first commit

.gitignore

@@ -0,0 +1,4 @@
+.venv
+.idea
+yolo
+runs

01.加载模型.py

@@ -0,0 +1,6 @@
+from ultralytics import YOLO
+
+yolo = YOLO('models/yolov8n.pt')
+# yolo('./resources/01.png',show=True,save=True)
+# yolo('./resources/FHC09594.jpg',show=True,save=True)
+yolo('./resources/input.mp4',show=True,save=True)

02.训练模型.py

@@ -0,0 +1,13 @@
+from ultralytics import YOLO
+
+# 加载预训练模型
+yolo = YOLO('models/yolov8n.pt')
+# 训练模型   
+# data:数据集路径   
+# epochs:训练轮数  
+# imgsz: 图片大小   
+# batch: 批次大小
+# device: 使用设备 0:GPU 'cpu':CPU
+
+yolo.train(data='train.yaml', epochs=200, imgsz=640,batch=32,device='cpu')
+print("训练完成")

03.检测训练模型.py

@@ -0,0 +1,8 @@
+from ultralytics import YOLO
+
+# 加载训练好的模型
+# best.pt: 最佳模型，适用于生产
+# last.pt: 最后一轮训练的模型，适用于继续训练
+yolo = YOLO('runs/detect/train4/weights/best.pt')
+# yolo('resources/input.mp4', show=True, save=True)
+yolo('dataset/val/2.png', show=True, save=True)

04.检测屏幕内容.py

@@ -0,0 +1,35 @@
+from ultralytics import YOLO
+import cv2
+import pyautogui
+import numpy as np
+
+
+
+# 加载训练好的模型
+# best.pt: 最佳模型，适用于生产
+# last.pt: 最后一轮训练的模型，适用于继续训练
+yolo = YOLO('runs/detect/train2/weights/best.pt')
+
+# 指定屏幕范围
+# x,y,width,height  全屏None
+window = None
+while True:
+    # 获取屏幕截图
+    screenshot = pyautogui.screenshot()
+    frame = np.array(screenshot)
+    frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)
+    
+    # 使用YOLO检测
+    results = yolo(frame)
+    
+    # 显示结果
+    annotated_frame = results[0].plot()
+    cv2.imshow("Screen Detection", annotated_frame)
+    
+    # 按'q'退出
+    if cv2.waitKey(1) == ord('q'):
+        break
+
+
+
+cv2.destroyAllWindows()

05.应用-视频马赛克.py

@@ -0,0 +1,111 @@
+import cv2
+import numpy as np
+from ultralytics import YOLO
+from moviepy import VideoFileClip  # 用于处理音频（仅视频文件需要）
+
+def apply_gaussian_blur(region, blur_strength=25):
+    """对目标区域应用高斯模糊"""
+    return cv2.GaussianBlur(region, (blur_strength, blur_strength), 0)
+
+def process_video(input_video, output_video, model, blur_strength=25, target_classes=None):
+    """处理视频并应用高斯模糊"""
+    # 提取原始视频的音频（仅用于视频文件）
+    original_clip = VideoFileClip(input_video)
+    audio = original_clip.audio
+
+    # 读取视频
+    cap = cv2.VideoCapture(input_video)
+    fps = int(cap.get(cv2.CAP_PROP_FPS))
+    width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
+    height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
+
+    # 创建临时无音频视频
+    temp_output = "temp_blurred_no_audio.mp4"
+    fourcc = cv2.VideoWriter_fourcc(*'mp4v')
+    out = cv2.VideoWriter(temp_output, fourcc, fps, (width, height))
+
+    while cap.isOpened():
+        ret, frame = cap.read()
+        if not ret:
+            break
+
+        # YOLO 检测
+        results = model(frame)
+
+        # 遍历检测结果
+        for box in results[0].boxes:
+            x1, y1, x2, y2 = map(int, box.xyxy[0])  # 检测框坐标
+            cls_id = int(box.cls.item())  # 类别ID
+
+            # 如果指定了目标类别，只模糊这些类别
+            if target_classes is None or cls_id in target_classes:
+                # 提取检测区域并模糊
+                roi = frame[y1:y2, x1:x2]
+                blurred_roi = apply_gaussian_blur(roi, blur_strength)
+                frame[y1:y2, x1:x2] = blurred_roi
+
+        # 写入输出视频
+        out.write(frame)
+
+        # 显示实时结果（可选）
+        cv2.imshow("YOLO Blur Detection", frame)
+        if cv2.waitKey(1) == ord('q'):
+            break
+
+    cap.release()
+    out.release()
+    cv2.destroyAllWindows()
+
+    # 合并音频（仅视频文件需要）
+    blurred_clip = VideoFileClip(temp_output)
+    final_clip = blurred_clip.with_audio(audio)
+    final_clip.write_videofile(output_video, codec="libx264", audio_codec="aac")
+
+    # 删除临时文件（可选）
+    import os
+    os.remove(temp_output)
+
+def main():
+    # 加载 YOLO 模型（可以是 yolov8n.pt, yolov8s.pt 等）
+    model = YOLO("runs/detect/train4/weights/best.pt")  # 替换成你的模型
+
+    # 输入视频文件（如果是摄像头，设为 0）
+    input_video = "resources/input1.mp4"  # 或 0（摄像头）
+    output_video = "output_blurred.mp4"
+
+    # 设置高斯模糊强度（越大越模糊）
+    blur_strength = 79
+
+    # 指定要模糊的类别（可选，None 表示模糊所有检测到的目标）
+    # COCO 数据集类别：0: person, 1: bicycle, 2: car, ..., 参见 https://cocodataset.org
+    target_classes = [0]  # 示例：只模糊人（person）
+
+    if input_video == 0:
+        # 摄像头实时检测（无音频）
+        cap = cv2.VideoCapture(0)
+        while cap.isOpened():
+            ret, frame = cap.read()
+            if not ret:
+                break
+
+            # YOLO 检测 + 模糊
+            results = model(frame)
+            for box in results[0].boxes:
+                x1, y1, x2, y2 = map(int, box.xyxy[0])
+                cls_id = int(box.cls.item())
+                if target_classes is None or cls_id in target_classes:
+                    roi = frame[y1:y2, x1:x2]
+                    frame[y1:y2, x1:x2] = apply_gaussian_blur(roi, blur_strength)
+
+            cv2.imshow("Live Blur Detection", frame)
+            if cv2.waitKey(1) == ord('q'):
+                break
+
+        cap.release()
+        cv2.destroyAllWindows()
+    else:
+        # 处理视频文件（保留音频）
+        process_video(input_video, output_video, model, blur_strength, target_classes)
+
+if __name__ == "__main__":
+    main()

dataset/classes.txt

@@ -0,0 +1 @@
+logo

dataset/labels/1.txt

@@ -0,0 +1 @@
+0 0.267786 0.495737 0.158273 0.103739

dataset/labels/2.txt

@@ -0,0 +1,2 @@
+0 0.268585 0.198019 0.163070 0.034106
+0 0.499600 0.501421 0.001599 0.001421

train.yaml

@@ -0,0 +1,5 @@
+path: ./dataset # 数据集根目录
+train: images # 训练集目录名
+val: val # 验证集目录名
+nc: 1 # 类别数
+names: [ 'logo' ] # 类别名称