基于YOLOv8的ROIu区域目标检测与速度估计图形界面交互式系统

基于YOLOv8的ROI目标检测与速度估计图形界面系统

YOLOv8-ROI-Based-Traffic-Object-Detection-and-Speed-Estim

本项目是一个Python应用程序，利用YOLOv8目标检测模型实现对视频中用户定义感兴趣区域（ROI）内的车辆和行人进行实时检测、追踪与速度估算。系统配备友好的Tkinter图形界面，支持直观的视频选择和处理功能。

🛠 核心功能
✅ 基于Ultralytics YOLOv8的ROI区域目标检测
✅ 车辆与行人的实时追踪（保持唯一ID）
✅ ROI区域内运动物体的速度估算（km/h）
✅ 实时显示边界框、类别标签及速度信息
✅ 按类别统计物体数量（如汽车、卡车、行人等）
✅ 基于Tkinter的文件选择与控制界面
✅ 采用时序平均算法的平滑速度可视化

📷 支持检测的类别
系统可追踪并估算以下YOLOv8类别的速度：

类别ID 类别名称
0 行人
2 汽车
3 摩托车
7 卡车

🖥 图形界面概览
（此处放置界面截图示意）

• 视频选择：通过文件对话框选择视频文件
• ROI设定：使用OpenCV交互式选择感兴趣区域
• 开始处理：启动检测与追踪窗口

🎯 ROI选择界面
当用户选择视频文件后，将弹出该窗口用于定义感兴趣区域（ROI）。ROI功能可集中处理画面特定区域的车辆/行人。

（此处放置ROI选择示意图）在目标区域绘制矩形框即可开始追踪

🚦 实时检测与速度估算
主输出窗口将显示ROI区域内检测到的物体、分配ID、实时速度估算（km/h）及类别标签。

（此处放置检测效果图）车辆与行人将附带实时速度信息和唯一ID标识

⚙️ 安装指南
🔧 运行环境要求
• Python 3.10.11
• 推荐使用支持CUDA的GPU（保障实时性能）

📦 依赖项安装
通过pip安装所需依赖：

pip install ultralytics8.3.116
opencv-python4.10.0.84
deep-sort-realtime1.3.2
numpy1.25.2
torch2.5.1+cu118
torchvision0.20.1+cu118
torchaudio2.5.1+cu118
matplotlib3.10.0
seaborn0.13.2
tqdm4.67.1
pandas2.2.3
scipy1.9.3

（注：译文在保持技术准确性的基础上，对GUI、ROI等专业术语采用中文括号标注英文原词的处理方式；将英文的被动语态转换为中文主动表述；对功能列表进行了符合中文技术文档习惯的排版优化；"real-time"统一译为"实时"以保持术语一致性；长句按中文表达习惯进行合理切分）