detect_objects / app.py
DHEIVER's picture
Create app.py
7d38408 verified
raw
history blame
2.14 kB
import gradio as gr
from ultralytics import YOLO
import cv2
import tempfile
# Carregar o modelo YOLOv8
model = YOLO("yolov8n.pt") # Você pode usar 'yolov8s.pt', 'yolov8m.pt', etc., dependendo do seu requisito
def detect_objects(video_path):
# Abrir o vídeo de entrada
cap = cv2.VideoCapture(video_path)
if not cap.isOpened():
raise ValueError("Não foi possível abrir o vídeo.")
# Criar um arquivo temporário para salvar o vídeo processado
output_path = tempfile.NamedTemporaryFile(suffix=".mp4", delete=False).name
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter(output_path, fourcc, 30.0, (int(cap.get(3)), int(cap.get(4))))
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break
# Realizar a detecção de objetos
results = model(frame)
annotated_frame = results[0].plot() # Obter o frame com as detecções
# Escrever o frame processado no vídeo de saída
out.write(annotated_frame)
# Liberar os recursos
cap.release()
out.release()
# Retornar o caminho do vídeo de entrada e do vídeo processado
return video_path, output_path
# Interface Gradio
iface = gr.Interface(
fn=detect_objects,
inputs=gr.Video(label="Vídeo de Entrada"),
outputs=[
gr.Video(label="Vídeo de Entrada"),
gr.Video(label="Vídeo com Detecção de Objetos")
],
title="Detecção de Objetos com YOLOv8",
description="Carregue um vídeo curto para detectar objetos usando YOLOv8. Os vídeos de entrada e saída serão exibidos lado a lado."
)
# Layout personalizado para exibir os vídeos lado a lado
iface = gr.Interface(
fn=detect_objects,
inputs=gr.Video(label="Vídeo de Entrada"),
outputs=gr.Row(
gr.Video(label="Vídeo de Entrada"),
gr.Video(label="Vídeo com Detecção de Objetos")
),
title="Detecção de Objetos com YOLOv8",
description="Carregue um vídeo curto para detectar objetos usando YOLOv8. Os vídeos de entrada e saída serão exibidos lado a lado."
)
# Iniciar a interface
iface.launch()