# qt-python-yolov5

**Repository Path**: shatanzhihu/qt-python-yolov5

## Basic Information

- **Project Name**: qt-python-yolov5
- **Description**: 在QT中嵌入python算法实现视频检测
- **Primary Language**: C++
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2023-04-26
- **Last Updated**: 2025-08-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# QT&Python视频检测

## 目录

1. [仓库更新 Top News](https://gitee.com/yunke120/qt-python-yolov5#top-news)
2. [所需环境 Environment](https://gitee.com/yunke120/qt-python-yolov5#%E6%89%80%E9%9C%80%E7%8E%AF%E5%A2%83)
3. [文件下载 Download](https://gitee.com/yunke120/qt-python-yolov5#%E6%96%87%E4%BB%B6%E4%B8%8B%E8%BD%BD)
4. [使用方式 How2use](https://gitee.com/yunke120/qt-python-yolov5#%E4%BD%BF%E7%94%A8%E6%96%B9%E5%BC%8F)
5. [演示视频 Demo Video](https://gitee.com/yunke120/qt-python-yolov5#%E6%BC%94%E7%A4%BA%E8%A7%86%E9%A2%91)
6. [参考资料 Reference](https://gitee.com/yunke120/qt-python-yolov5#%E5%8F%82%E8%80%83%E8%B5%84%E6%96%99)

## Top News

- 20220720：对视频读取线程`frame`为空时进行处理。


## 所需环境

1. 本机环境
   - QT 5.13.0
   - Python 3.8.10
   - VS2017 x64
   - cuda 11.4
   - opencv 4.5.2
2. 所需环境
   - QT >= Qt 5
   - Python >= 3.7 (根据算法所用版本，例如`yolov5`需要`Python>=3.7.0`，`PyTorch>=1.7`)

## 文件下载

```
git clone https://gitee.com/yunke120/qt-python-yolov5.git
```

## 使用方式

### 文件结构

```
.
├── bin/               /* release 目录 */
├── detectimage.cpp    /* 检测图片线程源文件 */ 
├── detectimage.h      /* 检测图片线程头文件 */
├── inc/               /* 外部头文件 */
├── libs/              /* 外部库文件 */
├── main.cpp           /* 启动入口 */
├── mainwindow.cpp     /* 主线程源文件 */
├── mainwindow.h       /* 主线程（GUI）头文件 */
├── mainwindow.ui      /* UI文件 */
├── paintlabel.cpp     /* 重写QLabel源文件 */
├── paintlabel.h       /* 重写QLabel头文件 */
├── README.md          /* 说明 */
├── Demo.pro          /* 工程文件 */
├── videoplayer.cpp    /* 接收视频线程源文件 */
└── videoplayer.h      /* 接收视频线程头文件 */
```

```
/bin文件结构：
├── opencv_videoio_ffmpeg452_64.dll /* 所需动态库 */
├── opencv_world452.dll
├── openh264-1.8.0-win64.dll
├── python38.dll
├── python3.dll
├── Demo.exe                       
└── yolov5/                         /* 你的算法 */
```

### 修改文件

在运行此程序之前，需要完成以下几步：

1、请确保您的`Python`算法能够单独运行，这是为了确保能够成功调用`Python`算法。

以`YoloV5`为例，打开`yolov5`文件夹，运行

```
python detect.py --weights yolov5s.pt --source data/images/bus.jpg
```

运行成功即可。		![4165156](figures/1658030901940.png)

2、修改目录`bin`、`libs`、`inc`下的`python`相关文件。这些文件需要与你在步骤1中使用的`Python`环境对应，查看当前`Python`安装目录，执行命令`where python`。

![1658032061632](figures/1658032061632.png)

我所使用的`Python 3.8.10`版本在第一个，打开这个路径`G:\RJAZ\Miniconnda\data`，在里面找到`python3.dll`和`python38.dll`拷贝到`bin`目录下； 打开`.../data/libs`目录，拷贝`python3.lib`和`python38.lib`到`libs`目录下；拷贝`.../data/include`整个文件夹到`inc`目录下，并改名为`python`；修改其中的`object.h`文件如下（slots关键字冲突了）

![1660390391528](figures/1660390391528.png)

拷贝`.../data/Lib/site-packages/numpy/core/include`下的`numpy`文件夹到`inc`目录下；

![1658049004407](figures/1658049004407.png)

至此，`python`所需文件都已经替换完毕。下面是代码的修改。

3、修改程序中相关代码

1. `.pro`文件，宏`USING_DETECT`开启检测，注销后不会启用检测

```
/* 可执行文件在这里，将算法和.dll放在这个bin文件夹下 */
DESTDIR     =  $$PWD/bin 

/* LOGS目录为生成的中间文件，有时候代码出了莫名的错误可将此文件夹删除，再重新生成，说不定就解决了 */
OBJECTS_DIR =  $$PWD/LOGS/temp/obj
MOC_DIR     =  $$PWD/LOGS/temp/moc
UI_DIR      =  $$PWD/LOGS/temp/ui
RCC_DIR     =  $$PWD/LOGS/temp/rcc

/* 这个宏定义USING_DETECT是开启算法检测的，如果注销后就只有视频播放 */
DEFINES += USING_DETECT

/* 头文件路径 */
INCLUDEPATH += $$PWD/inc
INCLUDEPATH += $$PWD/inc/python

/* 相关静态链接库 */
LIBS += -L$$PWD/libs             \
              -lopencv_world452 \
              -lpython3         \
              -lpython38
```

2. `detectimage.cpp`文件

   `pythonInit`函数：修改`python`搜索路径和算法路径

![1658049655106](figures/1658049655106.png)

​				`run()`函数：修改要调用算法的模块名、类名、函数名等（需要修改以下`yolov5`中的`detect.py`函数，将其封装为一个类调用，请往下看）

![1658049936905](figures/1658049936905.png)

​				`mainwindow.cpp`文件

​				`playerInit`函数：选择视频输入，支持`usb`摄像头、本地视频和`rtsp`等拉流方式

![1658050317279](figures/1658050317279.png)

3. 将`detect.py`封装为类进行调用

   ​		封装为类的好处是，只需在`python`算法初始化时加载一次模型，后续检测不需要重复加载，节省时间。`Qt`需要给`python`脚本传递图片，故检测函数`detect`函数需要有一个入口参数`frame`(一帧图像)，经过模型检测后，将自己需要的结果`return`即可。

   ​		在程序中`yolov5`的封装示例为`temp.py`，其中类名为`YoloV5`，变量初始化在`__init__`中，加载模型函数为`load_model`，图像检测函数为`detect`，其输入为一个`Mat`类型的图像，输出为检测之后的图像`Mat`、图像的类列表和对应的置信度列表。

   ​		你需要将自己的算法封装为`temp.py`示例。

4.  `opencv`库需要自行编译，本文所用版本为`opencv 4.5.2`，编译器为`VS2017`，操作系统为`Window10 64Bit`，你需要根据自己的环境编译`opencv`[版本库](https://github.com/opencv/opencv/releases)和`opencv_contrib`[版本库](https://github.com/opencv/opencv_contrib)，编译时需勾选`cuda`。最后替换文件夹中对应的文件即可。

### 问题解决

1. `PyImport_ImportModule`失败，很可能是`python`文件中`import`模块的问题，需要设置`python`文件的搜索路径，一般来说通过`PyRun_SimpleString("sys.path.append('/')");`就可以解决问题，如果依然加载失败，可以将模块的绝对路径或者相对路径也添加进去，如`PyRun_SimpleString("sys.path.append('./python')");`，或者`PyRun_SimpleString("sys.path.append('H:/substation-robot-dev/bin/meter')");`
2. `PyObject_CallObject`或者`PyObject_CallMethod`这类函数返回空时，除了网上介绍的部分原因，另一方面可能是你调用的`python`方法中存在打开`open`或者加载`load`文件等一系列与文件操作有关的代码，此时需要检查你的文件路径是否正确，按照我的程序所写，这个路径需要修改为相对于你的`.exe`的路径，而不是相对于你的`python module`路径。另外，返回空还算好的，程序直接崩溃才是最惨的，如果你用到的`python`函数的返回值，再用`PyArg_Parse`进行解析时，须保证传入的参数类型与返回值类型保持一致。具体对应关系可参考[链接](https://docs.python.org/3.8/c-api/arg.html#PyArg_UnpackTuple)。
3. 如有其它问题，可在issue中提问。

## 演示视频

[点击](https://www.bilibili.com/video/BV1q34y1H76F?share_source=copy_web&vd_source=f06a9df5c06f51cc84a1106139be7062)跳转

## 参考资料

​	`Python C-API`[文档](https://docs.python.org/3.8/c-api/arg.html#PyArg_UnpackTuple)