具体实现：
鼠标不点击目标，不发送任何信息，图像显示的是yolov8检测目标的所有结果
鼠标点击后，跟踪鼠标选择的目标并实时循环发布目标的坐标信息，图像显示的是目标的坐标框
若选择的目标丢失在摄像头内，暂停发送坐标信息，且图像显示的是yolov8检测目标的所有结果，等待鼠标下次点击，选择目标
实现思路：
用opencv调用摄像头
加载yolov8 track模式
Yolov8的results的plot()方法，绘制结果图片
给绘制的结果图片添加窗名
opencv鼠标响应函数绑定操作的窗口
编写鼠标响应的回调函数
编写选择目标框的一个算法
使用opencv在图像上画矩形框的函数 rectangle函数 使用方法见：python-opencv第五期：rectangle函数详解
发送选择目标的坐标信息，并只显示跟踪的目标的目标框
视频演示：
yolov8目标跟踪，坐标发送文章来源：https://www.toymoban.com/news/detail-860272.html
代码附下，含详细注释，供大家参考学习。创作不易，如有错误，欢迎大家指正，敬请谅解。文章来源地址https://www.toymoban.com/news/detail-860272.html
#!/usr/bin/env python
import cv2
from ultralytics import YOLO
import numpy as np
import rospy
from communication_yolo.msg import yolomsg
def onMouse(event, x, y, flags,param): #鼠标回调函数，每点击鼠标响应一次，所做出的动作即：选择出目标框并发送目标框的坐标信息
global start_x, start_y,n,is_mouse_clicked,boxes_id
start_x, start_y = -1, -1 #每次执行鼠标响应函数前，将坐标归零
if event == cv2.EVENT_LBUTTONDOWN: #鼠标左键下降沿触发
start_x, start_y = x, y
n = chooseobj(point, start_x, start_y) #调用选择目标框函数，传入所有目标框坐标二维列表point、鼠标点击时的坐标start_x、start_y
boxes_id = results[0].boxes[n].id #获取点击鼠标时，目标的id
is_mouse_clicked=True #记录鼠标点击的标志，为if条件判断作准备
def chooseobj(p,start_x,start_y): #选择目标框的函数，取目标框中心点与鼠标响应时坐标最短距离的目标框的编号
point_center = list() #创建列表，存储计算得来的所有目标框的中心点（为一个二维的列表）
i = 0
while i < len(p):
point_center.append([int((p[i][2] - p[i][0]) / 2 + p[i][0]), int((p[i][3] - p[i][1]) / 2 + p[i][1])]) #求各个boxes的中心点坐标,并依次赋值于列表
i=i+1
distance = list() #创建列表，存放各个目标框中心点距离与鼠标响应时坐标的距离
m = 0
while m < len(p):
pixe1 = np.array([start_x, start_y]) #鼠标响应时坐标
pixe2 = np.array([point_center[m][0], point_center[m][1]]) #各个目标框中心点坐标
distance.append(cv2.norm(pixe1, pixe2)) #计算各个目标框中心点与鼠标响应时坐标的距离(即两个像素点的距离)
m=m+1
minimum = min(distance) #找各个目标框距离列表中的最小值
boxes_index = distance.index(minimum) #通过列表索引，将最小值对应的列表下表返回
return boxes_index
rospy.init_node("yolo_ros_pub") #初始化Ros节点
pub = rospy.Publisher("yolomsg",yolomsg,queue_size=10) #创建发布对象，指定发布方的话题和消息类型
# Load the YOLOv8 model
model = YOLO("/home/zzb/yolov8_ws/src/communication_yolo/yolov8_main/yolov8n.pt") #加载yolo的模型权重
# Open the video file
cap = cv2.VideoCapture(0)
# Loop through the video frames
#初始化参数
is_mouse_clicked=False
n = 0
boxes_id=0
while cap.isOpened():
# Read a frame from the video
success, frame = cap.read()
if success:
# Run YOLOv8 inference on the frame
results = model.track(source=frame,persist=True)
# 将Tensor类型的xy坐标数据转为一个二维列表，外层列表长度为识别目标boxes的个数，内层为xyxy四个目标坐标信息
point = results[0].boxes.xyxy.tolist()
#确保results是否有目标，且由于point 是实时刷新的，防止出现之前点击选择的n很大，而导致下面实时索引results[0].boxes[n].id时n超出范围的bug，即:使n与results的n实时绑定
#且鼠标选择了目标且确保发送目标框坐标信息，是自己之前点击的id，就发送信息
if n<len(point) and is_mouse_clicked and results[0].boxes[n].id == boxes_id:
msg = yolomsg() #创建自定义消息的对象
msg.xmin= int(point[n][0]) #赋值选择出的目标框的四个坐标信息
msg.ymin = int(point[n][1])
msg.xmax =int(point[n][2])
msg.ymax = int(point[n][3])
pub.publish(msg) #发送消息
annotated_copy = frame.copy()
x_min, y_min, x_max, y_max = map(int, point[n]) # Extract coordinates
annotated_results = cv2.rectangle(annotated_copy, (x_min, y_min), (x_max, y_max), (0, 255, 0), 2) #opencv画矩形框的函数，根据选择的目标的坐标画矩形框
cv2.imshow("YOLOv8 Inference", annotated_results)
else :
# Visualize the yolov8 results on the frame
annotated_frame = results[0].plot() #Yolov8的results的plot()方法，绘制结果图片
# Display the annotated frame
cv2.imshow("YOLOv8 Inference", annotated_frame)
is_mouse_clicked = False #results无目标就将鼠标点击置0等待下次点击
cv2.setMouseCallback("YOLOv8 Inference", onMouse) #while循环监听opencv鼠标响应函数
# Break the loop if 'q' is pressed
if cv2.waitKey(1) & 0xFF == ord("q"):
break
else:
# Break the loop if the end of the video is reached
break
# Release the video capture object and close the display window
cap.release()
cv2.destroyAllWindows()到了这里，关于yolov8跟踪模式部署Ros系统上，跟踪鼠标选择的目标，实时发布目标的坐标信息（python实现）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
