一、项目背景在智慧城市建设过程中道路交通监控视频中蕴含着大量有价值的信息。例如城市管理部门可以通过监控视频分析不同道路、不同时间段的交通流量变化从而辅助进行交通调度、拥堵分析和道路规划。传统交通流量统计方式主要依赖人工观察、地磁线圈、雷达或固定传感器等方式。这些方法虽然具有一定稳定性但存在部署成本较高、维护复杂、灵活性不足等问题。随着深度学习目标检测技术的发展利用道路监控视频自动识别交通参与者并进一步完成流量统计已经成为一种更加灵活、低成本且具有推广价值的技术路线。本项目基于自训练 YOLOv8 模型实现了一个面向道路交通监控场景的智慧交通流量估计系统。系统主要识别三类交通参与者机动车、非机动车、行人。二、系统总体介绍本系统采用 Python 作为主要开发语言整体技术路线如下YOLOv8用于交通参与者目标检测ONNXRuntime用于部署转换后的 ONNX 模型OpenCV用于视频读取、图像处理和检测结果绘制PySide6用于构建桌面端可视化软件界面SQLite用于保存交通流量统计结果PyInstaller用于后期打包成可执行程序。系统可支持本地视频、USB 摄像头以及 RTSP 网络监控流输入能够实时完成目标检测、目标跟踪、跨线计数、数据统计和历史查询。三、系统运行效果系统运行后如下图所示用户可以在主界面中看到实时视频画面。画面中会显示检测框、类别名称、置信度、目标 ID 以及虚拟检测线。右侧统计区域会实时显示当前机动车数量当前非机动车数量当前行人数量累计进入数量累计离开数量当前 FPS。当目标穿越检测线时系统会自动更新流量统计结果并定期保存到 SQLite 数据库中。具体详细过程可以跳转我录制的视频链接交通流量估计系统四、总结本文设计并实现了一套基于 YOLOv8、ONNXRuntime、PySide6 和 SQLite 的智慧城市交通流量估计系统。系统能够接入道路监控视频对机动车、非机动车和行人进行实时检测并通过目标跟踪与跨线计数实现交通流量统计。同时系统具备桌面端可视化界面、历史数据存储、统计结果查询等功能。该系统不仅可以作为智慧交通方向的毕业设计项目也可以作为道路监控场景下的交通流量统计演示原型。通过将 YOLOv8 模型转换为 ONNX 格式系统在部署便捷性、运行效率和工程可维护性方面都有较好的表现。后续可进一步结合多目标跟踪算法、多摄像头管理和边缘计算设备扩展为更加完整的智慧交通感知平台。