行人检测（Pedestrian Detection）—基于YOLOv8的深度学习目标检测模型实现与UI可视化系统设计

一、研究背景与意义

随着人工智能技术的飞速发展，深度学习在目标检测领域取得了突破性进展。行人检测作为目标检测中的典型应用之一，广泛应用于智能监控、自动驾驶、交通系统等领域。尤其在公共安全领域，高效准确的行人检测系统可以有效辅助人类进行异常行为监控、人员流量统计、交通事件分析等。

本项目旨在通过YOLOv8（You Only Look Once 第八版）实现对行人的实时检测，并结合PyQt5构建一个具有UI界面的可视化平台，进一步提升模型的实用性和用户交互性。

---

二、YOLOv8模型简介

YOLOv8 是 Ultralytics 在 YOLO 系列模型中的最新版本，其主要特点如下：

• Anchor-Free架构：不同于YOLOv5，YOLOv8采用无锚框机制，提升了训练和推理的速度。
• 自适应输入大小：可以根据图像尺寸自动调整网络结构，提高了模型的泛化能力。
• 轻量化设计：更适合部署到边缘设备或移动端。
• 模块化结构：便于快速集成和调试。

---

三、参考数据集

本项目选用的是开源的 Crowd