Написал скрипт распознания объектов с веб камеры

код прикладываю изображением ибо встроенное отображение в dtf очень неочень.

этот код загружает необходимые библиотеки, задействует веб камеру и считывая видеопоток с вебки обрабатывает его через нейросетевую medium модель, можно поставить и другую типа nano но для меня medium оптимальна (с моими жирнющими 8гб оперативки), завершение программы происходит через "q"

результат работы кода выглядит вот так:

по какой то причине камера после подключения успешно инициализируются только со второго запуска, но так или иначе работает эта вся система сносно, есть модель которая обводит по контуру найденный объекты, описание ниже

Основная линейка моделей (по размеру)Каждую модель можно загрузить, просто меняя последнюю букву в названии (например, yolov8n.pt, yolov8s.pt и т.д.):yolov8n.pt (Nano): Самая маленькая и быстрая модель.Описание: Разработана для микроконтроллеров, мобильных телефонов и Edge-устройств (например, Raspberry Pi). Минимально нагружает процессор, но может пропускать мелкие или перекрытые объекты.yolov8s.pt (Small): Легкая модель, сбалансированная под CPU.Описание: Хороший компромисс между скоростью и качеством. Идеальна, если инференс нужно запускать на обычном процессоре ноутбука без мощной видеокарты, сохранив адекватную точность.yolov8m.pt (Medium): Средняя модель. (Используется у меня)Описание: Золотой стандарт для большинства коммерческих задач. Требует наличия GPU среднего уровня для стабильного реалтайма, отлично распознает сложные сцены.yolov8l.pt (Large): Большая модель.Описание: Высокая точность детекции, стабильно держит мелкие детали. Из-за веса существенно снижает FPS на слабых устройствах, требует хороших видеокарт (серии RTX).yolov8x.pt (Extra Large): Максимальная точность архитектуры.Описание: Самая тяжелая, но и самая точная модель в линейке. Применяется там, где критически важна безошибочность (например, в медицине или анализе спутниковых снимков), а скорость обработки кадра вторична.Специализированные суффиксы (под конкретные задачи)Если вам нужна не просто детекция объектов рамками (по умолчанию), к названию весов добавляются суффиксы задач. Все они так же поддерживают градации от n до x:-seg (Segmentation / Сегментация): Например, yolov8m-seg.pt.Описание: Вместо квадратных рамок обводит объекты по их реальному контуру пиксель за пикселем.-pose (Pose Estimation / Скелет): Например, yolov8n-pose.pt.Описание: Находит человека и определяет ключевые точки его тела (суставы, глаза, уши) для анализа позы или движений.-cls (Classification / Классификация): Например, yolov8s-cls.pt.Описание: Не ищет координаты объектов, а просто выдает ответ, что в целом изображено на картинке (например, «кошка» или «собака»).-obb (Oriented Bounding Boxes / Повернутые рамки): Например, yolov8m-obb.pt.Описание: Выделяет объекты рамками, которые могут быть наклонены под любым углом (часто используется для поиска автомобилей или кораблей на аэрофотосъемке).