基于YOLOv8+PyQt5开发的行人过马路危险行为检测告警系统(附数据集和源码下载）

系列文章目录

---

前言

欢迎来到我的博客！我很高兴能与大家分享关于基于YOLOv8的行人过马路危险行为检测告警系统的内容。

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

一、系统特点

1. 采用最新最优秀的目标检测算法YOLOv8

2. 系统分别基于PyQt5开发了两种GUI图形界面，供大家学习使用

3. 系统可以检测本地图片或者视频，也可以实时检测网络视频流，另外可调整IUO阈值，置信度阈值等参数

4. 系统可升级，带有语音提醒功能，告警抓拍上传，发送告警邮件等功能

5. 部署简单，适合windows、Linux、Mac系统，安装好requirement.txt中的包即可

6. 系统带有本人训练好的YOLOv8模型，可直接调用使用，另外附有训练得的评估指标曲线PR_curve、F1_curve、R_curve、训练日志等，无需自己训练

7. 带有训练部分标注好的数据集，训练集、验证集

二、环境配置

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

1.anaconda中安装requirements.txt中的软件包

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

2.anaconda环境导入pycharm

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)

---

三、数据准备

1.收集制作图片数据

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：

2.labelImg标注工具标注为voc格式或yolo格式标签

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。

四、开始训练模型

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。

1.修改train.py文件

找到ultralytics-main/ultralytics/yolo/v8/detect文件夹，打开train.py，如下图所示：

2.运行train.py开始训练

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。

3.训练好的模型及评估指标

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。

五、PyQt5开发系统GUI界面对接YOLOv8算法模型

1.界面开发关键步骤如下：

• 安装PyQt5：首先，确保你已经安装了Python和PyQt5库。你可以使用pip命令在终端中安装PyQt5：pip install pyqt5
• 设计GUI界面：使用Qt Designer工具来设计GUI界面。Qt Designer是一个可视化界面设计工具，可以帮助你创建GUI界面并生成.ui文件。你可以在终端中运行designer命令来启动Qt Designer。
• 创建主窗口类：在Python代码中创建一个主窗口类，继承自QtWidgets.QMainWindow。在类中，你可以定义界面的布局、按钮、标签等控件，并连接它们的信号和槽函数。
• 加载.ui文件：使用QtUiTools模块中的QUiLoader类来加载之前设计好的.ui文件。这将把.ui文件中的控件转换为Python对象。
• 实现目标检测算法：在Python代码中实现YOLOv8目标检测算法。你可以使用OpenCV库加载图像或视频，并将其传递给YOLOv8模型进行目标检测。根据检测结果，你可以在GUI界面上绘制边界框或显示检测结果。
• 连接信号和槽函数：在主窗口类中，使用QtCore.QObject.connect()函数将控件的信号连接到槽函数。例如，你可以将一个按钮的点击信号连接到一个槽函数，以触发目标检测算法的执行。
• 运行应用程序：在Python代码的主函数中，创建一个QApplication对象，并实例化主窗口类。最后，调用QApplication对象的exec_()方法来运行应用程序。
• 通过按照以上步骤，你可以开发一个基于PyQt5的YOLOv8目标检测算法GUI界面。这样，用户可以通过界面加载图像或视频，并实时进行目标检测，从而更方便地使用该算法。

2.GUI界面a示例代码如下

3.GUI界面b示例代码如下：

六、YOLOv8+GUI界面检测演示

1.GUI界面a界面效果(高级)

运行main.py自动弹出界面

2.GUI界面b界面效果(丐版)

运行main_b.py自动弹出界面

七、基于YOLOv8+PyQt5的行人过马路危险行为检测告警系统源码

GUI界面a(高级)系统源码

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

GUI界面b(丐版)系统源码

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

总结

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！