交通流量分析工具

基于YOLOv8和DeepSORT的实时车辆检测与跟踪系统，用于交通流量分析。

功能特点

• 实时车辆检测: 使用YOLOv8进行准确的车辆检测
• 车辆分类: 将车辆分为5类（汽车、公交车、摩托车、出租车、三轮车）
• 目标跟踪: 实现DeepSORT算法进行稳定的车辆跟踪
• 轨迹可视化: 显示车辆移动轨迹，带有渐变效果
• 方向计数: 统计上行和下行的车辆数量
• 统计图表: 生成交通统计数据的可视化图表
• 自定义模型: 支持自定义训练的YOLO模型

系统要求

• Python 3.8+
• OpenCV
• PyTorch
• Ultralytics
• DeepSORT-Realtime
• Matplotlib
• NumPy

安装步骤

1. 克隆仓库:

git clone <你的仓库地址>
cd TrafficFlowAnalysis

2. 创建conda环境:

conda create -p ./env python=3.8
conda activate ./env

3. 安装依赖:

pip install ultralytics opencv-python torch torchvision
pip install deep-sort-realtime matplotlib numpy
pip install lap

使用方法

基本使用

python traffic_flow_analysis.py --video TrafficFlow.mp4

高级选项

# 自定义置信度阈值
python traffic_flow_analysis.py --video TrafficFlow.mp4 --conf 0.5

# 不显示视频窗口
python traffic_flow_analysis.py --video TrafficFlow.mp4 --no-show

# 调试模式
python traffic_flow_analysis.py --video TrafficFlow.mp4 --debug

参数说明

• --video: 输入视频文件路径（默认: TrafficFlow.mp4）
• --conf: 检测置信度阈值（默认: 0.4）
• --no-show: 禁用实时视频显示
• --debug: 启用调试模式

模型文件

系统支持不同的YOLO模型：

• yolov8n.pt: YOLOv8 nano（最快，文件最小）
• yolov8m.pt: YOLOv8 medium（平衡性能）
• best.pt: 自定义训练模型（将你的训练模型重命名为这个）

输出结果

• 实时显示: 显示带有边界框、标签和轨迹的视频
• 统计图表: 保存交通统计数据为PNG文件
• 控制台输出: 显示车辆计数和处理信息

车辆类别

系统检测和分类的车辆：

1. 汽车: 普通载客车辆
2. 公交车: 公共交通工具
3. 摩托车: 摩托车和电动车
4. 出租车: 出租车（通过黄绿色图案检测）
5. 三轮车: 三轮车辆（通过深红黑色检测）

自定义模型训练

用于自定义模型训练的脚本：

• extract_vehicles.py: 从视频中提取车辆图像
• classify_vehicles.py: 手动分类工具
• train_custom_model.py: 训练自定义YOLO模型

许可证

本项目采用MIT许可证。

贡献

欢迎贡献代码！请随时提交Pull Request。