本仓库整理了一组基于 YOLO11x 的实时视觉智能实验，用于验证摄像头输入、静态图像目标感知、实时视频目标感知和多目标跟踪等能力。实验以 Jupyter Notebook 形式组织，便于逐步运行、观察结果和调整参数。
- 验证本地摄像头是否可以被 OpenCV 正常调用。
- 使用 YOLO11x 对示例图像进行静态图像目标感知。
- 将 YOLO11x 接入摄像头视频流，实现实时视频目标感知。
- 在实时目标感知基础上启用多目标跟踪，并绘制目标运动轨迹。
real-time-yolo-vision-intelligence-lab/
├── exp1_camera_stream_validation.ipynb
├── exp2_yolo11x_static_perception.ipynb
├── exp3_realtime_object_perception.ipynb
├── exp4_multi_object_tracking_trajectory.ipynb
├── requirements.txt
├── .gitignore
└── README.md
| Notebook | 内容 |
|---|---|
exp1_camera_stream_validation.ipynb |
摄像头视频流接入与连通性验证 |
exp2_yolo11x_static_perception.ipynb |
YOLO11x 静态图像目标感知实验 |
exp3_realtime_object_perception.ipynb |
实时视频目标感知实验 |
exp4_multi_object_tracking_trajectory.ipynb |
多目标跟踪与轨迹建模实验 |
建议使用 Python 3.10 或更新版本。
pip install -r requirements.txt如果本地支持 Apple Silicon MPS，notebook 会优先使用 mps；否则使用 cpu。
实验默认使用 yolo11x.pt。可以将该文件放在项目根目录，也可以让 Ultralytics 在首次运行时自动获取对应权重。
模型权重文件未纳入版本管理，.gitignore 已排除 *.pt、*.pth、*.onnx 等大文件。
启动 Jupyter：
jupyter notebook按实验顺序打开并运行：
exp1_camera_stream_validation.ipynbexp2_yolo11x_static_perception.ipynbexp3_realtime_object_perception.ipynbexp4_multi_object_tracking_trajectory.ipynb
摄像头窗口打开后，按 q 退出实时视频窗口；静态图片检测窗口中按任意键关闭。
- 已完成摄像头调用验证。
- 已完成 YOLO11x 静态图像目标感知流程。
- 已完成 YOLO11x 摄像头实时目标感知流程。
- 已完成 YOLO11x 多目标跟踪和轨迹绘制流程。
- 增加检测类别筛选和置信度阈值配置。
- 增加 FPS 统计与推理耗时展示。
- 支持视频文件输入和检测结果保存。
- 增加不同 YOLO 模型规模的对比实验。