YOLOv8动物姿态估计：Google Colab中图像上传、推理与可视化教程

# 1. 安装ultralytics库 (如果尚未安装)
!pip install ultralytics

# 2. 导入YOLO类
from ultralytics import YOLO

# 3. 加载YOLOv8姿态估计模型
# 如果是预训练模型，例如yolov8n-pose.pt
model = YOLO('yolov8n-pose.pt')
# 如果是您自己训练的模型，请替换为您的模型路径，例如：
# model = YOLO('/content/drive/MyDrive/yolov8_animal_pose_model/best.pt')

print("YOLOv8模型已成功加载。")

from google.colab import files
import os

# 1. 调用文件上传对话框
print("请上传您想要处理的动物图片：")
uploaded = files.upload()

# 2. 获取上传文件的路径
input_image_path = None
for filename in uploaded.keys():
    print(f'用户上传了文件: {filename}')
    # 上传的文件通常会保存到 /content/ 目录下
    input_image_path = os.path.join('/content/', filename)
    # 假设我们只处理第一个上传的文件，如果需要处理多个，请调整逻辑
    break

if input_image_path:
    print(f"图像已上传至: {input_image_path}")
else:
    print("未上传任何文件。")

# 确保已成功上传图像
if input_image_path and os.path.exists(input_image_path):
    print(f"正在对图像 '{os.path.basename(input_image_path)}' 进行推理...")

    # 1. 对上传的图像进行推理，并确保保存结果
    # save=True 参数至关重要，它会将带有关键点标注的图像保存到本地文件系统
    results = model(input_image_path, save=True)

    # 2. 确定结果图像的保存路径
    # YOLOv8通常会将结果保存到 'runs/pose/predict/' 目录下
    # 如果是多次运行，可能会创建 'runs/pose/predict2/', 'runs/pose/predict3/' 等目录
    # 我们需要找到最新的预测结果目录
    import glob
    import time

    # 等待一小段时间，确保文件系统更新（可选，但有时有助于避免路径查找问题）
    time.sleep(1)

    list_of_predict_dirs = glob.glob('runs/pose/predict*')
    if not list_of_predict_dirs:
        print("错误：未找到YOLOv8的预测结果目录。")
        output_image_path = None
    else:
        # 找到最新创建的预测目录
        latest_predict_dir = max(list_of_predict_dirs, key=os.path.getctime)
        print(f"结果保存到目录: {latest_predict_dir}")

        # 构建保存图像的完整路径。YOLOv8通常会保持原始文件名。
        output_image_filename = os.path.basename(input_image_path)
        output_image_path = os.path.join(latest_predict_dir, output_image_filename)

        print(f"预计输出图像路径: {output_image_path}")
else:
    print("无法进行推理，因为图像文件未找到或未上传。")
    output_image_path = None

import matplotlib.pyplot as plt
import matplotlib.image as mpimg

# 确保输出图像路径有效
if output_image_path and os.path.exists(output_image_path):
    print(f"正在显示处理后的图像: {output_image_path}")
    # 1. 加载处理后的图像
    img = mpimg.imread(output_image_path)

    # 2. 使用matplotlib显示图像
    plt.figure(figsize=(12, 10)) # 设置图像显示大小
    plt.imshow(img)
    plt.axis('off') # 不显示坐标轴，使图像更清晰
    plt.title('YOLOv8 动物姿态估计结果 (带有关键点标注)')
    plt.show()
else:
    print(f"错误：未找到处理后的图像文件或路径无效：{output_image_path}")