一 前言

上一篇，我們實現了用YOLO對圖片上的物體進行檢測，并在圖片上框出具體的對象并打出標簽。但只是應用在單張圖片，且還沒用上FastRTC。

本篇，我們希望結合FastRTC的能力，實現基于YOLO的實時視頻流的物體檢測。

本篇文字將不會太多。學習完本篇，對比前面的文章，你會發現FastRTC框架的有趣之處就在于框架極簡且優美，我們只需要重點關注我們的算法部分即可。

二 需求及分析

我們本次目標是對實時視頻流進行處理，參照

AI框架工具FastRTC快速上手4——視頻流案例之鏡像反轉-CSDN博客

其實我們不難得出，只要在handler中對視頻幀進行物體識別即可。那每一幀做物體識別，不就是每一張圖片處理一次物體識別的意思么，對于圖片的物體識別，上一篇已經完成。

完美契合。直接上代碼。

三 完整過程

3.1 依賴引入

首先引入相關依賴

from fastrtc import Stream
import gradio as gr
import cv2
from huggingface_hub import hf_hub_download
from inference import YOLOv10

本次會引入gradio自身的組件，增加一個滑動條來調整置信度閾值。</