python -m venv yolov8-envsource yolov8-env/bin/activate  # Windows用户请运行 `yolov8-env\Scripts\activate`pip install ultralytics opencv-python

from ultralytics import YOLOimport cv2# 0 通常代表电脑内置的默认摄像头WEB_CAM = 0# 加载官方预训练的 YOLOv8 纳米级模型（速度最快）model = YOLO("yolov8n.pt")# 直接启动视频流推理results = model(WEB_CAM, show=True, conf=0.5, save_txt=True)

from ultralytics import YOLO# 换成你本地下载好的视频路径VIDEO_FILE = "samples/v1.mp4"model = YOLO("yolov8n.pt")# 直接把视频路径传给模型，Ultralytics 会在底层自动帮你处理帧的读取results = model(VIDEO_FILE, show=True, conf=0.5, save_txt=True)

from ultralytics import YOLOimport cv2
VIDEO_FILE = "samples/v1.mp4"cap = cv2.VideoCapture(VIDEO_FILE)# 获取原视频尺寸并计算等比例缩放frame_width = int(cap.get(3))
frame_height = int(cap.get(4))
resize_width = 640resize_height = int((resize_width / frame_width) * frame_height) if frame_width > 0 else 480skip_frames = 3  # 每 3 帧处理一次frame_count = 0chosen_model = YOLO("yolov8n.pt")def predict_and_detect(model, img, conf=0.5):
    results = model.predict(img, conf=conf)    for result in results:        for box in result.boxes:
            label = result.names[int(box.cls[0])]            # 如果是行人，我们用绿框凸显；其他物体用红框
            color = (0, 255, 0) if label == "person" else (0, 0, 255)
            
            x1, y1, x2, y2 = map(int, box.xyxy[0])
            cv2.rectangle(img, (x1, y1), (x2, y2), color, 2)
            cv2.putText(img, label, (x1, y1 - 10), cv2.FONT_HERSHEY_PLAIN, 1, color, 1)    return imgwhile True:
    success, frame = cap.read()    if not success:        break
        
    frame_count += 1
    if frame_count % skip_frames != 0:        continue  # 跳过不处理
        
    # 缩放画面
    frame = cv2.resize(frame, (resize_width, resize_height))
    result_img = predict_and_detect(chosen_model, frame, conf=0.5)
    
    cv2.imshow("Optimized Pedestrian Detection", result_img)    if cv2.waitKey(1) & 0xFF == ord('q'):        breakcap.release()
cv2.destroyAllWindows()

from ultralytics import YOLOimport cv2import concurrent.futures
VIDEO_FILE = "samples/v1.mp4"cap = cv2.VideoCapture(VIDEO_FILE)
resize_width = 640resize_height = 480 # 实际应用中请根据原视频等比例计算chosen_model = YOLO("yolov8n.pt")def process_frame(frame):
    img = cv2.resize(frame, (resize_width, resize_height))
    results = chosen_model.predict(img, conf=0.5, save_txt=False, verbose=False)    
    for result in results:        for box in result.boxes:
            label = result.names[int(box.cls[0])]
            conf_score = box.conf[0]
            color = (0, 255, 0) if label == "person" else (0, 0, 255)
            
            x1, y1, x2, y2 = map(int, box.xyxy[0])
            cv2.rectangle(img, (x1, y1), (x2, y2), color, 2)
            cv2.putText(img, f"{label} {conf_score:.2f}", (x1, y1 - 10), cv2.FONT_HERSHEY_PLAIN, 1, color, 1)    return imgdef main():
    skip_frames = 2
    frame_count = 0
    
    # 开启线程池进行并行加速
    with concurrent.futures.ThreadPoolExecutor() as executor:        while True:
            ret, frame = cap.read()            if not ret:                break
                
            frame_count += 1
            if frame_count % skip_frames != 0:                continue
                
            # 异步提交给后台线程
            future = executor.submit(process_frame, frame)
            result_frame = future.result()
            
            cv2.imshow("Parallel Processed Frame", result_frame)            if cv2.waitKey(1) & 0xFF == ord('q'):                break
    cap.release()
    cv2.destroyAllWindows()if __name__ == "__main__":
    main()

from ultralytics import YOLOimport cv2import pafyimport concurrent.futures# 曼哈顿街头实时直播源 URLYOUTUBE_URL = "http://www.youtube.com/watch?v=q0kPBRIPm6o"# 解析 YouTube 最佳画质 URLvideo = pafy.new(YOUTUBE_URL)
best_stream = video.getbest(preftype="mp4")
cap = cv2.VideoCapture(best_stream.url)# ... 后续逻辑与多线程处理完全一致 ...