首先得知道YOLOv5录像就是摄像头拍下每一帧画面，YOLO处理完再保存成视频。它像这样工作：摄像头每秒拍几十张图片叫帧，YOLO每拍一张就认出里面的人车猫狗这些物体，然后把这些认出来的东西画框标出来，把处理过的帧连起来就变成带标记的视频了。就像你用手机录像那样，只不过手机自己处理，YOLO得你另外装软件才能标记。

为什么得这样弄呢？因为YOLO是专门跑物体识别的，它得先吃进每一帧画面才能工作。根据论文数据，YOLOv5在640x640分辨率下能处理30帧每秒，也就是每秒钟处理30张图。但普通摄像头可能拍得更快，比如1080p是30帧或60帧，这时候YOLO就得跳着处理，比如每秒只处理30张，剩下的帧原样保存。这样既保证标记不卡顿，又不会让软件死机。比如用30帧摄像头，YOLO处理完30张存成视频，实际视频就是30帧每秒带标记的。要是摄像头拍得更快，比如60帧，那YOLO得隔一帧处理一张，这样视频还是30帧带标记，但原视频会慢一倍。这就好比你用老式电视看球赛，画面卡了但关键动作没丢。