点击上方 蓝字 关注我们
微信公众号： OpenCV开发者联盟
关注获取更多计算机视觉与深度学习知识
应用说明
YOLOv8对象检测模型基于自定义数据集训工地安全帽检测模型，然后通过工具导出模型为ONNX，基于OpenVINO实现模型推理，完成工人是否佩戴安全帽检测识别，根据检测到的结果统计佩戴与未佩戴人数，在PyQT5打造的界面上显示输出检测结果。
模型介绍
YOLOv8自定义安全帽检测模型
模型的输入与输出信息如下：
输入格式：
NCHW = 1x3x640x640
输出格式:
1x6x8400， xyhw+类别2 = 6，20x20+40x40+80x80=8400
模型推理基于OpenVINO框架，CPU即可运行。
界面设计
界面支持模型相关得参数设置、输入图像路径选择与设置，相关界面设计如下：
代码实现与演示
代码实现与演示，设计两个类，一个界面类实现参数化界面输入与推理结果显示，另外一个模型推理类线程，负责调用模型实现模型推理，返回推理结果。推理类与界面类之间通过信号与槽机制实现数据交换。主界面调用界面类实例化与初始化，实现程序启动，在子线程种实现推理，主线程种刷新界面。完整的主程序调用代码实现如下：
# 初始化APP实例import platformapp = QtWidgets.QApplication(sys.argv)if 'Windows' == platform.system(): app.set style('Windows')# 初始化桌面容器main_win = QtWidgets.QMainWindow()# 设置APP窗口名称main_win.setWindowTitle("安全帽测检测 - 演示版本")# 初始化内容面板content_panel = YOLOv8InferPanel()# 设置窗口大小main_win.setMinimumSize(1340, 910)main_win.setCentralWidget(content_panel)# 请求显示main_win.show()# 加载窗口并启动Appapp.exec()
扫码关注
OpenCV开发者联盟，
专注各种语言的OpenCV开发教程分享
OpenCV周边开发技术应用！
推荐阅读
好书推荐
【OpenCV应用开发：入门、进阶与工程化实践】 全书共计16个章节，重点聚焦OpenCV开发常用模块详解与工程化开发实践，提升OpenCV应用开发能力，助力读者成为OpenCV开发者，同时包含深度学习模型训练与部署加速等知识，帮助OpenCV开发者进一步拓展技能地图，满足工业项目落地所需技能提升。购买请点链接：
https://item.jd.com/10092255924058.html
学习课程有专属答疑群
负责贴身答疑解惑
读者专属QQ群 :657875553
进群暗号：OpenCV4读者
