My-adv-path/Vehicle_Rules_Violation_Detection

# 车辆违规检测 ### 🚦 概述 本项目是一个**基于 Computer Vision 的车辆违规检测系统**，可自动检测违反交通信号的车辆，追踪其运动轨迹，识别车牌，并保存违规证据。该系统集成了 **YOLOv8**、**OpenCV**、**EasyOCR** 以及 object tracking 技术，用于执行视频流的实时交通监控。 ### ✨ 功能 * 使用 YOLOv8 进行实时车辆检测 * Multi-object 车辆追踪 * 交通信号状态监控（Red/Green） * 自动闯红灯违规检测 * 车牌检测与提取 * 使用 EasyOCR 进行光学字符识别（OCR） * 违规图像抓拍与存储 * 自动保存检测到的车牌图像 * 支持小汽车、公交车、卡车、摩托车和自行车 ### 🛠️ 技术栈 * Python * OpenCV * YOLOv8 (Ultralytics) * EasyOCR * NumPy * Pandas ### 📂 项目结构 Vehicle-Rules-Violation-Detection/ │ ├── violation/ # 存储抓拍的违规图像 ├── plates/ # 存储检测到的车牌图像 ├── best_new.pt # 车牌检测模型 ├── tracker.py # Object tracking 模块 ├── violation.py # 主程序实现 ├── requirements.txt └── README.md ### ⚙️ 工作原理 1. 车辆检测 使用预训练的 YOLOv8 模型在每一视频帧中检测车辆。 2. 车辆追踪 为检测到的车辆分配唯一 ID，并在后续帧中对其进行追踪。 3. 交通信号监控 系统会持续监控当前的信号状态（RED/GREEN）。 4. 违规检测 当车辆在 RED 信号期间越过预设的停止线时，即被标记为违规者。 5. 车牌识别 使用自定义 YOLO 模型检测并提取违规车辆的车牌。 6. OCR 处理 EasyOCR 从提取的车牌图像中读取车牌号码。 7. 证据存储 系统会自动保存以下内容： * 车辆违规图像 * 车牌图像 * 识别出的车牌号码 ### 🚀 安装 克隆仓库 git clone https://github.com/your-username/Vehicle-Rules-Violation-Detection.git cd Vehicle-Rules-Violation-Detection 安装依赖 pip install -r requirements.txt 所需安装包 pip install ultralytics opencv-python easyocr pandas numpy ### ▶️ 使用说明 1. 将输入视频放置在项目目录中。 2. 在脚本中更新视频路径。 3. 运行应用程序： python violation.py 4. 检测到的违规记录和车牌将被自动保存。 ### 📸 示例输出 违规检测 检测到违规行为！ 车辆 ID: 12 信号: RED 车牌识别 检测到的车牌: TN01AB1234 ### 📈 未来扩展 * 超速违规检测 * 车辆数据库集成 * 自动电子罚单生成 ### 🎯 应用场景 * 智能交通管理 * 自动交通执法 * 智能交通系统（ITS） * 智慧城市监控 * 交通监控与分析 👨‍💻 作者 **Aruna Arunachalam**

标签：EasyOCR, OpenCV, YOLOv8, 智慧交通, 目标跟踪, 计算机视觉, 车牌识别, 逆向工具