himasriyaengu/Real-Time-Vehicle-Counting-Classification

# 🚗 实时车辆计数与分类 一个基于计算机视觉的交通监控系统，使用 Python、OpenCV 和 YOLO 从视频流中自动检测、跟踪、计数和分类车辆。 该系统实时处理交通视频，识别移动车辆，跟踪其在定义的感兴趣区域 (ROI) 内的移动轨迹，统计穿过虚拟计数线的车辆数量，并进行车辆分类，以用于交通分析和智能交通应用。 ## 📌 功能 ✅ 实时车辆检测 ✅ 车辆跟踪与计数 ✅ 车辆分类 ✅ 交通流分析 ✅ 感兴趣区域 (ROI) 选择 ✅ 视频流处理 ✅ 边界框可视化 ✅ 交通分析支持 ## 🛠 使用的技术 - Python - OpenCV - YOLO - NumPy - 计算机视觉 - 图像处理 ## 🔄 系统工作流程 1. 输入交通视频流 2. 检测移动车辆 3. 应用目标跟踪 4. 定义感兴趣区域 (ROI) 5. 统计穿过虚拟计数线的车辆 6. 对检测到的车辆进行分类 7. 生成交通统计与分析数据 ## 📂 项目结构 ``` ├── inputVideos/ # Input traffic videos ├── outputVideos/ # Processed output videos ├── yolo/ # YOLO configuration and weights ├── main.py # Main application ├── runDetections.py # Detection module ├── yolo_video.py # YOLO processing ├── Gui.py # GUI interface ├── requirements.txt # Dependencies └── README.md ``` ## 🚀 安装 克隆仓库： ``` git clone https://github.com/himasriyaengu/Real-Time-Vehicle-Counting-Classification.git cd Real-Time-Vehicle-Counting-Classification ``` 安装依赖项： ``` pip install -r requirements.txt ``` ## ▶️ 运行项目 ``` python main.py ``` 或者 ``` python runDetections.py ``` ## 📊 应用场景 - 智能交通管理 - 智能交通系统 - 交通密度监控 - 车辆流分析 - 城市出行分析 - 交通研究 ## 📈 关键学习成果 - 使用 YOLO 进行目标检测 - 车辆跟踪技术 - 计算机视觉流水线开发 - 使用 OpenCV 进行视频处理 - 交通分析系统 - 实时监控应用 ## 🎓 学术相关性 本项目展示了以下领域的实际应用： - 计算机视觉 - 机器学习 - 图像处理 - 智能交通系统 - 实时分析 ## 👩‍💻 作者 **Himasriya Engu** 计算机科学硕士 中佛罗里达大学 LinkedIn: https://linkedin.com/in/himasriya-engu 作品集: https://himasriyaengu.github.io ## ⭐ 未来改进 - 支持实时摄像头流 - 车辆速度估计 - 分车道车辆分析 - 夜间车辆检测 - 基于 Deep learning 的车辆分类 - 使用 Power BI 集成 Dashboard

标签：OpenCV, YOLO, 交通监控, 智能交通系统, 目标检测, 视频流处理, 计算机视觉, 逆向工具