关于#python#的问题，请各位专家解答！

Question

[](

```python
from ultralytics import YOLO
import cv2
import numpy as np
import pickle
import matplotlib.pyplot as plt

model = YOLO("./pth/yolov8n.pt")
vc = cv2.VideoCapture(1)
index = 0

while True:
    ret, frame = vc.read()
    if frame is None:
        break
    if ret:
        results = model(frame, imgsz=320, conf=0.25)

        for res in results:
            for box in res.boxes.xyxy:
                box_str = ' '.join(map(str, box.tolist()))
                print("Bounding Box Coordinates:", box_str)

                # 提取边界框坐标
                x1, y1, x2, y2 = map(int, box.tolist())

                # 计算边界框中心点坐标
                center_x = (x1 + x2) // 2
                center_y = (y1 + y2) // 2
                center = (center_x, center_y)
                print("Center Point Coordinates:", center)

                # 绘制边界框和中心点
                cv2.rectangle(frame, (x1, y1), (x2, y2), (255, 0, 0), 2)
                cv2.circle(frame, center, 5, (0, 255, 0), -1)

        # 在图像上显示边界框和中心点
        cv2.imshow("Bounding Boxes", frame)

        if cv2.waitKey(1) & 0xFF == ord('p'):
             cv2.imwrite("kk.jpg",frame)
             index = index + 1
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

vc.release()
cv2.destroyAllWindows()

```)
我们用的是yolov8n的库进行目标检测，这段代码已经实现画出边界框，并得到左上和右下的坐标。现已知摄像头焦距为584.2，我们需要测量摄像头到检测对象的距离

Answer 1

引自免费微信小程序：皆我百晓生

要测量摄像头到检测对象的距离，可以利用三角相似原理。摄像头焦距、物体的实际宽度和在图像上的宽度（即检测到的边界框的宽度）之间存在关系。设摄像头焦距为f，物体实际宽度为W，物体到摄像头的距离为D，物体在图像上的宽度为w，则有：

[ f / w = D / W ]

从而可得：

[ D = (f * W) / w ]

这里已知摄像头焦距f=584.2，但还需要知道物体的实际宽度W和检测到的边界框宽度w。

由于物体的实际宽度可能因具体场景而异，我们可以先设定一个常数表示某种特定物体的宽度，比如假设我们检测的是人的头部，平均宽度设为20cm。接下来，我们计算边界框的宽度w，然后使用上述公式计算距离D。

以下是修改后的代码，它会计算并打印每个检测到的物体与摄像头之间的距离：

from ultralytics import YOLO
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 假设物体实际宽度为20厘米
object_width_cm = 20
# 摄像头焦距，单位为像素
focal_length_pixels = 584.2

model = YOLO("./pth/yolov8n.pt")
vc = cv2.VideoCapture(1)
index = 0

while True:
    ret, frame = vc.read()
    if frame is None:
        break
    if ret:
        results = model(frame, imgsz=320, conf=0.25)

        for res in results:
            for box in res.boxes.xyxy:
                # 提取边界框坐标
                x1, y1, x2, y2 = map(int, box.tolist())
                
                # 计算边界框的宽度
                bounding_box_width = x2 - x1
                
                # 使用三角相似原理计算距离
                distance = (object_width_cm * focal_length_pixels) / bounding_box_width
                
                # 绘制边界框和中心点
                cv2.rectangle(frame, (x1, y1), (x2, y2), (255, 0, 0), 2)
                
                # 在图像上添加距离信息
                cv2.putText(frame, f"Distance: {distance:.2f} cm", (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
                
        cv2.imshow("Bounding Boxes", frame)

        if cv2.waitKey(1) & 0xFF == ord('p'):
            cv2.imwrite("kk.jpg", frame)
            index += 1
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

vc.release()
cv2.destroyAllWindows()

请注意，上述方法仅适用于形状和大小相对固定的物体，且假设所有被检测的物体都是同一类（例如，都是人头）。对于不同大小的物体或多种类型的物体，需要为每种物体设定不同的实际宽度值。此外，实际应用中焦距和物体宽度的准确性对最终结果有很大影响。