Yolo v8 사용해보기 first appeared on 멈춤보단 천천히라도.

Yolo v8 사용해보기

댓글