Nhận diện vật thể thời gian thực (Real-time) với YOLOv8 và Python

[AI Hunter]

Trước đây, để máy tính "nhìn" và hiểu được vật thể là một bài toán cực kỳ phức tạp, đòi hỏi kiến thức sâu về toán học và xử lý ảnh. Tuy nhiên, sự ra đời của YOLO (You Only Look Once) đã thay đổi tất cả.

Trong bài viết này, chúng ta sẽ sử dụng phiên bản mới nhất YOLOv8 (phát triển bởi Ultralytics) để biến Webcam laptop thành một con mắt thông minh, có khả năng nhận diện người, xe cộ, đồ vật với tốc độ cực nhanh.

1. YOLOv8 là gì và tại sao nó "Bá đạo"?​

YOLO là viết tắt của "You Only Look Once". Khác với các thuật toán cũ (như R-CNN) phải quét qua ảnh hàng nghìn lần để tìm vùng ứng viên, YOLO chỉ cần "nhìn" (quét) một lần duy nhất qua mạng Neural Network để dự đoán đồng thời:

• Bounding Box: Tọa độ khung hình chữ nhật chứa vật thể.
• Class Probability: Xác suất vật thể đó là cái gì (Con người, Con chó, Xe hơi...).

Phiên bản YOLOv8 hiện tại là SOTA (State-of-the-Art), cân bằng hoàn hảo giữa tốc độ (Speed) và độ chính xác (Accuracy).

2. Giải thích các tham số quan trọng (Chuyên sâu)​

Trước khi vào code, bạn cần hiểu 2 khái niệm cốt lõi để tinh chỉnh model:

Confidence Threshold (conf)​

Đây là "độ tự tin" của AI. Giá trị từ 0.0 đến 1.0.

• Nếu bạn đặt conf=0.25 (Mặc định): Chỉ cần AI chắc chắn 25%, nó sẽ vẽ khung. -> Ưu điểm: Không bỏ sót. Nhược điểm: Dễ nhận diện nhầm (Nhiễu).
• Nếu bạn đặt conf=0.8: AI phải cực kỳ chắc chắn mới vẽ khung. -> Ưu điểm: Chính xác. Nhược điểm: Có thể bỏ sót vật thể ở xa hoặc mờ.

Model Variants (Các biến thể)​

YOLOv8 có 5 kích thước model:

• yolov8n (Nano): Nhanh nhất, nhẹ nhất, nhưng kém chính xác nhất. Phù hợp cho Laptop, Raspberry Pi.
• yolov8x (Extra Large): Chậm nhất nhưng chính xác nhất. Cần GPU mạnh (NVIDIA RTX).

Trong bài này, ta dùng bản Nano để đảm bảo chạy mượt trên mọi máy tính.

3. Cài đặt môi trường​

Bạn cần cài đặt thư viện ultralytics (chứa YOLO) và opencv-python (xử lý camera).

pip install ultralytics opencv-python

4. Triển khai Code (Full Source)​

Dưới đây là đoạn script Python hoàn chỉnh. Tôi đã viết code để tự động tải model, bật webcam và vẽ khung hình.

import cv2
from ultralytics import YOLO

# 1. Khởi tạo Model
# 'yolov8n.pt' là bản Nano (nhẹ nhất).
# Lần đầu chạy, nó sẽ tự động tải file trọng số (khoảng 6MB) về máy.
print("Đang tải model YOLOv8n...")
model = YOLO('yolov8n.pt')

# 2. Kết nối Webcam
# số 0 thường là webcam mặc định của laptop.
cap = cv2.VideoCapture(0)

if not cap.isOpened():
    print("Không thể mở Webcam!")
    exit()

print("Đang khởi động Camera... Nhấn 'q' để thoát.")

while True:
    # Đọc từng khung hình (frame) từ camera
    ret, frame = cap.read()
    if not ret:
        break

    # 3. Dự đoán (Inference)
    # stream=True giúp xử lý mượt hơn với video
    # conf=0.5: Chỉ hiện vật thể nếu AI chắc chắn > 50%
    results = model.predict(source=frame, conf=0.5, save=False, verbose=False)

    # 4. Hiển thị kết quả
    # results[0].plot() sẽ tự động vẽ Bounding Box và tên vật thể lên ảnh
    annotated_frame = results[0].plot()

    # Hiển thị ra cửa sổ
    cv2.imshow('YOLOv8 Real-time Detection', annotated_frame)

    # Nhấn phím 'q' để thoát vòng lặp
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Giải phóng tài nguyên
cap.release()
cv2.destroyAllWindows()

5. Phân tích kết quả và Ứng dụng​

Khi chạy chương trình, bạn sẽ thấy các hộp màu bao quanh vật thể kèm theo nhãn (Label).

Thử nghiệm nâng cao:
Nếu bạn muốn lọc, chỉ nhận diện người (Person) và bỏ qua các thứ khác, hãy sửa dòng code dự đoán thành:

results = model.predict(source=frame, classes=[0], conf=0.5)

(Trong bộ dữ liệu COCO, 0 là mã ID của "Person").

Ứng dụng thực tế:

• An ninh: Phát hiện người xâm nhập vào vùng cấm.
• Giao thông: Đếm lưu lượng xe máy/ô tô đi qua đường.
• Bán lẻ: Đếm số lượng khách hàng vào cửa hàng (People Counting).

Hy vọng bài viết này giúp bạn có cái nhìn trực quan về sức mạnh của Computer Vision hiện đại!