使用yolov8+flask实现精美登录界面+图片视频摄像头检测系统

ops/2025/3/18 16:32:48/

这个是使用flask实现好看登录界面和友好的检测界面实现yolov8推理和展示,代码仅仅有2个html文件和一个python文件,真正做到了用最简洁的代码实现复杂功能。

测试通过环境:

windows x64

anaconda3+python3.8

ultralytics==8.3.81

flask==1.1.2

torch==2.3.0

运行步骤: 安装好环境执行python login.py

后端实现代码:

from flask import Flask, render_template, request, redirect, url_for, session, flash, Response, jsonify
import os
from functools import wraps
from ultralytics import YOLO
import cv2
import numpy as np
import base64
import jsonapp = Flask(__name__)
app.secret_key = 'your_secret_key'  # 设置密钥用于session# 初始化YOLOv8模型
model = YOLO('yolov8n.pt')  # 或使用其他版本如 yolov8s.pt, yolov8m.pt# 登录验证装饰器
def login_required(f):@wraps(f)def decorated_function(*args, **kwargs):if 'logged_in' not in session:return redirect(url_for('login'))return f(*args, **kwargs)return decorated_function# 登录路由
@app.route('/', methods=['GET', 'POST'])
@app.route('/login', methods=['GET', 'POST'])
def login():if request.method == 'POST':username = request.form['username']password = request.form['password']if username == 'admin' and password == 'admin':session['logged_in'] = Truereturn redirect(url_for('detection'))else:flash('Invalid username or password!')return render_template('login.html')# 目标检测路由
@app.route('/detection')
@login_required
def detection():return render_template('detection.html')@app.route('/detect', methods=['POST'])
@login_required
def detect():try:data = request.jsonimage_data = data['image'].split(',')[1]confidence = float(data['confidence'])iou = float(data['iou'])# 解码base64图像image_bytes = base64.b64decode(image_data)nparr = np.frombuffer(image_bytes, np.uint8)image = cv2.imdecode(nparr, cv2.IMREAD_COLOR)# 运行检测results = model(image, conf=confidence, iou=iou)[0]# 在图像上绘制检测结果for box in results.boxes:x1, y1, x2, y2 = map(int, box.xyxy[0])conf = float(box.conf[0])cls = int(box.cls[0])label = f'{results.names[cls]} {conf:.2f}'cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2)cv2.putText(image, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)# 将结果图像转换为base64_, buffer = cv2.imencode('.jpg', image)image_base64 = base64.b64encode(buffer).decode('utf-8')return jsonify({'success': True,'image': f'data:image/jpeg;base64,{image_base64}'})except Exception as e:return jsonify({'success': False,'error': str(e)})@app.route('/detect_video_frame', methods=['POST'])
@login_required
def detect_video_frame():# 类似于detect路由,但专门处理视频帧# ... implementation similar to detect route ...passif __name__ == '__main__':app.run(debug=True)

登录界面:

目标检测界面:


http://www.ppmy.cn/ops/166813.html

相关文章

《大语言模型》学习笔记(三)

GPT系列模型的技术演变 2022 年11月底,OpenAI推出了基于大语言模型的在线对话应用—ChatGPT。由于具备出色的人机对话能力和任务解决能力,ChatGPT一经发布就引发了全社会对于大语言模型的广泛关注,众多的大语言模型应运而生,并且…

优化Go错误码管理:构建清晰、优雅的HTTP和gRPC错误码规范

在系统开发过程中,如何优雅地管理错误信息一直是个棘手问题。传统的错误处理方式往往存在不统一、难以维护等缺点。而 errcode 模块通过对错误码进行规范化管理,为系统级和业务级错误提供了统一的编码标准。本文将带您深入了解 errcode 的设计原理、错误…

uni-app+SpringBoot: 前端传参,后端如何接收参数

做项目中的一些小经验,方便后续 (1)前端代码中,请求的 URL 是通过查询参数(?id${articleId})传递的 后端接口: GetMapping("/knowledgeDetail") public Result getKnowledgeByid(R…

深度解读 | AI驱动下的新型金融对冲策略:稀疏奖励强化学习的应用

“HEDGING WITH SPARSE REWARD REINFORCEMENT LEARNING” 论文地址:https://arxiv.org/pdf/2503.04218 摘要 尽管衍生品作为金融工具在风险管理和提升市场效率方面扮演着关键角色,但传统的对冲模型在处理复杂多变的市场环境时往往显得力不从心。为了应对…

Couchbase Analytics 的结构

Couchbase Analytics 的结构 Couchbase Analytics 服务专为大规模、并发、复杂的分析查询而设计,同时不会影响事务性工作负载的性能。下面将详细介绍其结构和架构,以帮助您深入理解 Couchbase Analytics 的运作方式。 1. Couchbase 集群架构 Couchbase…

uniapp笔记-底部和首部标签页菜单生成

逻辑 这些都是需要配置pages.json文件。 其中底部需要手动配置tarBar,如: "tabBar": {"list":[{"pagePath": "pages/index/index","text": "首页"},{"pagePath": "pages/…

如何在vscode中编译linux中的c++文件

方式一 在终端打开进行连接编译 指令含义:将 muduo_server.cpp 源文件编译成一个可执行文件 server,并且在链接过程中使用 muduo_net、muduo_base 库以及 pthread 库 方式二 在vscode中修改配置文件 按F1打开配置文件搜索栏,输入C/C 打开…

【Devops】DevOps and CI/CD Pipelines

1. 什么是 DevOps? DevOps 是开发(Development)和运维(Operations)的结合,旨在缩短软件开发生命周期,同时交付高质量的软件。翻译:DevOps 是一种结合开发和运维实践的方法&#xff…