如何用PyQt5-YOLOv5实现实时摄像头目标检测？完整操作指南

【免费下载链接】PyQt5-YOLOv5 PyQt5 implementation of YOLOv5 GUI 项目地址: https://gitcode.com/gh_mirrors/py/PyQt5-YOLOv5

PyQt5-YOLOv5是一款基于PyQt5构建的YOLOv5图形界面工具，让实时摄像头目标检测变得简单高效。无需复杂编程，通过直观的界面即可快速部署目标检测模型，实现对摄像头画面中行人、车辆等物体的实时识别与追踪。

📋 准备工作：环境搭建与安装

1. 克隆项目仓库

首先需要将项目代码克隆到本地：

git clone https://gitcode.com/gh_mirrors/py/PyQt5-YOLOv5
cd PyQt5-YOLOv5

2. 安装依赖库

项目依赖已整理在requirements.txt中，执行以下命令安装：

pip install -r requirements.txt

3. 下载预训练模型

项目已提供基础模型文件pt/yolov5s.pt，如需其他模型可通过data/scripts/download_weights.sh脚本下载更多预训练权重。

🖥️ 认识PyQt5-YOLOv5界面

启动程序后，你将看到简洁直观的操作界面，主要分为设置区和预览区两部分：

PyQt5-YOLOv5图形界面，左侧为参数设置区，右侧为实时预览区

核心功能区说明：

• 模型选择：可从下拉菜单选择不同YOLOv5模型（如yolov5s.pt）
• 参数调节：包含IOU阈值、置信度阈值等滑动条控制
• 输入源选择：支持本地摄像头和RTSP网络流
• 结果统计：实时显示检测到的目标数量

🚀 快速开始：本地摄像头目标检测

1. 启动程序

在项目根目录执行：

python main.py

2. 选择摄像头

点击界面上的摄像头图标按钮（工具栏中的"摄像头开"图标），程序会自动检测可用摄像头设备。选择对应的摄像头编号即可启动实时检测：

3. 调整检测参数

根据实际场景需求，调节左侧面板的参数：

• conf：置信度阈值（建议0.25-0.5）
• iou：IOU阈值（建议0.45）
• latency：延迟控制（影响实时性）

4. 查看检测结果

成功启动后，右侧预览区将实时显示摄像头画面及检测框，红色矩形框标注目标位置并显示类别和置信度：

PyQt5-YOLOv5实时摄像头检测界面，显示多目标识别结果

🌐 高级应用：RTSP网络摄像头配置

对于远程网络摄像头，可通过RTSP协议连接：

1. 打开RTSP配置窗口

点击界面上的RTSP按钮，打开网络流配置对话框：

2. 输入RTSP地址

在弹出的对话框中，输入网络摄像头的RTSP地址，格式通常为：

rtsp://用户名:密码@IP地址:端口/流路径

例如：rtsp://admin:123456@192.168.1.100:554/stream1

3. 启动网络流检测

点击确认按钮后，程序将尝试连接并显示远程摄像头画面，检测效果与本地摄像头一致：

通过RTSP协议连接的网络摄像头实时检测效果

📊 实际应用示例

以下是使用PyQt5-YOLOv5对街景图片进行检测的示例结果，可清晰识别出画面中的公交车、行人和其他物体：

PyQt5-YOLOv5对街景图片的目标检测效果展示

⚙️ 常见问题解决

摄像头无法打开？

1. 检查摄像头是否被其他程序占用
2. 尝试更换USB接口或重启电脑
3. 在代码中检查摄像头编号是否正确（main.py中chose_cam函数）

检测速度慢？

1. 降低分辨率或帧率
2. 选择更小的模型（如yolov5n.pt）
3. 提高置信度阈值减少检测框数量

RTSP连接失败？

1. 验证RTSP地址格式是否正确
2. 检查网络连接和摄像头是否在线
3. 尝试使用VLC等工具测试RTSP流是否可用

🎯 总结

PyQt5-YOLOv5通过直观的图形界面大大降低了实时目标检测的使用门槛，无论是本地摄像头还是网络摄像头，都能轻松实现高效准确的目标识别。通过调整参数和模型，可适应不同场景需求，是学习和部署计算机视觉应用的理想工具。

现在就动手尝试，体验AI视觉识别的魅力吧！ 🚀

【免费下载链接】PyQt5-YOLOv5 PyQt5 implementation of YOLOv5 GUI 项目地址: https://gitcode.com/gh_mirrors/py/PyQt5-YOLOv5