行人识别可视化大屏
基于 Ultralytics YOLOv8（开源） 与 PyQt5 的行人检测、分割、二次识别与数据分析桌面应用。
支持图片/视频上传、整图检测标注、行人分割与二次识别、准确率展示、ECharts 多风格图表组合、按日期归档存储、SQLite 持久化，以及主题/字体外观配置。
一、功能概览
| 页面 | 功能说明 |
|---|---|
| ① 行人识别 | 上传图片/视频；整图检测；分割每个人；对分割图二次 YOLO 识别并展示准确率 |
| ② 日志记录 | 实时操作日志、SQLite 历史日志、打开当日日志文件与识别图片目录 |
| ③ 图表分析 | 基于 ECharts 的 19 种图表样式，可多选/随机组合；支持调参 |
| ④ 参数配置 | 输出目录、日志/图片子目录、模型路径、检测与预处理默认参数 |
| ⑤ 外观设置 | 主题（深色/浅色/青绿）、字体、字号、按钮边距，即时生效 |
| ⑥ 使用说明 | 程序内嵌操作指南与注意事项 |
核心能力
-
行人检测 ：仅检测
person类别，输出检测框、置信度（准确率）与人数 -
行人分割：按检测框裁剪；若使用分割模型则按掩膜抠图
-
二次识别：对每张分割图再次运行 YOLO，展示复核框与二次准确率（对比首次）
-
中文准确率标注：使用 Pillow + 系统中文字体，避免文字显示不全
-
图像交互：滚轮缩放、左键拖拽、右键/按钮旋转；可返回整图
-
视频识别：按抽帧间隔处理并导出带框视频；末帧分割并二次识别
-
自动归档：按日期保存整图、分割二次识别图、日志、参数快照；写入 SQLite
-
ECharts 可视化：数量、准确率及关系/树图等多种风格，支持左右双图组合
二、技术栈
| 类别 | 技术 | 说明 |
|---|---|---|
| 目标检测 | Ultralytics YOLOv8 | 开源 YOLO；默认 yolov8n.pt；可选 yolov8n-seg.pt 做掩膜分割 |
| 桌面界面 | PyQt5 | 多标签页大屏、表单、图像查看器、主题样式 |
| Web 图表 | QtWebEngine + ECharts 5 + echarts-stat | 本地 ui/assets 加载，离线可用 |
| 图像处理 | OpenCV、NumPy、Pillow | 读写、预处理、绘制；中文标题用 Pillow 渲染 |
| 存储 | SQLite + 本地文件 | 识别记录、检测明细、操作日志；按日目录归档 |
| 配置 | JSON（app_config.json） |
路径、检测参数、外观主题与字体 |
依赖（requirements.txt）
ultralytics>=8.0.0
opencv-python>=4.8.0
PyQt5>=5.15
matplotlib>=3.7
numpy>=1.23
Pillow>=9.0另需已安装 PyQtWebEngine（用于 ECharts 页面）。Anaconda 环境通常可直接使用。
三、项目结构
python1/
├── main.py # 程序入口
├── config.py # 全局配置、按日目录
├── app_config.json # 用户配置（运行后生成/更新）
├── requirements.txt
├── README.md
├── yolov8n.pt # YOLO 检测权重
├── core/
│ ├── detector.py # YOLO 加载、图片/视频检测、二次识别
│ ├── segment.py # 行人裁剪/掩膜分割、中文准确率标注
│ ├── preprocess.py # 亮度/对比度/去噪/CLAHE/旋转翻转
│ ├── storage.py # SQLite 与结果文件保存
│ ├── logger.py # 按日文件日志 + UI 回调
│ └── image_io.py # 中文路径兼容的图像读写
├── ui/
│ ├── main_window.py # 主窗口与识别页
│ ├── image_viewer.py # 缩放/平移/旋转查看器
│ ├── person_gallery.py # 分割二次识别画廊
│ ├── log_panel.py # 日志页
│ ├── chart_panel.py # ECharts 图表页（QWebEngine）
│ ├── echarts_options.py # 19 种 ECharts option 构建
│ ├── param_panel.py # 参数配置页
│ ├── theme.py / theme_panel.py
│ ├── help_panel.py
│ └── assets/ # echarts.min.js、ecStat.min.js
└── outputs/ # 默认输出根目录
├── db/pedestrian.db
└── YYYY-MM-DD/
├── images/
├── logs/
└── params/四、环境安装与启动
环境建议
-
Windows 10 / 11
-
Python 3.10+（推荐 Anaconda）
安装依赖
pip install -r requirements.txt
# 若图表页空白，请确认已安装：
pip install PyQtWebEngine本机 Anaconda 示例：
E:\Anconda3\python.exe -m pip install -r requirements.txt首次运行若本地无权重，Ultralytics 可能自动下载官方开源权重（需网络）。
启动程序
python main.py或：
E:\Anconda3\python.exe main.py五、推荐操作流程
外观设置（调大字号）
↓
参数配置（确认输出目录、模型路径）
↓
行人识别：上传 → 调整参数 → 开始识别
↓
查看主图标注 + 下方分割二次识别卡片
↓
图表分析：多选/随机组合 ECharts 样式
↓
日志记录：核对操作与归档路径六、各页面使用说明
1. 行人识别页
操作步骤
-
点击 上传图片/视频，选择本地文件。
-
按需调整右侧参数：
conf、IoU、输入尺寸、线宽、视频抽帧、亮度/对比度、预处理旋转等。 -
点击 开始识别。
-
识别完成后：
-
上方主图：带检测框的完整结果（可缩放、拖拽、旋转）。
-
下方画廊 ：每个人物分割图，并显示 二次识别准确率（含首次对比）。
-
点击某张卡片可在主图放大；点 返回整图 恢复完整结果。
-
手动保存当前图：将当前主图再存一份到当日目录。
-
-
视频识别中可点 取消视频识别。
内部处理流程
-
整图预处理 → YOLO 检测
person -
按框（或掩膜）分割每个人
-
对每张分割图再次 YOLO 识别（过小图会先放大）
-
绘制二次检测框 + 中文准确率横幅 → 画廊展示并落盘
图像操作
| 操作 | 方式 |
|---|---|
| 缩放 | 鼠标滚轮 |
| 平移 | 左键拖拽 |
| 旋转 90° | 右键，或工具栏左转/右转 |
| 重置视图 | 「重置视图」 |
| 查看单人 | 点击下方分割卡片 |
| 恢复整图 | 「返回整图」 |
2. 日志记录页
-
上方：实时操作日志
-
下方：SQLite 历史日志表（深色样式）
-
可刷新数据库日志、打开今日日志文件、打开今日识别图片目录
3. 图表分析页（ECharts）
-
左侧：检测参数（可保存）+ 图表样式列表
-
Ctrl 多选：选中的前两个样式左右对照显示
-
随机组合：随机挑选两种样式组合
-
数据来源：历史识别次数、行人数、准确率等（SQLite）
已支持的 ECharts 样式（19 种）
-
渐变堆叠面积图
-
带背景色的柱状图
-
柱状图标签旋转
-
嵌套环形图
-
饼图纹理
-
数据聚合
-
聚合过程可视化
-
线性回归（统计插件 ecStat）
-
单轴散点图
-
AQI-雷达图
-
数据聚合盒须图
-
热力图-大数据
-
日历热力图
-
笛卡尔坐标系 Graph
-
关系图自动隐藏重叠标签
-
依赖关系图
-
多棵树
-
径向树状图
-
矩形树图与旭日图过渡（工具栏切换动画）
4. 参数配置页
-
输出根目录、日志/图片/参数子目录名
-
SQLite 路径、YOLO 模型路径
-
默认检测与预处理参数
-
保存后写入
app_config.json
5. 外观设置页
-
主题：深色科技 / 浅色清晰 / 青绿护眼
-
字体、正文字号（默认约 18）、标题字号、按钮内边距
-
应用并保存 后立即刷新全局样式（适合大屏再调到 20--22）
6. 使用说明页
程序内嵌帮助文档，可与本 README 对照阅读。
七、关于「准确率」
界面中的准确率来自 YOLO 输出的 置信度（confidence），表示模型认为该目标是行人的把握程度（0%～100%）。
-
便于比较不同检测结果的可信程度，不是人工标注意义上的绝对正确率。
-
整图识别有「整图平均准确率」；分割卡片展示「二次识别准确率」并对比「首次」。
-
可通过调高
conf过滤低置信度框；调低则更容易检出更多目标（也可能增加误检）。
八、数据存储说明
按日期归档
默认根目录：outputs/
outputs/YYYY-MM-DD/
├── images/ # 整图 *_det_*.jpg、二次识别分割图 *_personN_re_*.jpg、视频、预览等
├── logs/ # app_YYYY-MM-DD.log
└── params/ # params_HHMMSS.json 参数快照SQLite（outputs/db/pedestrian.db）
| 表 | 内容 |
|---|---|
detection_runs |
每次识别摘要（人数、置信度、耗时、参数、结果路径等） |
detections |
每个检测框明细 |
operation_logs |
操作日志 |
路径可在「参数配置」页修改。
九、常见问题
检测不到人或人数偏少 降低 conf、增大 imgsz，检查预处理旋转是否正确，确认画面中有清晰行人。
分割图上中文准确率显示不全 / 乱码 当前版本已用 Pillow + 微软雅黑绘制，并自动加宽标题栏。请确认系统存在 C:\Windows\Fonts\msyh.ttc 等字体。
图表页空白 确认已安装 PyQtWebEngine，且 ui/assets/echarts.min.js、ecStat.min.js 存在。
首次启动较慢 首次加载 YOLO 权重与依赖初始化会稍慢，之后会明显加快。
中文路径图片 程序通过 OpenCV imdecode/imencode 兼容中文路径。
字太小 到「外观设置」增大正文字号，或切换「浅色清晰」主题。
想用掩膜抠图 将 yolov8n-seg.pt 放到项目根目录，或在参数配置中指定分割模型路径；无分割模型时按检测框裁剪。
十、许可证与致谢
-
本项目界面与业务代码可按自身需求使用与修改。
-
检测能力基于 Ultralytics 开源 YOLO，请遵循其开源协议（以官方仓库为准）。
-
界面：PyQt5 / QtWebEngine；图表：Apache ECharts；图像：OpenCV、Pillow。
十一、快速命令摘要
# 安装依赖
pip install -r requirements.txt
pip install PyQtWebEngine
# 启动程序
python main.py如有问题，可查看当日日志：
outputs/YYYY-MM-DD/logs/app_YYYY-MM-DD.log
或在程序「② 日志记录」页直接打开。
https://github.com/zhangsansh/Ultralytics-YOLOv8-PyQt5.git