行人多目标检测与跟踪系统

核心技术栈包含 YOLO 目标检测算法、多目标追踪模块，及 PyQt 框架开发的可视化交互界面，系统支持模型动态配置、多源输入检测与结果结构化归档

模型初始化与动态加载

选择预训练的 YOLO 权重文件（如 best.pt），通过 PyQt 界面的“刷新模型”按钮触发动态加载new model.pt。系统采用轻量级线程管理，避免主线程阻塞，实时更新检测器参数。

输入源与置信度调试

切换到图片输入模式，上传测试图片后调整置信度阈值。当阈值设为 1 时，低置信度行人目标被过滤；逐步降低至 区间后，漏检目标恢复显示。界面右侧统计面板同步更新检测结果，包括目标数量、置信度分布。

NMS 参数优化

调整非极大值抑制阈值至 1.0 时，同一目标产生多个重叠检测框（ID 跳变为 0-9）。将阈值降至 区间后，冗余框被合并，目标 ID 稳定为 0。实现单一目标的唯一标识，解决多目标追踪中的身份混淆问题。

结果归档与双保存机制

在 PyQt 界面设置输出路径（如 系统本地），勾选“保存原文件+保存检测文件”选项。系统自动生成

视频流实时检测

加载斑马线监控视频，系统逐帧执行：

1. 检测阶段：YOLO 输出每帧检测结果。
2. 追踪阶段：关联检测框与历史轨迹，更新 ID 并绘制运动路径。
3. 计数与存储：统计穿越检测线的行人数量，视频结果，关键帧截图存档至指定目录。

历史任务管理

PyQt 的“任务列表”组件展示所有检测记录，支持按时间、输入类型筛选。点击条目可快速查看原始数据与标注结果，实现全流程可追溯。

赫兹威客官方交流群

赫兹威客官方交流群

赫兹威客官方交流群

https://qm.qq.com/q/ToiE4c056Uhttps://qm.qq.com/q/ToiE4c056U