哪里有做网站的,舆情报告总结,养生网站建设,河南seo优化行人检测计数系统是一种重要的智能交通监控系统#xff0c;它能够通过图像处理技术对行人进行实时检测、跟踪和计数#xff0c;为城市交通规划、人流控制和安全管理提供重要数据支持。本系统基于先进的YOLOv8目标检测算法和PyQt5图形界面框架开发#xff0c;具有高效、准确、… 行人检测计数系统是一种重要的智能交通监控系统它能够通过图像处理技术对行人进行实时检测、跟踪和计数为城市交通规划、人流控制和安全管理提供重要数据支持。本系统基于先进的YOLOv8目标检测算法和PyQt5图形界面框架开发具有高效、准确、易用等特点。 系统特点 基于YOLOv8的目标检测算法YOLOv8是一种高效的目标检测算法它能够在保证检测速度的同时提高检测精度。本系统采用YOLOv8算法对行人进行检测能够快速准确地识别出行人的位置并进行计数。PyQt5图形界面框架PyQt5是一种功能强大的图形界面开发框架它支持跨平台开发具有良好的可移植性。本系统采用PyQt5框架开发界面简洁明了易于操作。支持多种检测方式本系统支持对单张图片、视频文件和摄像头实时流进行检测。用户可以根据需要选择不同的检测方式满足不同的应用场景。GPU加速功能本系统支持GPU加速功能可以将预测计算任务分配到GPU上进行处理提高系统的实时检测性能。相比在CPU上进行处理GPU加速可以大幅度降低延时提升用户体验。 本文介绍了基于深度学习yolov8的行人检测计数系统包括训练过程和数据准备过程同时提供了推理的代码和GUI。对准备计算机视觉相关的毕业设计的同学有着一定的帮助。
模型在线体验https://o554w00336.goho.co/
检测结果如下图 一、安装YoloV8
yolov8官方文档主页 - Ultralytics YOLOv8 文档
安装部分参考官方安装教程
1、安装pytorch
根据本机是否有GPU安装适合自己的pytorch如果需要训练自己的模型建议使用GPU版本。
①GPU版本的pytorch安装
对于GPU用户安装GPU版本的pytorch首先在cmd命令行输入nvidia-smi查看本机的cuda版本如下图我的cuda版本是12.4如果版本过低建议升级nvidia驱动 打开pytorch官网选择合适的版本安装pytorch如下图建议使用conda安装防止cuda版本问题出现报错 ②CPU版本pytorch安装
打开pytorch官网选择CPU版本安装pytorch如下图 2、安装yolov8
在命令行使用如下命令安装
pip install ultralytics
二、数据集准备
本文数据集来自http://www.cbsr.ia.ac.cn/users/sfzhang/WiderPerson/
该数据集包含8000个训练数据1000个验证数据4382个测试数据数据如下图 为了使用yolov8算法进行训练需要将该数据转换为yolov8格式本文提供转换好的数据集下载连接widerperson密集行人检测yolov8格式数据集该数据集8000个训练数据1000个验证数据4382个测试数据
三、模型配置及训练
1、数据集配置文件
创建数据集配置文件rsna_pneumonia.yaml内容如下将path路径替换为自己的数据集路径
# Ultralytics YOLO , AGPL-3.0 license
# COCO 2017 dataset http://cocodataset.org by Microsoft
# Example usage: yolo train datacoco.yaml
# parent
# ├── ultralytics
# └── datasets
# └── coco ← downloads here (20.1 GB)# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: D:\DeepLearning\datasets\csdn\widerperson\widerperson_yolov8 # 替换为自己的数据集路径
train: images/train
val: images/val
test: images/val # Classes
names:# 0: normal0: pedestrains
2、训练模型
使用如下命令训练模型数据配置文件路径更改为自己的路径model根据自己的需要使用yolov8n/s/l/x版本其他参数根据自己的需要进行设置
yolo detect train projectwiderperson nametrain exist_ok datawiderperson/widerperson.yaml modelyolov8n.yaml epochs100 imgsz480 3、验证模型
使用如下命令验证模型相关路径根据需要修改
yolo detect val projectwiderperson nameval imgsz480 modelwiderperson/train/weights/best.pt datawiderperson/widerperson.yaml精度如下
# Ultralytics YOLOv8.1.20 Python-3.9.18 torch-2.2.0 CUDA:0 (NVIDIA GeForce RTX 3060, 12288MiB)
# YOLOv8n summary (fused): 168 layers, 3005843 parameters, 0 gradients, 8.1 GFLOPs
# val: Scanning D:\DeepLearning\datasets\csdn\widerperson\widerperson_yolov8\labels\val.cache... 1000 images, 0 backgrounds, 0 corrupt: 100%|██████████| 1000/1000 [00:00?, ?it/s]
# Class Images Instances Box(P R mAP50 mAP50-95): 100%|██████████| 63/63 [00:0800:00, 7.15it/s]
# all 1000 27353 0.813 0.606 0.722 0.452
# Speed: 0.1ms preprocess, 2.6ms inference, 0.0ms loss, 1.3ms postprocess per image
# Results saved to widerperson\val
# Learn more at https://docs.ultralytics.com/modes/val
四、推理
训练好了模型可以使用如下代码实现推理权重路径修改为自己的路径
from PIL import Image
from ultralytics import YOLO# 加载预训练的YOLOv8n模型
model YOLO(best.pt)image_path test.jpg
results model(image_path) # 结果列表# 展示结果
for r in results:im_array r.plot() # 绘制包含预测结果的BGR numpy数组im Image.fromarray(im_array[..., ::-1]) # RGB PIL图像im.show() # 显示图像im.save(results.jpg) # 保存图像
五、界面开发
使用pyqt5开发gui界面支持图片、视频、摄像头输入支持导出到指定路径其GUI如下图(完整GUI代码可在下方链接下载) 代码下载连接基于yolov8的行人检测系统包含训练好的权重和推理代码GUI界面支持图片、视频、摄像头输入支持检测结果导出
