在前面的一些章节中，我们已经讲如何准备打标签的素材、如何制作标签、如何训练以及得到我们最终需要的用于YOLO目标识别的模型。那么现在我们就要正式开始，利用我们训练得到的best.pt，这个模型文件来对图片视频进行识别。
公安交管场景中，我们经常会遇到需要对摄像头拍到的视频中的目标进行识别，比如识别识别非机动车佩戴头盔的情况、识别机动车在路面行驶的情况，或者说识别安全带佩戴的情况。我们的一个常规思路就是对视频中的帧进行分析。这种模式是非常通用的模式。在公安交管场景中，我们最常用到的目标识别的基本思路就是对视频中的帧进行抽取，并以图片的形式进行识别。下面我将针对几个典型场景，为大家逐一做简要的介绍。
场景1：非机动车头盔佩戴。我们需要检测视频中是否出现骑摩托车或电动自行车出行的人是否佩戴头盔的情况，那么我们就可以通过对摄像头按照1秒钟或者5秒钟为间隔抽取视频中的帧，并将没抽取到的帧的画面作为程序的输入，去识别照片中头盔佩戴的情况。这一点非常好理解。
场景2。机动车占用非机动车道检测。我们需要对占用非机动车道行驶的机动车进行取证抓拍，那么我们首先要做的事情是识别车辆出现在非机动车道，第二步是将非机动车道上的车辆的号牌。第一步就需要我们比如说每隔100毫秒循环执行一次视频帧的处理，每100毫秒抓取一帧画面，我们就可以用YOLO的算法判断这个画面中是否出现机动车或者进一步，我们可以在画面中划定一个指定区域，从而判断在这个区域中是否出现目标车辆。进一步我们才可以将截取到的，确认已经出现目标车辆的画面输送给号牌识别程序做进一步的。
上面两个例子我们便知道，循环执行对视频帧画面的图片识别，是我们开展目标识别的典型应用场景。