一 前言

上一篇，我们实现了用YOLO对图片上的物体进行检测，并在图片上框出具体的对象并打出标签。但只是应用在单张图片，且还没用上FastRTC。

本篇，我们希望结合FastRTC的能力，实现基于YOLO的实时视频流的物体检测。

本篇文字将不会太多。学习完本篇，对比前面的文章，你会发现FastRTC框架的有趣之处就在于框架极简且优美，我们只需要重点关注我们的算法部分即可。

二 需求及分析

我们本次目标是对实时视频流进行处理，参照

AI框架工具FastRTC快速上手4——视频流案例之镜像反转-CSDN博客

其实我们不难得出，只要在handler中对视频帧进行物体识别即可。那每一帧做物体识别，不就是每一张图片处理一次物体识别的意思么，对于图片的物体识别，上一篇已经完成。

完美契合。直接上代码。

三 完整过程

3.1 依赖引入

首先引入相关依赖

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

本次会引入gradio自身的组件，增加一个滑动条来调整置信度阈值。</