基于深度学习的交通标志与行人车辆检测系统

基于深度学习的交通标志与行人车辆检测系统 —— 功能与技术点详解

一个把「YOLOv8 目标检测」和「PyQt5 桌面界面」完整打通的实战项目：既能检测交通标志，也能识别行人与车辆，支持图片、文件夹批量、视频、摄像头四种输入方式。

通过网盘分享的文件：交通标志与行人车辆检测系统8.zip
链接: https://pan.baidu.com/s/1SzfiXqEh0k8bRzFXYU0OyQ?pwd=ek4j 提取码: ek4j
–来自百度网盘超级会员v7的分享

一、

项目背景

交通场景下的感知任务是计算机视觉最经典的应用之一：交通信号灯、限速标志、人行横道，以及行人、公交车、汽车、卡车等目标，都是自动驾驶与智能交通的基础感知对象。

本项目实现了一套开箱即用的桌面级检测系统，把训练好的 YOLOv8 模型封装进图形界面，让不懂编程的使用者也能直接拖入图片或视频完成检测，同时保留完整的参数调节与结果导出能力。

二、系统功能一览

2.1 检测类别（共 9 类）

2.2 核心功能

三、技术架构

整个系统可以划分为三层，层次清晰、职责单一：

┌─────────────────────────────────────────────┐
│ 界面层（PyQt5） │
│ UiMain.py / style.css / 各类控件与信号槽 │
├─────────────────────────────────────────────┤
│ 逻辑层（MainProgram.py） │
│ 业务调度：读图/读视频/摄像头、参数管理、 │
│ 结果展示、结果保存、多线程 │
├─────────────────────────────────────────────┤
│ 推理层（ultralytics + PyTorch） │
│ YOLOv8 模型加载与推理，输出 boxes 结果 │
├─────────────────────────────────────────────┤
│ 工具层（detect_tools.py / Config.py） │
│ 图像格式转换、绘制、路径读取、全局配置 │
└─────────────────────────────────────────────┘

• 界面层：由 Qt Designer 设计 .ui 文件并生成 UiMain.py，通过 style.css 做 QSS 样式美化。
• 逻辑层：MainProgram.py 中的 MainWindow 类负责把界面事件与推理逻辑串起来。
• 推理层：使用 ultralytics 的 YOLO 接口加载 models/best.pt 完成推理。
• 工具层：Config.py 集中管理模型路径、类别名称、保存路径；detect_tools.py 提供绘图与格式转换等通用函数。

四、核心技术点拆解

4.1 目标检测：YOLOv8 单阶段检测

项目使用 YOLOv8（ultralytics 8.0.199）作为检测模型，任务类型为 detect：

# MainProgram.py
from ultralytics import YOLO
self.model = YOLO(Config.model_path, task='detect')

加载模型后，一次推理即可拿到所有目标框。结果从 results 对象中按字段取出，结构非常清晰：

results = self.model(img_path, conf=self.conf_thres, iou=self.iou_thres)[0]

location_list = results.boxes.xyxy.tolist() # 每个目标的 [x1, y1, x2, y2]
cls_list = results.boxes.cls.tolist() # 每个目标的类别 ID
conf_list = results.boxes.conf.tolist() # 每个目标的置信度

这种「一次前向 + 三个并行列表」的组织方式，为后续界面展示提供了极大便利。

4.2 模型训练策略

模型基于 YOLOv8 架构训练，关键超参数如下（来自训练结果目录中的配置记录）：

几个值得注意的工程取向：

• 数据增强适中：启用了 Mosaic、水平翻转、HSV 色彩扰动，但关闭了旋转、透视等强几何变换——交通场景的目标朝向相对固定，过强的几何增强反而会引入噪声。
• 最后阶段关闭 Mosaic：close_mosaic=10 让模型在训练末期回归真实分布，提升最终精度。
• batch=4 与 workers=0：典型的「消费级显卡 / CPU 环境也能跑」的保守配置。

训练结果（损失曲线、PR 曲线、混淆矩阵、验证集预测可视化等）全部保存在 models/exp27 目录中，可直接用于分析模型表现。

4.3 PyQt5 界面：Qt Designer + QSS

界面采用「可视化设计 + 代码生成」的方式：

• .ui 文件由 Qt Designer 设计，UiMain.py 由它生成；
• 业务代码通过多重继承方式复用生成的界面类：

class MainWindow(QMainWindow, Ui_MainWindow):
def __init__(self, parent=None):
super().__init__(parent)
self.setupUi(self) # 装载设计好的界面
self.initMain() # 业务初始化
self.signalconnect() # 绑定信号与槽

• 外观通过外部 QSS 文件统一管理，样式与代码解耦：

style_file = 'UIProgram/style.css'
self.setStyleSheet(QSSLoader.read_qss_file(style_file))

这种写法的好处是：改界面不用动业务逻辑，改样式不用重新生成界面代码。

4.4 信号与槽：界面响应的事件驱动模型

所有交互都通过 Qt 的信号槽机制绑定，一处集中注册，结构一目了然：

def signalconnect(self):
self.PicBtn.clicked.connect(self.open_img) # 打开图片
self.FilesBtn.clicked.connect(self.detact_batch_imgs) # 批量检测
self.VideoBtn.clicked.connect(self.vedio_show) # 打开视频
self.CapBtn.clicked.connect(self.camera_show) # 打开摄像头
self.SaveBtn.clicked.connect(self.save_detect_video) # 保存结果
self.ExitBtn.clicked.connect(QCoreApplication.quit) # 退出
self.comboBox.activated.connect(self.combox_change) # 目标切换

4.5 多线程：让视频保存不再卡死界面

视频逐帧推理是一个耗时操作，如果直接放在主线程里，界面会「未响应」。项目用 QThread 把它挪到后台线程，并通过信号回传进度：

class btn2Thread(QThread):
update_ui_signal = pyqtSignal(int, int) # 当前帧数, 总帧数

def run(self):
while cap.isOpened() and self.is_running:
ret, frame = cap.read()
results = self.model(frame, conf=self.conf, iou=self.iou)[0]
out.write(results.plot())
self.update_ui_signal.emit(cur_num, total) # 上报进度

主线程收到信号后更新进度条：

self.btn2Thread_object.update_ui_signal.connect(self.update_process_bar)

同时还设置了 is_running 标志位，支持用户中途取消保存（关闭进度条窗口即终止线程），这是一个很实用的健壮性设计。

4.6 图像渲染：从 OpenCV 到 Qt 的无缝转换

OpenCV 使用 BGR 通道顺序、numpy 数组存储；Qt 需要 QImage 才能显示。项目封装了标准转换函数：

def cvimg_to_qpiximg(cvimg):
height, width, depth = cvimg.shape
cvimg = cv2.cvtColor(cvimg, cv2.COLOR_BGR2RGB) # BGR → RGB
qimg = QImage(cvimg.data, width, height, width * depth, QImage.Format_RGB888)
return QPixmap(qimg)

同时，为了让不同比例的图片都完整显示在固定大小的显示区内，实现了等比自适应缩放：

def get_resize_size(self, img):
img_height, img_width, _ = img.shape
ratio = img_width / img_height
if ratio >= self.show_width / self.show_height:
self.img_width = self.show_width
self.img_height = int(self.img_width / ratio)
else:
self.img_height = self.show_height
self.img_width = int(self.img_height * ratio)
return self.img_width, self.img_height

4.7 中文标签绘制：绕开 OpenCV 的短板

OpenCV 的 cv2.putText 不支持中文，直接写会显示成「???」。项目的做法是交给 PIL 绘制：

def drawRectBox(image, rect, addText, fontC, color):
cv2.rectangle(image, (rect[0], rect[1]), (rect[2], rect[3]), color, 2)
cv2.rectangle(image, (rect[0] – 1, rect[1] – 25), (rect[0] + 60, rect[1]), color, –1)
img = Image.fromarray(image)
draw = ImageDraw.Draw(img)
draw.text((rect[0] + 2, rect[1] – 27), addText, (255, 255, 255), font=fontC)
return np.array(img)

字体在程序启动时加载一次并复用，避免每帧都读字体文件：

from PIL import ImageFont
self.fontC = ImageFont.truetype("Font/platech.ttf", 25, 0)

4.8 参数动态调节：改阈值即时重检

置信度和 IOU 阈值不是「设完重启才生效」，而是改动即触发重检，交互体验更好：

def update_conf_thres(self, value):
self.conf_thres = value
if hasattr(self, 'model'):
self.model.conf = value
if hasattr(self, 'org_img'):
self.detect_current_image() # 立即用新阈值重新检测当前图片

滑块滚动过程中就能直观看到「哪些目标被过滤掉了」，非常适合做阈值调优演示。

4.9 中文路径读取：cv2.imread 的隐藏坑

cv2.imread 在中文路径下会静默失败（返回 None）。项目改用 imdecode 方案规避：

def img_cvread(path):
# 读取含中文名的图片文件
img = cv2.imdecode(np.fromfile(path, dtype=np.uint8), cv2.IMREAD_COLOR)
return img

在本机实测中，项目位于含中文的目录下依然可以正常运行。

4.10 模型预热与设备自动选择

两个容易被忽略但很影响体验的细节：

设备自动选择——有 GPU 用 GPU，没有就退回 CPU：

self.device = 0 if torch.cuda.is_available() else 'cpu'

模型预热——启动时先用一张小图跑一次推理，把算子/runtime 初始化提前完成，避免用户点第一张图时卡顿：

self.model = YOLO(Config.model_path, task='detect')
self.model(np.zeros((48, 48, 3)), device=self.device) # 预先加载推理模型

五、界面交互设计

界面整体分为左右两大区域，符合「左边看结果、右边看数据」的使用习惯：

• 左侧检测显示区：展示原图 / 检测结果图 / 视频帧，中央自适应缩放。
• 右侧检测结果区：
  • 顶部为检测参数设置（标签开关、置信度阈值、交并比阈值）；
  • 中部为检测信息面板（目标数目、目标选择下拉框、类型、置信度、xmin/ymin/xmax/ymax、用时）；
  • 底部为结果表格（序号 / 文件路径 / 类别 / 置信度 / 坐标位置）。
• 底部操作栏：打开图片、打开文件夹、打开视频、打开摄像头、保存、退出。

批量检测时表格会自动滚动到最新一行，并通过 QApplication.processEvents() 实时刷新界面，让用户看到「逐张处理」的过程而不是假死。

六、性能实测

在纯 CPU 环境下（不依赖显卡）实测：

也就是说，CPU 下单张图片约 0.06 ~ 0.07 秒即可完成检测，实时视频与摄像头场景也完全可用（30 FPS 视频需约 33 ms/帧，实测接近该量级）。若配备 GPU 并安装 CUDA 版 PyTorch，速度还可进一步提升。

七、工程化细节与踩坑记录

八、可扩展方向

九、总结

这个项目最大的价值在于闭环完整：从数据准备、模型训练（train.py + dataset.yaml），到推理封装（ultralytics + best.pt），再到界面交互（PyQt5）、多线程优化、结果导出，形成了一条可以直接交付给使用者的完整链路。

技术上它覆盖了几个非常实用的工程要点：

• 单阶段检测器的一次前向多字段解析；
• Qt 界面与业务逻辑的解耦（Qt Designer + QSS + 信号槽）；
• 耗时任务的后台线程化与进度反馈；
• 跨库协作时的格式转换（OpenCV ↔ Qt ↔ PIL）；
• 中文路径、中文标签这类「国产环境下的经典坑」的规避方案。

对于想入门「深度学习 + 桌面应用」落地的开发者来说，这是一个很好的参考样本。