如何用YOLOv8统计视频每帧边界框数量并输出CSV文件？

核心代码实现（简洁高效版） #

直接利用YOLOv8的stream模式遍历视频帧，统计每帧的轮虫检测框数量并导出CSV：

from ultralytics import YOLO
import pandas as pd

# 加载你的轮虫检测模型
model = YOLO("your_trained_model.pt")
# 存储每帧计数结果
count_results = []
frame_index = 0

# 遍历视频帧进行检测，conf为置信度阈值，按需调整
for result in model.predict(source="your_video.mp4", conf=0.5, stream=True):
    frame_index += 1
    # 统计当前帧的边界框数量
    worm_count = len(result.boxes)
    count_results.append({"帧号": frame_index, "边界框计数": worm_count})

# 转换为DataFrame并保存CSV
result_df = pd.DataFrame(count_results)
result_df.to_csv("轮虫帧计数结果.csv", index=False, encoding="utf-8-sig")

关键参数说明 #

• 替换your_trained_model.pt为你训练好的模型文件路径，your_video.mp4为目标视频路径
• conf=0.5：过滤置信度低于0.5的检测框，可根据模型实际精度调整（比如模型精度高可设0.7，避免误检）
• encoding="utf-8-sig"：确保CSV文件在Excel等软件中打开时不会出现中文乱码

手动帧处理版（更灵活） #

如果需要对帧做额外预处理（比如裁剪、增强），可以手动读取视频帧：

from ultralytics import YOLO
import cv2
import pandas as pd

model = YOLO("your_trained_model.pt")
video_cap = cv2.VideoCapture("your_video.mp4")
count_results = []
frame_index = 0

while video_cap.isOpened():
    ret, frame = video_cap.read()
    if not ret:
        break
    
    frame_index += 1
    # 可在此添加帧预处理逻辑，比如frame = cv2.resize(frame, (640, 640))
    results = model(frame, conf=0.5)
    worm_count = len(results[0].boxes)
    count_results.append({"帧号": frame_index, "边界框计数": worm_count})

video_cap.release()
result_df = pd.DataFrame(count_results)
result_df.to_csv("轮虫帧计数结果.csv", index=False, encoding="utf-8-sig")

内容的提问来源于stack exchange，提问作者Colton Pelletier