赞
踩
交通安全一直是一个备受关注的重要议题。每年都有大量的交通事故发生,其中很多都与行人在过马路时的危险行为有关。
故我开发了一种基于YOLOv8的行人过马路危险行为检测告警系统。它能够快速准确地识别图像或视频中的行人,并判断他们是否存在危险行为。通过结合计算机视觉和深度学习技术,该系统能够实时监测行人在过马路时的行为,并及时发出警报,以提醒行人和驾驶员注意交通安全。
提示:以下是本篇文章正文内容
建议
1、在anaconda中安装必要的软件包
2、安装pycharm,在pycharm中运行项目
3、以下内容都是在完成1、2两步的基础上进行,很多博客有介绍,在此不必赘述
requirements.txt如下:
# Usage: pip install -r requirements.txt
# Base ----------------------------------------
matplotlib>=3.2.2
opencv-python>=4.6.0
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.64.0
pandas>=1.1.4
seaborn>=0.11.0
psutil # system utilization
可参考的博客很多,主要针对该工程导入刚安装的python环境(如envs/YOLOv8/python.exe)
可网络爬取,或者自己模拟拍摄制作
本系统训练的数据集部分图片如下所示:
voc格式和yolo格式都可以互相转换,标注任意格式都可以
voc格式如下:
yolo格式如下:
标注的类别有:【斑马线, 人形,手机,没手机,提袋子,车辆,玩手机或打电话,不玩手机,其他】
训练模型是yolov8算法中的yaml配置文件cross_line.yaml如下图所示:
红色框为数据集图片与标签保存路径,names为数据类别
可以按照该方式训练其他模型,训练模型的方法基本与YOLOv5一样。
放置好标注好的数据集(图片和标签文件),在yaml文件中配置对存放路径,以及数据集类别信息。
找到ultralytics-main/ultralytics/yolo/v8/detect文件夹,打开train.py,如下图所示:
注意: YOLOv8训练过程与YOLOv5、YOLOv7有一点不同,在训练模型时,起始设定训练100个epoch,当训练到60epoch时,精度基本稳定,评估指标不在提升,则训练会提前结束,保存当前最好的模型。
训练结束后,保存模型的文件夹包含:weights、args.yaml、confusion_matrix.png、confusion_matrix_normalized.png、F1_curve.png、labels.jpg、labels_correlogram.jpg、P_curve.png、PR_curve.png、R_curve.png、results.csv、results.png等等。
这些评估指标曲线和表可以用于论文或者报告中,也可以通过曲线评比模型训练好坏,掌握数据分布情况等。
运行main.py自动弹出界面
运行main_b.py自动弹出界面
下载地址:https://download.csdn.net/download/DeepLearning_/88206346
包含:GUI界面+YOLOv8源码+训练好模型+部分数据集+各种评估指标及训练日志+部署操作说明文档
下载地址:https://download.csdn.net/download/DeepLearning_/88206347
包含:GUI界面+YOLOv8源码+训练好模型+部分数据集+各种评估指标及训练日志+部署操作说明文档
在本博客中,我们介绍了基于YOLOv8和PyQt5的行人过马路危险行为检测告警系统。通过结合计算机视觉和深度学习技术,我们开发了一个实时监测行人过马路行为的系统,并及时发出警报,以提醒行人和驾驶员注意交通安全。通过结合先进的目标检测算法和强大的GUI开发库,我们可以创建一个功能强大的系统,为交通安全做出贡献。并附上了项目开发的源代码和部署文档,欢迎大家提问交流,互相学习!
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。