# 匹克球3.0

**Repository Path**: hmx0718/pickball-3.0

## Basic Information

- **Project Name**: 匹克球3.0
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-06-21
- **Last Updated**: 2025-06-21

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 匹克球动作检测系统

本项目基于YOLOv12，支持对匹克球运动员的动作状态进行检测，支持图片、视频、摄像头实时检测，界面友好，适合科研、教学和实际应用。

## 主要功能
- 支持图片、视频、摄像头检测
- 检测类别：player_ready, player_swing, player_idle
- 实时显示检测结果和类别统计
- 支持批量检测、结果导出
- 兼容Windows系统

## 安装与运行
1. 安装依赖
   ```bash
   pip install -r requirements.txt
   ```
2. 运行软件
   ```bash
   python simple_app.py
   ```

## 软件界面
（此处可插入软件主界面、检测效果截图）

## 目录结构

```
.
├── pickleball/              # 原始数据集目录
│   ├── frame_00000.jpg      # 图像文件
│   ├── frame_00000.json     # 标注文件 (labelme格式)
│   └── ...
├── yolo_dataset/            # 转换后的YOLO格式数据集
│   ├── images/              # 图像目录
│   │   ├── train/           # 训练集图像
│   │   └── val/             # 验证集图像
│   ├── labels/              # 标注目录
│   │   ├── train/           # 训练集标注
│   │   └── val/             # 验证集标注
│   └── data.yaml            # 数据集配置文件
├── convert_to_yolo.py       # 数据集转换脚本
├── train_yolov12.py         # 模型训练脚本
└── predict.py               # 模型预测脚本
```

## 数据集转换

原始数据集使用labelme格式进行标注，需要转换为YOLO格式才能进行训练。使用以下命令进行转换：

```bash
python convert_to_yolo.py
```

转换脚本会自动将原始数据集分割为训练集和验证集，并生成YOLO格式的标注文件和配置文件。

## 模型训练

使用以下命令训练YOLOv12模型：

```bash
python train_yolov12.py --model yolov12n.pt --epochs 100 --batch-size 16
```

参数说明：
- `--model`: 预训练模型，可选值包括 yolov12n.pt (最小), yolov12s.pt (小), yolov12m.pt (中), yolov12l.pt (大), yolov12x.pt (超大)
- `--epochs`: 训练轮数
- `--batch-size`: 批次大小
- `--img-size`: 图像大小
- `--device`: 训练设备，例如 "0" 表示第一个GPU，"cpu" 表示CPU
- `--workers`: 数据加载线程数
- `--resume`: 恢复中断的训练
- `--hyp`: 超参数文件路径

训练完成后，最佳模型将保存在 `runs/train/weights/best.pt`。

## 模型预测

使用以下命令对图像或视频进行预测：

```bash
python predict.py --model runs/train/weights/best.pt --source path/to/image.jpg
```

参数说明：
- `--model`: 模型路径
- `--source`: 输入源，可以是图像路径、视频路径或摄像头编号（例如 0 表示第一个摄像头）
- `--conf`: 置信度阈值
- `--iou`: NMS IoU阈值
- `--img-size`: 图像大小
- `--device`: 预测设备
- `--save`: 保存预测结果
- `--show`: 显示预测结果
- `--classes`: 过滤特定类别，例如 "--classes 0 1" 表示只检测类别0和类别1

## 类别说明

本项目包含以下三个类别：
- 0: player_ready - 球员准备状态
- 1: player_swing - 球员挥拍状态
- 2: player_idle - 球员空闲状态

## 环境要求

- Python 3.8+
- YOLOv12
- OpenCV
- PyTorch
- 其他依赖项可通过以下命令安装：

```bash
pip install -r requirements.txt
```

## 注意事项

   ```

1. 对于大型数据集，可能需要调整批次大小以适应GPU内存。

2. 训练时间取决于硬件配置和数据集大小，可能需要几小时到几天不等。

## 常见问题FAQ
- Q: 如何切换检测模型？
  A: 修改 simple_app.py 里的模型路径即可。
- Q: 视频检测黑屏怎么办？
  A: 请确保视频路径为英文，且依赖已正确安装。
- Q: 如何打包为exe？
  A: 可用 pyinstaller，命令：`pyinstaller --onefile simple_app.py`。