YOLOv8实时车辆检测程序崩溃排查：IndexError问题分析

崩溃原因 #

你遇到的IndexError核心原因是错误的二次索引操作：

• model(frame, agnostic_nms=True)返回的是包含单个Results对象的列表，你已经通过[0]取出了这个对象赋值给results。
• 但后续创建Detections时，你又对results做了results[0]的索引，当画面中没有检测目标时，这个操作会触发“索引越界”——因为Results对象本身不是可索引的数组，没有元素可供访问。

另外你的代码还缺少对目标类别的过滤，会把YOLOv8检测到的所有类别都纳入处理，不符合你只检测车辆的需求。

修正后的完整代码 #

import cv2
import argparse
import pandas as pd
from ultralytics import YOLO
import supervision as sv
import numpy as np
from supervision.tools.detections import Detections, BoxAnnotator
from supervision.tools.line_counter import LineCounter, LineCounterAnnotator
from supervision.draw.color import ColorPalette
from supervision import *


def parse_arguments() -> argparse.Namespace:
    parser = argparse.ArgumentParser(description="YOLOv8 live")
    parser.add_argument(
        "--webcam-resolution", 
        default=[1280, 720], 
        nargs=2, 
        type=int
    )
    args = parser.parse_args()
    return args

def main():
    args = parse_arguments()
    frame_width, frame_height = args.webcam_resolution

    cap = cv2.VideoCapture(0)
    cap.set(cv2.CAP_PROP_FRAME_WIDTH, frame_width)
    cap.set(cv2.CAP_PROP_FRAME_HEIGHT, frame_height)

    model = YOLO("yolov8l.pt")
    # dict mapping class_id to class_name
    CLASS_NAMES_DICT = model.model.names
    # class_ids of interest - car, motorcycle, bus, truck, bicycle
    CLASS_ID = [2, 3, 5, 7, 9]

    box_annotator = BoxAnnotator(
        color= ColorPalette(),
        thickness=2,
        text_thickness=2,
        text_scale=1
    )

    while True:
        ret, frame = cap.read()
        if not ret:
            break  # 处理摄像头读取失败的情况

        results = model(frame, agnostic_nms=True)[0]
        # 直接使用results，不再做二次索引
        detections = Detections(
                xyxy=results.boxes.xyxy.cpu().numpy(),
                confidence=results.boxes.conf.cpu().numpy(),
                class_id=results.boxes.cls.cpu().numpy().astype(int)
            )
        # 过滤出感兴趣的车辆类别
        detections = detections[np.isin(detections.class_id, CLASS_ID)]
        
        labels = [
            f"{CLASS_NAMES_DICT[class_id]} {confidence:0.2f}"
            for _, confidence, class_id, _
            in detections
        ]
        frame = box_annotator.annotate(
            frame=frame, 
            detections=detections, 
            labels=labels
        ) 
        
        cv2.imshow("yolov8", frame)

        if (cv2.waitKey(20) & 0xFF == ord('d')):
            break
    
    cap.release()
    cv2.destroyAllWindows()  # 程序结束时释放资源

if __name__ == "__main__":
    main()

关键修改点 #

1. 移除错误的二次索引：将results[0].boxes改为results.boxes，避免无检测目标时的索引越界。
2. 添加类别过滤：用np.isin筛选出你需要的车辆类别（car、motorcycle等），只处理目标类别。
3. 添加摄像头读取失败处理：当cap.read()返回False时直接跳出循环，避免后续处理空帧。
4. 释放资源：程序结束时调用cap.release()和cv2.destroyAllWindows()，避免资源泄漏。

内容的提问来源于stack exchange，提问作者Surya