基于YOLOv8的智慧校园人脸识别和公路汽车检测项目源码+训练好的模型

YOLOv8 检测项目

本项目基于 YOLOv8 目标检测算法，实现了两个独立的计算机视觉应用场景：

智慧校园人脸无感识别检测系统 ------ 对校园门口学生出入视频进行人脸检测、跟踪与识别，并统计可识别人数。
公路车辆识别与计数系统 ------ 对道路监控视频中的车辆进行检测、跟踪，并按行驶方向（左/右）统计通过基准线的车辆数量。

一、算法原理

1.1 智慧校园人脸无感识别检测系统（Face_Main.py）

整体流程分为 目标检测 → 目标跟踪 → 人脸特征提取 → 识别判定 四个阶段：

人脸检测与跟踪（YOLOv8 + Track）
- 使用 Ultralytics 提供的 yolov8l-face.pt 人脸检测模型，对视频逐帧进行推理。
- 调用 YOLOv8 的 track() 方法（persist=True），利用内置的多目标跟踪算法（ByteTrack）为每个检测到的人脸分配唯一的 track_id，实现跨帧的人脸持续跟踪。
人脸特征提取（dlib）
- 截取跟踪框内的人脸区域，使用 dlib 的 shape_predictor_68_face_landmarks.dat 检测 68 个人脸关键点。
- 再通过 dlib_face_recognition_resnet_model_v1.dat 模型将人脸编码为 128 维特征向量。
识别判定与可视化
- 若能成功提取到人脸特征向量，则认为该人脸可识别，用 绿色框 标注，并将该人脸截图保存至 rec-face/ 目录（以 track_id-姓名.png 命名）。
- 若无法提取特征（如侧脸、遮挡、模糊等），则用 红色框 标注并显示"无法识别"。
- 对于已识别过的 track_id，即使后续帧提取不到特征，仍保持绿色框，避免框色反复闪烁。
- 利用 Faker 库为每个新出现的 track_id 随机生成中文姓名作为标签。
- 画面顶部实时显示已识别人脸数量（Student 计数）。

1.2 公路车辆识别与计数系统（Car_Track.py）

整体流程分为 目标检测 → 目标跟踪 → 轨迹记录 → 越线计数 四个阶段：

车辆检测与跟踪（YOLOv8 + Track）
- 使用 yolov8l.pt 通用目标检测模型，对视频帧（裁剪至车道区域 frame[300:720, 0:1280]）进行推理。
- 同样通过 track() 为每辆车分配唯一 track_id。
轨迹记录
- 维护一个 track_history 字典，记录每个 track_id 历史帧的中心点坐标 (x, y)。
越线计数
- 在画面中设定一条水平基准线（y = size[1] - 150，即 y=570 附近）。
- 比较同一 track_id 前后两帧中心点 y 坐标与基准线的关系：
  - 若前一帧在基准线上方、当前帧在下方 → 车辆 从上往下 行驶，car_left 计数 +1。
  - 若前一帧在基准线下方、当前帧在上方 → 车辆 从下往上 行驶，car_right 计数 +1。
- 实时显示左右两侧的车辆计数。

1.3 图像清晰度检测（test.py）

使用 OpenCV 的 拉普拉斯算子（Laplacian） 计算图像的方差，方差越大表示图像越清晰，可用于评估人脸截图质量。

二、环境要求

操作系统：Windows / Linux / macOS 均可
Python 版本：建议 Python 3.8 ~ 3.10
主要依赖库：

库名	用途
`ultralytics`	YOLOv8 模型推理与跟踪
`opencv-python`	视频读写、图像绘制
`numpy`	数值计算
`Pillow`	中文文本绘制（解决 OpenCV 不支持中文的问题）
`dlib`	人脸关键点检测与特征提取
`faker`	生成随机中文姓名

注意：dlib 在 Windows 上安装较繁琐，建议使用预编译的 wheel 文件或通过 conda install -c conda-forge dlib 安装。

三、安装步骤

3.1 创建虚拟环境（推荐）

bash 复制代码

conda create -n yolo python=3.9 -y
conda activate yolo

3.2 安装依赖

bash 复制代码

pip install ultralytics opencv-python numpy Pillow faker

3.3 安装 dlib

方式一（推荐，conda 源）：

bash 复制代码

conda install -c conda-forge dlib

方式二（pip，需要编译环境）：

bash 复制代码

pip install dlib

Windows 下 pip 安装 dlib 需提前配置好 CMake 与 Visual Studio C++ 构建工具，否则建议使用 conda 方式。

3.4 准备模型文件

请将以下模型文件放入 model/ 目录（项目已附带）：

yolov8l.pt ------ YOLOv8 Large 通用检测模型
yolov8l-face.pt ------ YOLOv8 人脸检测模型
yolov8n.pt / yolov8n-face.pt ------ Nano 版本（可选，速度更快）
shape_predictor_68_face_landmarks.dat ------ dlib 68 点人脸关键点模型
dlib_face_recognition_resnet_model_v1.dat ------ dlib 人脸识别特征提取模型

如需重新下载，可从以下官方地址获取：

YOLOv8 模型：Ultralytics 官方会在首次运行时自动下载
dlib 模型：http://dlib.net/files/

四、运行步骤

4.1 智慧校园人脸无感识别检测系统

将待检测的视频放入 media/ 目录，并修改 $Face_Main.py$ (file:///c:/Users/Administrator/Downloads/YOLOv8-Detection-Project-main/Face_Main.py#L28) 中的 video_path 变量。
运行脚本：

bash 复制代码

python Face_Main.py

程序会弹出窗口实时显示识别结果，并将处理后的视频保存为 result/Student.mp4。
识别到的人脸截图会自动保存到 rec-face/ 目录。
按 ESC 键可提前退出。

4.2 公路车辆识别与计数系统

将待检测的视频放入 media/ 目录，默认读取 media/video.mp4，可在 $Car_Track.py$ (file:///c:/Users/Administrator/Downloads/YOLOv8-Detection-Project-main/Car_Track.py#L7) 中修改。
运行脚本：

bash 复制代码

python Car_Track.py

程序会弹出窗口实时显示车辆跟踪与计数结果，并将处理后的视频保存为 result/car.mp4。
按 ESC 键可提前退出。

4.3 图像清晰度检测

bash 复制代码

python test.py

可修改 $test.py$ (file:///c:/Users/Administrator/Downloads/YOLOv8-Detection-Project-main/test.py#L5) 中的图片路径，输出该图像的拉普拉斯方差（清晰度指标）。

五、注意事项

视频路径 ： $Face_Main.py$ (file:///c:/Users/Administrator/Downloads/YOLOv8-Detection-Project-main/Face_Main.py#L28) 默认读取 media/00009.MTS，请确保该文件存在或自行修改路径，否则会报错。
中文字体 ：项目使用 SimHei.ttf（黑体）绘制中文姓名，请确保该文件位于项目根目录。
dlib 安装 ：dlib 是人脸识别的核心依赖，安装失败将导致 Face_Main.py 无法运行。车辆检测脚本 Car_Track.py 不依赖 dlib。
GPU 加速：如配备 NVIDIA 显卡，建议安装 CUDA 版本的 PyTorch 以显著提升推理速度；无 GPU 时将自动使用 CPU，速度较慢。
置信度阈值 ：两个脚本中 conf=0.3 为检测置信度阈值，可根据实际场景调整（值越高误检越少，但可能漏检）。
基准线位置 ：Car_Track.py 中的基准线 y 坐标（size[1] - 150）和检测区域（frame[300:720, 0:1280]）是针对特定视频分辨率（1280×720）设置的，更换视频时需相应调整。
输出目录 ：运行前请确保 result/ 和 rec-face/ 目录存在，否则视频写入会失败。
ESC 退出 ：脚本中 cv2.waitKey(30) & cv2.waitKey(1) == 27 的写法存在逻辑问题（两次 waitKey 调用），如需稳定退出，建议改为 cv2.waitKey(30) == 27。

六、文件夹结构介绍

复制代码

YOLOv8-Detection-Project-main/
├── img/                          # README 中使用的效果截图
│   ├── 1.png
│   ├── 2.png
│   └── 3.png
├── media/                        # 输入视频存放目录
│   └── video.mp4
├── model/                        # 模型权重与 dlib 模型文件
│   ├── yolov8l.pt                # YOLOv8 Large 通用检测模型
│   ├── yolov8l-face.pt           # YOLOv8 人脸检测模型
│   ├── yolov8n.pt                # YOLOv8 Nano 通用检测模型（可选）
│   ├── yolov8n-face.pt           # YOLOv8 Nano 人脸检测模型（可选）
│   ├── shape_predictor_68_face_landmarks.dat   # dlib 68点人脸关键点模型
│   └── dlib_face_recognition_resnet_model_v1.dat  # dlib 人脸特征提取模型
├── rec-face/                     # 识别到的人脸截图保存目录（track_id-姓名.png）
├── result/                       # 处理后的输出视频目录
│   ├── Student.mp4               # 人脸识别结果视频
│   └── car.mp4                   # 车辆检测结果视频
├── Face_Main.py                  # 智慧校园人脸无感识别检测系统主程序
├── Car_Track.py                  # 公路车辆识别与计数系统主程序
├── test.py                       # 图像清晰度检测脚本（拉普拉斯方差）
├── SimHei.ttf                    # 黑体字体文件，用于中文姓名绘制
└── README.md                     # 项目说明文档

七、效果展示

人脸无感识别检测系统

公路车辆识别系统

源码地址：https://download.csdn.net/download/FL1623863129/90010554?spm=1001.2014.3001.5501