PyQT5案例开发

新闻资讯 2023-06-07 14:36 62 0

点击上方蓝字关注我们

微信公众号：OpenCV学堂
关注获取更多计算机视觉与深度学习知识

2017年我做过一个项目，是车流量拥堵检测，用得Faster-RCNN + OpenCV。当时很多东西都是自己写得，技术发展太快了，我再用YOLOv8做一次，发现很多东西都可以直接调用，效率提升很多，精度也提升很多。

基本设计思路

基于YOLOv8对象检测/实例分割模型，实现一个基于检测的对象跟踪算法，YOLOv8支持两种主流的对象跟踪算法ByteTrack与Botsort。通过自定义数据训练YOLOv8对象检测器可以实现不同类别的对象的跟踪。同时基于检测与跟踪模型的输出，实现了对象计数、指定类别跟踪、区域流量统计、指定ID跟踪、单对象与多对象跟踪等操作。

应用开发层面，需要三个主要的交互与显示界面，一个是针对YOLOv8检测与跟踪模型的模型参数设置；第二个是针对YOLOv8检测与跟踪结果的显示过滤与输出过滤的后处理；第三个是针对后处理数据的显示包括流量出入、是否需要语音报警等应用层面的数据展示。

整个程序开发实现了跟踪线程与界面线程分别独立工作，支持数据交互，实时显示运行结果与流量统计信息展示。最终完成的界面设计如下：

运行截图

实时车辆流量统计

基于对象ID的单对象跟踪：

人流量出入统计

代码

启动跟踪开始交通流量统计线程的代码如下：

def on_yolov8_track(self):
    image_file = self.image_file_edit.text()
    label_file = self.label_file_path.text()
    model_file = self.weight_file_path.text()
    if len(image_file) == 0 or len(label_file) == 0 or len(model_file) == 0:
        QtWidgets.QMessageBox.warning(self, "警告", "参数文件未选择...")
        return

    self.traffic_delta_label.setText("流量净值: 0")
    self.traffic_jam_label.setText("总流量: 0")
    self.input_traffic_label.setText("进流量: 0")
    self.output_traffic_label.setText("出流量: 0")

    settings = DLInferSettings()
    settings.weight_file_path = self.weight_file_path.text()
    settings.label_map_file_path = self.label_file_path.text()
    settings.score_threshold = self.conf_spinbox.value()
    settings.input_image = image_file
    settings.track_vehicle = self.vehicle_chkbox.isChecked()
    settings.track_person = self.person_chkbox.isChecked()
    settings.track_by_category_index = self.category_combox.currentIndex()
    settings.track_id = self.track_by_id_spin_box.value()
    settings.target_deploy = 1
    if self.hline_rbtn.isChecked():
        settings.track_line_type = 0
    if self.vline_rbtn.isChecked():
        settings.track_line_type = 1
    if self.diagonal_rbtn.isChecked():
        settings.track_line_type = 2

    self.work_thread = InferenceThread(settings)
    self.work_thread.fire_stats_signal.connect(self.on_update_result_image)
    self.work_thread.finished.connect(self.work_thread.deleteLater)
    self.work_thread.start()
    self.startBtn.setStyleSheet("background-color:gray; color: white")
    self.startBtn.setEnabled(False)
    self.stopBtn.setStyleSheet("background-color:cyan; color: black")
    self.stopBtn.setEnabled(True)

使用槽函数更新界面，实现实时分析结果显示的代码如下：

def on_update_result_image(self, outs):
    image = outs.get("result")
    done = outs.get("done")
    num_in = outs.get("num_in")
    num_out = outs.get("num_out")
    if image is not None:
        dst = cv.cvtColor(image, cv.COLOR_BGR2RGB)
        height, width, channel = dst.shape
        bytesPerLine = 3 * width
        img = QtGui.QImage(dst.data, width, height, bytesPerLine, QtGui.QImage.Format_RGB888)
        pixmap = QtGui.QPixmap(img)
        pix = pixmap.scaled(QtCore.QSize(1280, 720), QtCore.Qt.KeepAspectRatio)
        self.label.setPixmap(pix)
        self.show_text("OpenCV开发者联盟-跟踪演示")
        self.traffic_delta_label.setText("流量净值: %d" % (num_in - num_out))
        self.traffic_jam_label.setText("总流量: %d" % (num_in + num_out))
        self.input_traffic_label.setText("进流量: %d" % num_in)
        self.output_traffic_label.setText("出流量: %d" % num_out)
    if done is not None:
        self.stopBtn.setStyleSheet("background-color:gray; color: white")
        self.stopBtn.setEnabled(False)
        self.startBtn.setStyleSheet("background-color:cyan; color: black")
        self.startBtn.setEnabled(True)