2025最新Python机器视觉实战：基于OpenCV与YOLOv8的实时目标检测与跟踪（附完整代码）

2025最新Python机器视觉实战：基于OpenCV与YOLOv8的实时目标检测与跟踪（附完整代码）

摘要：本文基于OpenCV与YOLOv8模型，实现实时目标检测与跟踪功能，支持多类别目标识别与运动轨迹绘制。代码兼容Python 3.7+，步骤清晰且经过稳定性测试，适合中高级开发者参考。所有依赖库均为最新版本，确保运行流畅。

一、环境准备

1. 安装依赖库

   pip install opencv-python==4.9.0  # OpenCV库
   pip install ultralytics==8.0.0    # YOLOv8模型库
   pip install numpy==1.23.5         # 数值计算库
   

2. 下载YOLOv8预训练模型

3. 模型文件：yolov8n.pt
4. 下载地址：Ultralytics官方GitHub

二、代码实现与步骤解析

步骤1：加载YOLOv8模型与初始化参数

import cv2
import numpy as np
from ultralytics import YOLO

# 加载YOLOv8预训练模型
model = YOLO("yolov8n.pt")

# 设置检测类别（可选）
classes_to_detect = ["person", "car", "dog"]  # 仅检测人、车、狗

步骤2：实时视频流处理与目标检测

def real_time_detection_and_tracking():
    # 打开摄像头
    cap = cv2.VideoCapture(0)
    if not cap.isOpened():
        print("Error: Could not open camera.")
        return

    # 初始化跟踪器
    trackers = 

作者：emmm形成中