train_annos = glob.glob('训练集(有标注第一批)/标注/*.json')

train_videos = glob.glob('训练集(有标注第一批)/视频/*.mp4')

train_annos.sort(); train_videos.sort();#对标注文件和视频文件的路径列表进行排序，确保标注和视频的对应关系一致。

category_labels = ["非机动车违停", "机动车违停", "垃圾桶满溢", "违法经营"]#定义一个 category_labels 列表，列出了四个类别的标签名称

for anno_path, video_path in zip(train_annos[:5], train_videos[:5]):

print(video_path)#使用 zip() 函数将 train_annos 和 train_videos 列表的前五个元素配对（即每个标注文件对应一个视频文件），即处理5个视频文本对。每个循环开始时，打印当前处理的视频路径。

anno_df = pd.read_json(anno_path)#使用 pandas 的 read_json() 函数读取当前标注文件，并将其转换为一个 DataFrame 对象 anno_df，以便于后续数据处理

cap = cv2.VideoCapture(video_path)#使用 cv2.VideoCapture 打开当前视频文件，创建一个 cap 对象，用于读取视频帧。

frame_idx = 0 #初始化 frame_idx，将其设置为 0，用于跟踪当前处理的视频帧的索引。

while True:

ret, frame = cap.read()

if not ret:

break #入一个 while 循环，使用 cap.read() 逐帧读取视频

img_height, img_width = frame.shape[:2]#获取当前帧的高度和宽度

frame_anno = anno_df[anno_df['frame_id'] == frame_idx]#从 anno_df 中筛选出当前帧对应的标注信息，即 frame_id 等于 frame_idx 的所有标注。frame_anno 是一个包含当前帧标注数据的 DataFrame

cv2.imwrite('./yolo-dataset/train/' + anno_path.split('/')[-1][:-5] + '_' + str(frame_idx) + '.jpg', frame)#将当前帧保存为图像文件，文件名格式为 标注文件名_帧号.jpg，并保存在 yolo-dataset/train/ 目录下。

if len(frame_anno) != 0:

with open('./yolo-dataset/train/' + anno_path.split('/')[-1][:-5] + '_' + str(frame_idx) + '.txt', 'w') as up:#如果当前帧有标注信息（即 frame_anno 不为空），则打开一个与图像同名的 .txt 文件，用于保存 YOLO 格式的标注数据。

for category, bbox in zip(frame_anno['category'].values, frame_anno['bbox'].values):

category_idx = category_labels.index(category)#遍历当前帧的标注信息，将类别名称 category 和边界框 bbox 配对，找到该类别名称在 category_labels 中的索引，并赋值给 category_idx，这是 YOLO 格式所需的类别编号,例如0、1、2、3

x_min, y_min, x_max, y_max = bbox

x_center = (x_min + x_max) / 2 / img_width

y_center = (y_min + y_max) / 2 / img_height

width = (x_max - x_min) / img_width

height = (y_max - y_min) / img_height

#读取边界框坐标 bbox，计算边界框的中心坐标 (x_center, y_center)，并将其归一化（相对于图像宽度和高度）。同时计算边界框的宽度和高度，并同样进行归一化。

if x_center > 1:

print(bbox)#检查计算出的 x_center 是否大于 1（这不应该发生，因为坐标已经归一化），如果是，打印出有问题的 bbox 坐标以便调试。

up.write(f'{ category_idx} { x_center} { y_center} { width} { height}\n')

#将 YOLO 格式的标注信息（类别编号、中心坐标、宽度、高度）写入 .txt 文件，格式为 类别编号 x_center y_center 宽度 高度。

frame_idx += 1 #将 frame_idx 增加 1，指向视频的下一帧，准备在下一次循环中处理。

目的：处理训练集中的前5个视频及其标注数据，提取每一帧图像并保存到YOLO数据集的train文件夹，同时生成对应的YOLO格式的标注文件。

9. 下载并配置YOLO模型

!wget http://mirror.coggle.club/yolo/yolov8n-v8.2.0.pt -O yolov8n.pt

!mkdir -p ~/.config/Ultralytics/

!wget http://mirror.coggle.club/yolo/Arial.ttf -O ~/.config/Ultralytics/Arial.ttf

目的：下载预训练的YOLOv8模型权重文件，并下载字体文件用于YOLO模型的输出显示。

10. 设置环境变量并训练YOLO模型

import os

os.environ["CUDA_VISIBLE_DEVICES"] = "0"

import warnings

warnings.filterwarnings('ignore')

from ultralytics import YOLO

model = YOLO("yolov8n.pt")

results = model.train(data="yolo-dataset/yolo.yaml", epochs=2, imgsz=1080, batch=16)code>

目的：设置GPU环境，忽略警告信息，然后加载YOLOv8模型并进行训练，使用之前创建的YOLO配置文件，设置训练参数如训练周期数（epochs）、图像大小（imgsz）和批量大小（batch）。

11. 使用训练好的模型进行推理并生成结果文件