基于YOLOv5的RTSP视频流实时目标检测项目，支持实时显示检测结果和对象统计。
- 支持RTSP视频流实时检测
- 实时显示检测结果和对象统计
- 支持暂停/继续功能（P键）
- 支持视频录制（自动保存为output.avi）
- 可调整显示窗口大小
- 实时统计检测对象数量并显示在左上角
- 支持GPU加速（如果可用）
- 低置信度阈值(0.2)以提高检测灵敏度
- Python 3.9+
- CUDA支持（推荐，但不是必需）
- 操作系统：Windows/Linux
- CPU: 建议Intel i5或更高
- GPU: 建议NVIDIA GPU with CUDA支持
- RAM: 最小8GB，建议16GB
- 摄像头：支持RTSP协议的IP摄像头
- 克隆仓库：
- GPU: 建议NVIDIA GPU with CUDA支持
- RAM: 最小8GB，建议16GB
- 摄像头：支持RTSP协议的IP摄像头
- 克隆仓库：
git clone https://github.com/ALing188/yolov5-rtsp-detection.gitcd yolov5-rtsp-detection- 安装依赖：
pip install -r requirements.txt- 确保模型文件存在：
- 将训练好的YOLOv5模型文件
srickyolov5nu.pt放在项目根目录
- 修改RTSP地址： 在detect_rtsp.py中修改RTSP地址
rtsp_url = "rtsp://your_camera_ip/live/0"- 运行程序：
python detect_rtsp.py- 控制键：
- 'Q' 或 'q': 退出程序
- 'P' 或 'p': 暂停/继续视频流
- 关闭窗口：点击窗口的关闭按钮也可以退出程序
- 实时显示：
- 左上角显示检测到的对象类别和数量
- 视频画面中显示检测框和类别标签
- 保存内容：
- 程序运行时自动保存处理后的视频为
output.avi - 视频包含检测框和统计信息
- 调整显示窗口大小：
修改显示比例（当前为原始大小的一半）
display_width = frame_width // 2display_height = frame_height // 2- 修改检测灵敏度：
调整置信度阈值（当前为0.2）
model.conf = 0.2 # 值越小，检测越敏感- 调整跳帧设置：
修改跳帧数（当前为2）
SKIP_FRAMES = 2 # 值越大，处理速度越快但可能错过部分帧下面是项目的实际运行效果：
注：视频显示了实时目标检测和对象统计功能
-
如果出现 "无法连接到摄像头流"：
- 检查RTSP地址是否正确
- 确保摄像头在同一网络中
- 验证摄像头是否支持RTSP协议
-
如果检测速度较慢：
- 增加 SKIP_FRAMES 的值
- 确保GPU可用并正确配置
- 考虑降低输入分辨率
-
如果显示窗口太大/太小：
- 调整 display_width 和 display_height 的值
- 问题反馈：请在GitHub Issues中提出
- 代码贡献：欢迎提交Pull Request
- 联系方式：[您的联系方式]
MIT License