# yolo_localCam_inflask

**Repository Path**: XiaopingDeng/yolo_localcam_inflask

## Basic Information

- **Project Name**: yolo_localCam_inflask
- **Description**: 1. 获取默认摄像图视频数据
2. 使用yolov8/11默认最小模型（_n）进行目标检测
3. 将检测结果显示在flask的web页面内
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2024-10-03
- **Last Updated**: 2025-02-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 项目简介  
  
这是一个使用Flask框架、OpenCV库以及YOLO（You Only Look Once）目标检测模型实现的实时视频流检测Web应用。

用户可以通过浏览器访问该应用，并实时查看通过摄像头捕捉并经YOLO模型检测的视频流。  
  
## 所需环境  
  
- Python 3.11
- Flask  
- OpenCV  
- Ultralytics YOLO（基于PyTorch）  
- torch  
- numpy  
- io  
- os  
  
## 项目结构

```
├── app.py # 主应用程序文件
├── templates/ # 包含HTML模板的文件夹
│ └── index.html # 主页HTML模板
└── README.md # 项目说明文件
```

## 安装依赖  

安装 Anaconda 或 Miniconda（精简版） 之后就能使用 conda 命令来创建和管理 Python 环境。

- 创建环境并激活进入

```
conda create -n flask_yolo python=3.11
conda activate flask_yolo
```


在项目根目录下运行以下命令以安装所需依赖：  
  
```bash  
python -m venv ENV_DIR

pip install -r requirements.txt

```

## 使用说明

- 下载YOLO模型：

将预训练的YOLO模型文件（例如yolo11n.pt）放置在项目根目录下。这个模型文件可以从Ultralytics的官方资源或其他可信来源获取。

- 运行应用：

在项目根目录下运行以下命令以启动Flask应用：

```bash
python app.py
```
应用将在http://0.0.0.0:5000/上运行，你可以通过浏览器访问它。

- 访问应用：

打开浏览器，访问http://<服务器IP>:5000/（如果是在本地开发环境中运行，则访问http://localhost:5000/）。你将看到一个简单的网页，展示经过YOLO模型检测的实时视频流。

## 效果演示

<!-- ![效果](.\\doc\\demoweb.png "效果") -->
![效果](https://gitee.com/XiaopingDeng/yolo_localcam_inflask/raw/main/doc/demoweb.png)


## 注意事项

- 摄像头权限：请确保你的计算机上有摄像头，并且应用有足够的权限访问它。 

- 模型性能：不同的YOLO模型（如yolov5s.pt, yolov5m.pt, yolov5l.pt, yolov5x.pt以及yolo11n.pt等）在准确性和推理速度上有所不同。请根据你的需求选择合适的模型。

- 调整检测参数：你可以通过修改app.py文件中的get_frame函数内的conf（置信度阈值）和iou（交并比阈值）来调整检测结果的敏感度和准确性。

## 开发者指南

- 自定义HTML模板：你可以在templates/index.html中自定义你的网页布局和样式。

- 添加更多功能：通过修改app.py文件，你可以添加更多的路由和功能，例如检测结果的历史记录、用户认证等。