从零构建PyQt5与YOLOv5集成的人体识别检测追踪系统

引言

随着计算机视觉技术的快速发展，人体识别、检测与追踪在安防、监控、人机交互等领域得到了广泛应用。本文将指导你如何使用Python编程语言，结合PyQt5图形用户界面框架和YOLOv5目标检测模型，开发一个实时的人体检测与追踪系统。

准备工作

环境搭建

1. Python环境：确保安装了Python 3.x。

2. 安装必要的库：

   • 使用pip安装PyQt5、opencv-python、torch等库。

     pip install PyQt5 opencv-python torch torchvision

   • YOLOv5需要额外从GitHub克隆并安装：

     git clone https://github.com/ultralytics/yolov5
     cd yolov5
     pip install -r requirements.txt

3. 下载YOLOv5预训练模型：从YOLOv5的GitHub页面下载适用于人体检测的预训练权重文件（如yolov5s.pt）。

项目结构

project_folder/
├── main.py
├── models/
│   └── yolov5s.pt
├── utils/
│   ├── detect.py  # YOLOv5检测脚本
│   └── ...         # 其他辅助脚本
└── ui/
    └── main_window.ui  # PyQt5界面设计文件

开发步骤

1. 设计GUI界面

使用Qt Designer设计GUI界面，保存为main_window.ui。界面应包括视频显示区域、按钮（如开始/停止检测）等。

2. 加载UI并转换为Python代码

使用pyuic5工具将.ui文件转换为Python代码。

pyuic5 -x ui/main_window.ui -o ui_main_window.py

3. 集成YOLOv5检测功能

在main.py中，加载PyQt5窗口，并集成YOLOv5的检测功能。

```python
import sys
from PyQt5.QtWidgets import QApplication, QMainWindow
from ui_main_window import Ui_MainWindow
from utils.detect import run_detection # 假设detect.py中有run_detection函数
import cv2

class MainWindow(QMainWindow, UiMainWindow):
def init(self):
super()._init()
self.setupUi(self)
self.cap = cv2.VideoCapture(0) # 摄像头
self.timer = self.startTimer(30) # 每30ms刷新一次

def timerEvent(self, event):
    if event.timerId() == self.timer:
        ret, frame = self.cap.read()
        if ret:
            # 转换颜色空间并检测
            frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
            results = run_detection(frame_rgb, 'models/yolov5s.pt', 0.4, 0.5)
            # 显示结果（这里需要额外代码将结果绘制到frame上）
            # ...
            # 转换回BGR并显示
            frame_bgr = cv2.cvtColor(frame_rgb, cv2.COLOR_RGB2BGR)
            # 假设你有一个QLabel用于显示视频
            # self.label_video.setPixmap(QPixmap.fromImage(QImage(frame_bgr.data, frame_bgr.shape[1], frame_bgr.shape[0], QImage.Format_RGB888).rgbSwapped()))

if name == ‘main‘:
app = QApplication(sys.argv)
window = MainWindow()
window.show()