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 platform
app = QtWidgets.QApplication(sys.argv)
if 'Windows' == platform.system():
app.setStyle('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App
app.exec()END
作者：2号高手
来源：OpenCV学堂
推荐阅读
- 轻量级神经网络模型，嵌入式微小设备也能实时检测 ！
- YOLOv8 与 YOLO11 自定义数据集迁移学习效果对比
- OrientedFormer: 基于 Transformer 的定向目标检测新框架 ！
- CUDA-MODE课程笔记16讲通过CUDA C++核心库把llm.c移植为llm.cpp
欢迎大家点赞留言，更多 Arm 技术文章动态请关注极术社区嵌入式 AI 专栏欢迎添加极术小姐姐微信（id:aijishu20)加入技术交流群，请备注研究方向。
