Python实现人物识别

增强这款YOLO人物检测工具的功能，增加更多实用按钮，并获得详细的步骤说明和完整可运行代码。我将为你扩展保存检测结果、清空界面、切换YOLO模型、调整检测置信度这4个核心功能，同时优化界面布局和用户体验。

一、功能扩展详细说明

新增功能列表

1. 保存检测结果图片（将标注后的图片导出到本地）
2. 清空当前界面（重置原始图片和检测结果，方便重新操作）
3. 切换YOLO模型（支持yolov5s/yolov8s轻量模型，兼顾速度和精度）
4. 调整检测置信度阈值（支持0.3-0.9区间调整，过滤低置信度误检）

实现步骤拆解

步骤1：扩展类属性，新增必要的全局变量

需要添加置信度阈值、当前模型名称等属性，用于保存用户的操作配置，避免功能之间相互干扰。

步骤2：优化界面布局，新增功能按钮

在原有按钮框架基础上，新增4个功能按钮，采用网格布局合理排列，保证界面整洁美观。

步骤3：实现新增功能的核心方法

分别编写保存图片、清空界面、切换模型、调整置信度的对应方法，处理边界情况（如无检测结果时禁止保存）。

步骤4：兼容原有功能，优化细节体验

修改原有检测方法，适配新的置信度阈值和切换后的模型；优化提示信息，让用户操作更清晰。

步骤5：完善辅助方法，保证功能稳定性

确保图片格式转换、尺寸调整等辅助方法兼容新增功能，避免出现报错。

二、完整增强版代码

import tkinter as tkfrom tkinter import filedialog, messagebox, Scale, Labelimport cv2from PIL import Image, ImageTkfrom ultralytics import YOLOclassYOLOHumanDetectionApp:def__init__(self, root):        self.root = root        self.root.title("YOLO 高精度人物检测工具（增强版）")        self.root.geometry("1200x700")  # 放大窗口，适配更多功能# 原始属性保留        self.original_image = None        self.detected_image = None# 新增扩展属性        self.confidence_threshold = tk.DoubleVar(value=0.5)  # 置信度阈值，默认0.5        self.current_model_name = tk.StringVar(value="yolov5s")  # 当前使用模型        self.model = None# 延迟加载模型，支持切换        self._load_yolo_model()  # 初始化加载默认模型# 搭建增强版界面        self._create_widgets()def_load_yolo_model(self):"""加载指定名称的YOLO模型（支持yolov5s/yolov8s）"""try:            model_name = self.current_model_name.get()            self.model = YOLO(f"{model_name}.pt")            messagebox.showinfo("模型加载成功", f"已成功加载 {model_name} 模型！")except Exception as e:            messagebox.showerror("模型加载失败", f"加载 {self.current_model_name.get()} 模型出错：\n{str(e)}")            self.model = Nonedef_create_widgets(self):"""搭建增强版界面，新增更多功能按钮"""# 按钮总框架        btn_main_frame = tk.Frame(self.root)        btn_main_frame.pack(pady=20)# 第一排按钮：原有功能 + 新增核心功能        btn_frame1 = tk.Frame(btn_main_frame)        btn_frame1.pack(pady=10)        self.select_btn = tk.Button(            btn_frame1, text="选择图片", command=self.select_image,            width=18, height=2, font=("Arial", 10)        )        self.select_btn.grid(row=0, column=0, padx=8)        self.detect_btn = tk.Button(            btn_frame1, text="执行人物检测", command=self.detect_humans,            width=18, height=2, font=("Arial", 10)        )        self.detect_btn.grid(row=0, column=1, padx=8)        self.save_btn = tk.Button(            btn_frame1, text="保存检测结果", command=self.save_detected_image,            width=18, height=2, font=("Arial", 10)        )        self.save_btn.grid(row=0, column=2, padx=8)        self.clear_btn = tk.Button(            btn_frame1, text="清空当前界面", command=self.clear_interface,            width=18, height=2, font=("Arial", 10)        )        self.clear_btn.grid(row=0, column=3, padx=8)# 第二排按钮：模型切换 + 置信度调整        btn_frame2 = tk.Frame(btn_main_frame)        btn_frame2.pack(pady=10)# 模型切换按钮        self.switch_model_btn = tk.Button(            btn_frame2, text="切换YOLO模型（yolov5s/yolov8s）", command=self.switch_yolo_model,            width=30, height=2, font=("Arial", 10)        )        self.switch_model_btn.grid(row=0, column=0, padx=8)# 置信度阈值调整        self.conf_label = Label(btn_frame2, text="检测置信度阈值：", font=("Arial", 10))        self.conf_label.grid(row=0, column=1, padx=5)        self.conf_scale = Scale(            btn_frame2, from_=0.3, to=0.9, resolution=0.05,            variable=self.confidence_threshold, orient=tk.HORIZONTAL,            length=200, font=("Arial", 9)        )        self.conf_scale.grid(row=0, column=2, padx=5)        self.conf_value_label = Label(            btn_frame2, textvariable=self.confidence_threshold,            font=("Arial", 10), width=8        )        self.conf_value_label.grid(row=0, column=3, padx=5)# 图片显示框架（保持原有布局，略微放大显示尺寸）        img_frame = tk.Frame(self.root)        img_frame.pack(pady=10)        self.original_label = tk.Label(img_frame, text="原始图片", font=("Arial", 12))        self.original_label.grid(row=0, column=0, padx=30)        self.original_img_label = tk.Label(img_frame)        self.original_img_label.grid(row=1, column=0, padx=30)        self.detected_label = tk.Label(img_frame, text="检测结果", font=("Arial", 12))        self.detected_label.grid(row=0, column=1, padx=30)        self.detected_img_label = tk.Label(img_frame)        self.detected_img_label.grid(row=1, column=1, padx=30)defselect_image(self):"""选择并显示原始图片（保留原有功能，无修改）"""        file_path = filedialog.askopenfilename(            title="选择图片文件",            filetypes=(("图片文件", "*.jpg *.jpeg *.png *.bmp"), ("所有文件", "*.*"))        )ifnot file_path:return        self.original_image = cv2.imread(file_path)        rgb_image = cv2.cvtColor(self.original_image, cv2.COLOR_BGR2RGB)        display_image = self._resize_image(rgb_image, width=450)  # 略微放大显示尺寸        pil_image = Image.fromarray(display_image)        tk_image = ImageTk.PhotoImage(image=pil_image)        self.original_img_label.tk_image = tk_image        self.original_img_label.config(image=tk_image)defdetect_humans(self):"""YOLO人物检测（增强：适配置信度阈值和切换后的模型）"""if self.original_image isNone:            messagebox.showwarning("警告", "请先选择一张图片！")returnif self.model isNone:            messagebox.showerror("错误", "YOLO模型未加载成功，无法执行检测！")return# 增强：传入置信度阈值，仅保留person类别（0对应person）        conf = self.confidence_threshold.get()try:            results = self.model(                self.original_image,                 classes=[0],                 conf=conf  # 新增：使用调整后的置信度阈值            )except Exception as e:            messagebox.showerror("检测失败", f"执行人物检测时出错：\n{str(e)}")return# 绘制检测结果        self.detected_image = results[0].plot()  # YOLO自动绘制标注框和类别信息# 格式转换与显示（略微放大显示尺寸）        rgb_detected = cv2.cvtColor(self.detected_image, cv2.COLOR_BGR2RGB)        display_detected = self._resize_image(rgb_detected, width=450)        pil_detected = Image.fromarray(display_detected)        tk_detected = ImageTk.PhotoImage(image=pil_detected)        self.detected_img_label.tk_detected = tk_detected        self.detected_img_label.config(image=tk_detected)# 统计检测结果（兼容增强后的检测参数）        human_count = len(results[0].boxes[results[0].boxes.cls == 0])        messagebox.showinfo("检测完成", f"共检测到 {human_count} 个人物！\n使用模型：{self.current_model_name.get()}\n置信度阈值：{conf:.2f}"        )defsave_detected_image(self):"""新增：保存检测结果图片到本地"""if self.detected_image isNone:            messagebox.showwarning("警告", "暂无检测结果可供保存，请先执行人物检测！")return# 弹出保存文件对话框        save_path = filedialog.asksaveasfilename(            title="保存检测结果图片",            defaultextension=".jpg",            filetypes=(("JPG图片", "*.jpg"), ("PNG图片", "*.png"), ("所有文件", "*.*"))        )ifnot save_path:return# 保存图片（使用cv2.imwrite，保持BGR格式正确）try:            cv2.imwrite(save_path, self.detected_image)            messagebox.showinfo("保存成功", f"检测结果已成功保存到：\n{save_path}")except Exception as e:            messagebox.showerror("保存失败", f"保存图片时出错：\n{str(e)}")defclear_interface(self):"""新增：清空当前界面的图片和检测结果"""# 重置类属性        self.original_image = None        self.detected_image = None# 清空图片显示标签        self.original_img_label.config(image="")        self.detected_img_label.config(image="")# 清空PhotoImage引用（避免内存泄漏）if hasattr(self.original_img_label, "tk_image"):del self.original_img_label.tk_imageif hasattr(self.detected_img_label, "tk_detected"):del self.detected_img_label.tk_detected        messagebox.showinfo("清空完成", "已成功清空当前界面，可重新选择图片进行检测！")defswitch_yolo_model(self):"""新增：切换YOLO模型（yolov5s <-> yolov8s）"""# 切换模型名称        current_model = self.current_model_name.get()        new_model = "yolov8s"if current_model == "yolov5s"else"yolov5s"        self.current_model_name.set(new_model)# 重新加载模型        self._load_yolo_model()def_resize_image(self, image, width=None, height=None):"""按比例调整图片大小（保留原有功能，无修改）"""        h, w = image.shape[:2]if width isNoneand height isNone:return imageif width isNone:            ratio = height / h            new_w = int(w * ratio)            new_h = heightelse:            ratio = width / w            new_w = width            new_h = int(h * ratio)return cv2.resize(image, (new_w, new_h), interpolation=cv2.INTER_AREA)if __name__ == "__main__":    root = tk.Tk()    app = YOLOHumanDetectionApp(root)    root.mainloop()

三、使用说明与注意事项

1. 环境依赖（需安装完整包）

pip install tkinter opencv-python pillow ultralytics torch

注意：tkinter在Python自带环境中通常已包含，若缺失可根据系统单独安装（如Ubuntu：sudo apt-get install python3-tk）。

2. 操作流程

1. 运行代码后，自动加载默认模型yolov5s.pt（首次运行会自动下载预训练模型，需联网）
2. 点击「选择图片」，导入本地jpg/png/bmp格式图片
3. （可选）调整置信度阈值（0.3-0.9），数值越高检测越严格，误检越少但可能漏检
4. （可选）点击「切换YOLO模型」，在yolov5s和yolov8s之间切换（yolov8s精度更高，首次切换需下载）
5. 点击「执行人物检测」，查看检测结果并获取人物统计信息
6. （可选）点击「保存检测结果」，将标注后的图片导出到本地
7. 如需重新检测，点击「清空当前界面」，重复步骤2-6

3. 核心优化点

• 所有新增功能都做了边界判断，避免无数据时操作报错
• 界面采用分排布局，按钮和控件排列整齐，视觉体验更好
• 检测结果提示包含模型名称和置信度阈值，方便用户调试
• 保留原有核心功能，向下兼容，无需改变用户的基础操作习惯

四、扩展功能拓展建议

若需进一步增强功能，可参考以下方向：

1. 支持批量图片检测，批量导出结果
2. 新增图片旋转、裁剪等预处理功能
3. 支持视频文件的人物检测与标注
4. 导出检测结果为Excel表格（包含人物坐标、置信度等信息）
5. 自定义标注框颜色和字体大小

运行上述完整代码，即可获得一款功能更完善、操作更便捷的YOLO人物检测工具，满足更多实际使用场景的需求。

你遇到了 ModuleNotFoundError: No module named 'ultralytics' 错误，这表明你的Python环境中尚未安装ultralytics这个第三方库，而该库是运行YOLO人物检测代码的核心依赖。下面为你提供详细的解决步骤，确保能顺利安装并解决可能出现的附加问题。

一、核心解决方法：安装ultralytics库

打开命令提示符（CMD）或终端（Terminal），执行以下核心安装命令：

pip install ultralytics

二、关键注意点：匹配Python环境（解决"安装后仍报错"）

你报错信息中显示的Python解释器路径是：C:\Users\yangs\AppData\Local\Programs\Python\Python310\python.exe，这是Python 3.10版本。必须确保pip命令与该Python环境对应，否则可能出现"安装成功但仍提示模块不存在"的问题，可通过以下方式验证和操作：

1. 验证当前pip对应的Python版本打开CMD，执行以下命令，查看pip关联的Python版本是否为3.10：

   pip --version

   输出结果中会显示类似 pip 24.0 from C:\Users\yangs\AppData\Local\Programs\Python\Python310\Lib\site-packages\pip (python 3.10)，说明pip与当前使用的Python解释器匹配，直接执行上面的核心安装命令即可。

2. 若pip不匹配（或有多个Python环境）使用指定Python版本的pip进行安装，命令如下（直接对应你的Python 3.10环境）：

   python3.10 -m pip install ultralytics

   或（部分Windows环境下）：

   py -3.10 -m pip install ultralytics

三、补充：安装完整项目依赖

因为该人物检测代码还依赖其他第三方库（opencv-python、Pillow等），为了避免后续出现更多模块缺失错误，建议一次性安装所有依赖，命令如下：

# 完整依赖安装命令（包含ultralytics及其他必要库）pip install opencv-python pillow ultralytics torch

各库的作用说明：

• opencv-python：处理图片读取、格式转换、尺寸调整
• pillow（即PIL）：配合tkinter实现图片在界面上的显示
• ultralytics：YOLO模型的核心运行库，提供模型加载和检测功能
• torch：PyTorch框架，ultralytics依赖它进行模型推理

四、常见问题排查

1. 若安装时提示"权限不足"：
• Windows：以"管理员身份"打开CMD，再执行安装命令
• 加--user参数进行用户级安装（无需管理员权限）：

  pip install ultralytics --user

2. 若安装速度过慢（网络问题）：
• 使用国内镜像源加速安装（以阿里云镜像为例）：

  pip install ultralytics -i https://mirrors.aliyun.com/pypi/simple/

3. 验证安装是否成功： 打开Python交互式环境（CMD中输入python），执行以下代码，若无报错则说明安装成功：

   from ultralytics import YOLO

总结

1. 错误根源是缺少ultralytics库，核心解决命令是pip install ultralytics；
2. 关键要保证pip与你运行代码的Python 3.10环境匹配，避免环境混乱；
3. 一次性安装完整依赖可规避后续更多模块缺失问题；
4. 遇到权限或网络问题时，可通过管理员身份或国内镜像源解决。