今天是第八天，最近流行奧運網遊賽事，因此我想寫一個網球yolo辨識系統，以下是程式碼

import cv2
import numpy as np
from ultralytics import YOLO  # 確保你已安裝 YOLOv8

# 載入訓練好的 YOLO 模型
model = YOLO('best.pt')  # 你應該替換成你自己訓練的模型權重

# 定義網球場地的邊界（這裡使用範例數據，應根據實際場地來調整）
court_boundaries = {
    'left': 100,
    'right': 500,
    'top': 50,
    'bottom': 400
}

def is_ball_in_bounds(ball_bbox, boundaries):
    x_center = (ball_bbox[0] + ball_bbox[2]) / 2
    y_center = (ball_bbox[1] + ball_bbox[3]) / 2
    
    if boundaries['left'] <= x_center <= boundaries['right'] and boundaries['top'] <= y_center <= boundaries['bottom']:
        return True
    else:
        return False

def process_image(image_path):
    # 讀取影像
    image = cv2.imread(image_path)

    # 使用 YOLO 模型進行推論
    results = model.predict(source=image)

    for result in results[0].boxes:
        bbox = result.xyxy[0].cpu().numpy()  # 取得邊界框 (x1, y1, x2, y2)
        label = result.cls[0].cpu().numpy()  # 取得類別
        score = result.conf[0].cpu().numpy()  # 取得信心分數

        # 假設類別 0 是網球（根據你訓練時的設定）
        if label == 0:  
            if is_ball_in_bounds(bbox, court_boundaries):
                color = (0, 255, 0)  # 綠色代表界內
                text = "IN"
            else:
                color = (0, 0, 255)  # 紅色代表界外
                text = "OUT"
            
            # 繪製邊界框和結果
            cv2.rectangle(image, (int(bbox[0]), int(bbox[1])), (int(bbox[2]), int(bbox[3])), color, 2)
            cv2.putText(image, text, (int(bbox[0]), int(bbox[1])-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, color, 2)
    
    # 顯示結果
    cv2.imshow('Tennis Ball Detection', image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 測試
process_image('tennis_test_image.jpg')

這段程式碼實現了一個簡單的系統，用來偵測網球並判斷它是否界內。它使用了 YOLOv8 來進行物件偵測，並基於網球場地的邊界來進行判斷。

主要步驟和功能解釋

1. 載入 YOLO 模型：

   model = YOLO('best.pt')
   

   這一行程式碼載入了預先訓練好的 YOLO 模型。best.pt 是訓練好的模型權重文件，你需要使用自己的模型來替換這個文件。

2. 定義網球場邊界：

   court_boundaries = {
       'left': 100,
       'right': 500,
       'top': 50,
       'bottom': 400
   }
   

   這裡定義了網球場地的邊界。left、right、top 和 bottom 定義了場地的左、右、上、下邊界，用於後續判斷網球是否界內。

3. 判斷網球是否界內的函數：

   def is_ball_in_bounds(ball_bbox, boundaries):
       x_center = (ball_bbox[0] + ball_bbox[2]) / 2
       y_center = (ball_bbox[1] + ball_bbox[3]) / 2
   
       if boundaries['left'] <= x_center <= boundaries['right'] and boundaries['top'] <= y_center <= boundaries['bottom']:
           return True
       else:
           return False
   

   這個函數接收網球的邊界框（ball_bbox）和場地邊界（boundaries），計算網球邊界框的中心點位置，然後判斷這個中心點是否在場地邊界內。如果在邊界內，返回 True，否則返回 False。

4. 處理圖像的主函數：

   def process_image(image_path):
       image = cv2.imread(image_path)
       results = model.predict(source=image)
   

   這段程式碼讀取圖像並使用 YOLO 模型進行推論，獲取圖像中所有偵測到的物件及其邊界框。

       for result in results[0].boxes:
           bbox = result.xyxy[0].cpu().numpy()
           label = result.cls[0].cpu().numpy()
           score = result.conf[0].cpu().numpy()
   

   這裡迭代所有偵測結果，提取邊界框（bbox）、類別標籤（label）和信心分數（score）。

5. 判斷與標記：

           if label == 0:
               if is_ball_in_bounds(bbox, court_boundaries):
                   color = (0, 255, 0)
                   text = "IN"
               else:
                   color = (0, 0, 255)
                   text = "OUT"
               cv2.rectangle(image, (int(bbox[0]), int(bbox[1])), (int(bbox[2]), int(bbox[3])), color, 2)
               cv2.putText(image, text, (int(bbox[0]), int(bbox[1])-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, color, 2)
   

   這部分程式碼判斷偵測到的物件是否為網球（假設類別標籤為 0），然後根據球的位置決定是否在界內，並使用綠色（IN）或紅色（OUT）來標記結果。

6. 顯示結果：

       cv2.imshow('Tennis Ball Detection', image)
       cv2.waitKey(0)
       cv2.destroyAllWindows()
   

   最後，處理後的圖像會顯示在視窗中，展示偵測結果。

這個系統通過 YOLO 模型來偵測圖像中的網球，並基於場地邊界來判斷球是否界內，最終將結果顯示在圖像上。