车道线检测系统（YOLOv8-Seg + PyQt6 GUI）

本项目为面向智能辅助驾驶的车道线检测/分割 演示系统，基于 Ultralytics YOLOv8 (seg) 完成车道线分割，并提供 PyQt6 图形化界面（登录/注册、图片/视频/摄像头检测、历史记录）。

---

功能简介

• GUI 一键检测：支持图片、视频、本地摄像头实时检测
• 模型训练：使用 YOLOv8 分割模型训练车道线数据集
• 推理脚本：命令行对单图/文件夹/视频推理并保存结果
• 评估脚本：对验证集/测试集进行指标评估并生成报告与图表
• 本地数据存储 ：用户信息、检测历史使用 JSON 存储在 data/ 下

---

环境依赖

• Python ：建议 3.9+

• 依赖安装：

  pip install -r requirements.txt

说明：

• requirements.txt 里包含 ultralytics / torch / PyQt6 / opencv-python 等基础依赖。
• GPU/CUDA ：若需 GPU 训练/推理，请按你本机 CUDA 版本安装匹配的 torch/torchvision（官方安装指引见 https://pytorch.org/get-started/locally/）。

---

快速开始（GUI）

在项目根目录运行：

python main.py

默认账号

• 用户名：admin
• 密码：123456

流程：

• 启动后进入 登录/注册 页面
• 登录成功进入主界面，可进行：
  • 图片/视频检测
  • 摄像头实时检测
  • 历史记录查看
  • 切换模型权重（侧边栏"选择其他模型"）

默认模型

主界面会优先尝试加载仓库内的默认最佳模型：

• runs/segment/runs/train/lane_detection_20260131_155304/weights/best.pt

若该文件不存在，程序会在以下目录内递归搜索 best.pt 并自动加载：

• runs/segment/runs/train
• runs/train

---

数据集说明

仓库内自带数据集与配置文件：

• 数据集根目录：datasets/车道线分割数据集/
• 数据集配置：datasets/车道线分割数据集/data.yaml

该 data.yaml 指向：

• train: ../train/images
• val: ../valid/images
• test: ../test/images
• nc: 1
• names: ['lane-lines']

---

训练（Train）

直接运行训练脚本（已内置默认参数）：

python train.py

关键默认参数（可在 train.py 内修改）：

• 模型：yolov8n-seg.pt
• 训练轮数：epochs=100
• 图像尺寸：imgsz=640
• batch：batch=16
• 设备：自动选择 GPU(0) 或 cpu

训练输出目录默认在：

• runs/train/lane_detection_YYYYMMDD_HHMMSS/
  • weights/best.pt
  • weights/last.pt
  • results.csv
  • *.png
  • args.yaml

---

推理（Predict）

1）命令行推理

对单张图片 / 文件夹 / 视频推理：

python predict.py --model "runs/segment/runs/train/lane_detection_20260131_155304/weights/best.pt" --source "datasets/车道线分割数据集/test/images"

常用参数：

• --conf：置信度阈值（默认 0.25）
• --iou：NMS IOU 阈值（默认 0.7）
• --save_dir：结果保存目录（默认 runs/predict）

2）GUI 推理

GUI 内选择图片/视频/摄像头后即可检测，结果默认保存到：

• runs/detect/gui_detect/

---

评估（Evaluate）

对验证集与测试集分别评估并生成报告：

python evaluate.py --model "runs/segment/runs/train/lane_detection_20260131_155304/weights/best.pt" --data "datasets/车道线分割数据集/data.yaml"

输出目录默认在：

• runs/evaluate/report_YYYYMMDD_HHMMSS/
  • evaluation_report.json
  • evaluation_report.csv
  • metrics_comparison.png

---

本地数据文件（data/）

• data/users.json：用户信息（密码使用 sha256 哈希存储）
• data/history.json：检测历史记录（来源、结果路径、模型路径、统计信息、时间戳等）
• data/models.json：模型列表（GUI 可用于显示/默认模型配置）

---

目录结构（简要）

• main.py：GUI 启动入口（登录窗口 → 主窗口）
• gui/：PyQt6 界面（登录、主界面、历史记录组件）
• utils/detection.py：检测封装（图片/视频/摄像头帧）
• utils/database.py：本地 JSON "数据库"
• train.py：训练脚本
• predict.py：推理脚本
• evaluate.py：评估脚本
• datasets/：数据集与 data.yaml
• runs/：训练、推理、评估输出（会持续增长）

---

常见问题（Troubleshooting）

• 中文路径/编码问题：建议在 Windows 下使用 UTF-8 环境；若遇到路径或编码异常，尽量将项目放在不含特殊字符的路径下，或使用较新的 Python/系统区域设置。
• 摄像头无法打开：检查是否被其它程序占用；尝试更换摄像头 ID（如 0/1/2）。
• GPU 不生效 ：确认 torch.cuda.is_available() 为 True，并安装了匹配 CUDA 的 PyTorch。