摘要
随着城市化进程的加速和智能交通系统的普及，高效、准确的行人与车辆目标检测成为智慧城市、自动驾驶及公共安全等领域的关键技术。传统视频监控方法依赖于人工筛查，存在实时性差、易漏检和成本高昂等问题。本研究设计并实现了一个基于深度学习与 Web 技术的实时行人车辆检测与分析系统。系统核心集成当前最前沿的 YOLOv8、YOLOv10、YOLOv11 及 YOLOv12 四种目标检测算法，构建了一套可灵活切换、性能优异的检测引擎，专门针对'行人'和'车辆'两类目标进行精准识别与定位。系统采用前后端分离架构，后端基于 SpringBoot 框架构建，提供了 RESTful API 接口；前端提供直观的交互界面，实现了用户管理、多模态检测（图像、视频、实时摄像头）与全流程数据追溯。创新性地集成 DeepSeek 大型语言模型，可为检测场景提供智能语义分析与报告生成，提升了系统的决策支持能力。系统将全部检测记录与用户数据持久化存储于 MySQL 数据库，并通过可视化图表展示检测统计结果。经测试，系统在 5607 张图像数据集上表现稳定，实现了从算法应用到业务管理的完整闭环，为相关领域提供了可部署、易扩展的一体化解决方案。
关键词： 目标检测；YOLO 系列；行人车辆检测；SpringBoot；DeepSeek；前后端分离；智能交通
引言
研究背景与意义
在当今社会，交通管理与公共安全面临着日益严峻的挑战。实时、精准地感知道路环境中的行人及车辆，是实现智能交通信号控制、自动驾驶辅助系统、智能安防监控及人流车流统计分析等高级应用的基础。然而，传统的人工监控方式已无法满足 7x24 小时不间断、大范围、高精度的监控需求。随着深度学习技术的迅猛发展，尤其是以 YOLO（You Only Look Once）系列为代表的单阶段目标检测算法，因其在速度和精度上的卓越平衡，已成为解决实时视觉检测任务的首选方案。将这类先进的算法封装为稳定、易用的 Web 服务，赋能一线管理人员，具有重要的现实意义和应用价值。
国内外研究现状
近年来，目标检测领域成果丰硕。从 YOLOv1 到最新的 YOLOv12，算法通过引入更高效的网络骨干（如 CSPNet、RepVGG）、改进的特征金字塔（如 PANet、BiFPN）以及更优的损失函数（如 CIoU、DFL），不断刷新着检测精度与速度的极限。这些进展为构建高性能的实时检测系统提供了坚实的技术基础。与此同时，企业级应用开发趋势趋向于前后端分离的微服务架构，SpringBoot 以其快速构建、配置简便和生态繁荣的特点，成为后端服务开发的主流框架。将深度学习模型服务化，并与业务系统深度集成，已成为 AI 落地的重要模式。此外，多模态大模型（如 DeepSeek）在图像理解与文本生成方面的强大能力，为增强传统视觉系统的'认知'和'解释'能力开辟了新的路径，使系统不仅能'看到'，更能'理解'和'描述'场景。
本文研究内容与贡献
针对现有行人车辆检测系统在模型多样性、系统集成度和智能交互性方面的不足，本文研发了一个集'前沿算法集成、多模态智能分析、精细化业务管理'于一体的综合性 Web 检测平台。本文的主要贡献如下：
- 构建了专用的行人车辆检测数据集： 收集并精细标注了包含'行人 (person)'和'车辆 (car)'两类目标的图像共计 5607 张，划分为训练集（4485 张）和验证集（1122 张），为模型的训练与性能评估提供了可靠的数据支持。
- 实现了多版本 YOLO 模型的统一集成与便捷切换： 系统同时集成了 YOLOv8、YOLOv10、YOLOv11 及 YOLOv12 模型。用户可根据实际场景对实时性及准确性的不同需求，在前端界面一键切换模型，实现了算法性能的横向对比与按需应用。
- 创新性地引入 DeepSeek 模型进行场景智能分析： 在完成基础的视觉检测后，系统可调用 DeepSeek API，对检测结果进行深入的文本分析，生成包含场景描述、潜在风险提示或统计分析的自然语言报告，极大地提升了系统的可解释性和交互智能。
- 开发了功能完备、高可用的全栈 Web 应用系统： 采用前后端分离架构，基于 SpringBoot+MySQL+Vue.js（示例）技术栈，实现了从用户认证授权、多源数据检测（图片上传、视频解析、摄像头实时流）、检测记录全生命周期管理、数据可视化看板到系统管理员后台的完整业务流程。系统设计注重鲁棒性、安全性和可扩展性。
系统核心特性概述
功能模块
- ✅ 用户登录注册：支持密码检测，保存到 MySQL 数据库。
- ✅ 支持四种 YOLO 模型切换，YOLOv8、YOLOv10、YOLOv11、YOLOv12。
- ✅ 信息可视化，数据可视化。
- ✅ 图片检测支持 AI 分析功能，deepseek
- ✅ 支持图像检测、视频检测和摄像头实时检测，检测结果保存到 MySQL 数据库。
- ✅ 图片识别记录管理、视频识别记录管理和摄像头识别记录管理。
- ✅ 用户管理模块，管理员可以对用户进行增删改查。
- ✅ 个人中心，可以修改自己的信息，密码姓名头像等等。
登录注册模块
系统提供安全的身份验证机制，支持密码加密存储。
可视化模块
系统内置数据可视化组件，展示检测统计结果。
图像检测模块
- YOLO 模型集成 (v8/v10/v11/v12)
- DeepSeek 多模态分析
- 支持格式：JPG/PNG/MP4/RTSP
视频检测模块
支持上传视频文件进行检测，并保存识别记录。
实时检测模块
支持接入摄像头实时流进行在线检测。
图片识别记录管理
管理历史图片检测记录，支持查询与回溯。
视频识别记录管理
管理历史视频检测记录。
摄像头识别记录管理
管理实时监控流检测记录。
用户管理模块
管理员可对系统用户进行增删改查操作。
数据管理模块（MySQL 表设计）
users- 用户信息表imgrecords- 图片检测记录表videorecords- 视频检测记录表camerarecords- 摄像头检测记录表
模型训练结果
#coding:utf-8 #根据实际情况更换模型 # yolon.yaml (nano)：轻量化模型，适合嵌入式设备，速度快但精度略低。 # yolos.yaml (small)：小模型，适合实时任务。 # yolom.yaml (medium)：中等大小模型，兼顾速度和精度。 # yolob.yaml (base)：基本版模型，适合大部分应用场景。 # yolol.yaml (large)：大型模型，适合对精度要求高的任务。
from ultralytics import YOLO
model_path = 'pt/yolo12s.pt'
data_path = 'data.yaml'
if __name__ == '__main__':
model = YOLO(model_path)
results = model.train(data=data_path, epochs=500, batch=64, device='0', workers=0, project='runs', name='exp', )
YOLO 概述
YOLO 系列是 You Only Look Once 的缩写，是一种单阶段目标检测算法，以其速度和精度的平衡著称。
YOLOv8
YOLOv8 由 Ultralytics 于 2023 年 1 月 10 日发布，在准确性和速度方面提供了尖端性能。基于先前 YOLO 版本的进步，YOLOv8 引入了新功能和优化，使其成为各种应用中目标检测任务的理想选择。
YOLOv8 的主要特性
- 高级骨干和颈部架构： YOLOv8 采用最先进的骨干和颈部架构，从而改进了特征提取和目标检测性能。
- 无锚点分离式 Ultralytics Head： YOLOv8 采用无锚点分离式 Ultralytics head，与基于锚点的方法相比，这有助于提高准确性并提高检测效率。
- 优化的准确性 - 速度权衡： YOLOv8 专注于在准确性和速度之间保持最佳平衡，适用于各种应用领域中的实时对象检测任务。
- 丰富的预训练模型: YOLOv8 提供了一系列预训练模型，以满足各种任务和性能要求，使您更容易为特定用例找到合适的模型。
YOLOv10
YOLOv10 由清华大学研究人员基于 Ultralytics Python 构建，引入了一种新的实时目标检测方法，解决了先前 YOLO 版本中存在的后处理和模型架构缺陷。通过消除非极大值抑制 (NMS) 并优化各种模型组件，YOLOv10 以显著降低的计算开销实现了最先进的性能。大量实验表明，它在多个模型尺度上都具有卓越的精度 - 延迟权衡。
概述
实时目标检测旨在以低延迟准确预测图像中的对象类别和位置。YOLO 系列因其在性能和效率之间的平衡而一直处于这项研究的前沿。然而，对 NMS 的依赖和架构效率低下阻碍了最佳性能。YOLOv10 通过引入用于无 NMS 训练的一致双重分配和整体效率 - 准确性驱动的模型设计策略来解决这些问题。
架构
YOLOv10 的架构建立在之前 YOLO 模型优势的基础上，同时引入了几项关键创新。该模型架构由以下组件组成：
- 骨干网络：负责特征提取，YOLOv10 中的骨干网络使用增强版的 CSPNet (Cross Stage Partial Network)，以改善梯度流并减少计算冗余。
- Neck：Neck 的设计目的是聚合来自不同尺度的特征，并将它们传递到 Head。它包括 PAN（路径聚合网络）层，用于有效的多尺度特征融合。
- One-to-Many Head：在训练期间为每个对象生成多个预测，以提供丰富的监督信号并提高学习准确性。
- 一对一头部：在推理时为每个对象生成一个最佳预测，以消除对 NMS 的需求，从而降低延迟并提高效率。
主要功能
- 免 NMS 训练：利用一致的双重分配来消除对 NMS 的需求，从而降低推理延迟。
- 整体模型设计：从效率和准确性的角度对各种组件进行全面优化，包括轻量级分类 Head、空间通道解耦下采样和秩引导块设计。
- 增强的模型功能: 结合了大内核卷积和部分自注意力模块，以提高性能，而无需显着的计算成本。
YOLOv11
YOLO11 是 Ultralytics YOLO 系列实时目标检测器的最新迭代版本，它以前沿的精度、速度和效率重新定义了可能性。YOLO11 在之前 YOLO 版本的显著进步基础上，在架构和训练方法上进行了重大改进，使其成为各种计算机视觉任务的多功能选择。
主要功能
- 增强的特征提取: YOLO11 采用改进的 backbone 和 neck 架构，从而增强了特征提取能力，以实现更精确的目标检测和复杂的任务性能。
- 优化效率和速度： YOLO11 引入了改进的架构设计和优化的训练流程，从而提供更快的处理速度，并在精度和性能之间保持最佳平衡。
- 更高精度，更少参数： 随着模型设计的进步，YOLO11m 在 COCO 数据集上实现了更高的平均精度均值 (mAP)，同时比 YOLOv8m 少用 22% 的参数，在不牺牲精度的情况下提高了计算效率。
- 跨环境的适应性： YOLO11 可以无缝部署在各种环境中，包括边缘设备、云平台和支持 NVIDIA GPU 的系统，从而确保最大的灵活性。
- 广泛支持的任务范围： 无论是目标检测、实例分割、图像分类、姿势估计还是旋转框检测 (OBB)，YOLO11 都旨在满足各种计算机视觉挑战。
Ultralytics YOLO11 在其前代产品的基础上进行了多项重大改进。主要改进包括：
- 增强的特征提取： YOLO11 采用了改进的骨干网络和颈部架构，增强了特征提取能力，从而实现更精确的目标检测。
- 优化的效率和速度： 改进的架构设计和优化的训练流程提供了更快的处理速度，同时保持了准确性和性能之间的平衡。
- 更高精度，更少参数： YOLO11m 在 COCO 数据集上实现了更高的平均精度均值 (mAP)，同时比 YOLOv8m 少用 22% 的参数，在不牺牲精度的情况下提高了计算效率。
- 跨环境的适应性： YOLO11 可以部署在各种环境中，包括边缘设备、云平台和支持 NVIDIA GPU 的系统。
- 广泛支持的任务范围： YOLO11 支持各种计算机视觉任务，例如目标检测、实例分割、图像分类、姿势估计和旋转框检测 (OBB)。
YOLOv12
YOLO12 引入了一种以注意力为中心的架构，它不同于之前 YOLO 模型中使用的传统基于 CNN 的方法，但仍保持了许多应用所需的实时推理速度。该模型通过在注意力机制和整体网络架构方面的新颖方法创新，实现了最先进的目标检测精度，同时保持了实时性能。尽管有这些优势，YOLO12 仍然是一个社区驱动的版本，由于其沉重的注意力模块，可能表现出训练不稳定、内存消耗增加和 CPU 吞吐量较慢的问题，因此 Ultralytics 仍然建议将 YOLO11 用于大多数生产工作负载。
主要功能
- 区域注意力机制: 一种新的自注意力方法，可以有效地处理大型感受野。它将特征图分成 l 个大小相等的区域（默认为 4 个），水平或垂直，避免复杂的运算并保持较大的有效感受野。与标准自注意力相比，这大大降低了计算成本。
- 残差高效层聚合网络（R-ELAN）：一种基于 ELAN 的改进的特征聚合模块，旨在解决优化挑战，尤其是在更大规模的以注意力为中心的模型中。R-ELAN 引入：
- 具有缩放的块级残差连接（类似于层缩放）。
- 一种重新设计的特征聚合方法，创建了一个类似瓶颈的结构。
- 优化的注意力机制架构：YOLO12 精简了标准注意力机制，以提高效率并与 YOLO 框架兼容。这包括：
- 使用 FlashAttention 来最大限度地减少内存访问开销。
- 移除位置编码，以获得更简洁、更快速的模型。
- 调整 MLP 比率（从典型的 4 调整到 1.2 或 2），以更好地平衡注意力和前馈层之间的计算。
- 减少堆叠块的深度以改进优化。
- 利用卷积运算（在适当的情况下）以提高其计算效率。
- 在注意力机制中添加一个 7x7 可分离卷积（'位置感知器'），以隐式地编码位置信息。
- 全面的任务支持: YOLO12 支持一系列核心计算机视觉任务：目标检测、实例分割、图像分类、姿势估计和旋转框检测 (OBB)。
- 增强的效率: 与许多先前的模型相比，以更少的参数实现了更高的准确率，从而证明了速度和准确率之间更好的平衡。
- 灵活部署: 专为跨各种平台部署而设计，从边缘设备到云基础设施。
主要改进
- 增强的 特征提取:
- 区域注意力: 有效处理大型感受野，降低计算成本。
- 优化平衡： 改进了注意力和前馈网络计算之间的平衡。
- R-ELAN：使用 R-ELAN 架构增强特征聚合。
- 优化创新:
- 残差连接：引入具有缩放的残差连接以稳定训练，尤其是在较大的模型中。
- 改进的特征集成：在 R-ELAN 中实现了一种改进的特征集成方法。
- FlashAttention: 整合 FlashAttention 以减少内存访问开销。
- 架构效率:
- 减少参数：与之前的许多模型相比，在保持或提高准确性的同时，实现了更低的参数计数。
- 简化的注意力机制：使用简化的注意力实现，避免了位置编码。
- 优化的 MLP 比率：调整 MLP 比率以更有效地分配计算资源。
前端代码展示
登录界面部分代码展示
<template>
<div class="login-container">
<!-- 交通粒子背景 -->
<div class="traffic-background">
<!-- 交通粒子 -->
<div class="traffic-particles">
<div v-for="n in 30" :key="`particle-${n}`" :style="getParticleStyle(n)">
<div></div>
</div>
</div>
<!-- 扫描波纹 -->
<div class="scan-ripples">
<div v-for="n in 8" :key="`ripple-${n}`" :style="getRippleStyle(n)"></div>
</div>
<!-- 检测点网格 -->
<div class="detection-grid">
<div v-for="n in 25" :key="`node-${n}`" :style="getNodeStyle(n)">
<div></div>
</div>
</div>
<!-- 交通符号云 -->
<div class="traffic-cloud">
<div v-for="n in 12" :key="`icon-${n}`" :style="getIconStyle(n)">
{{ getRandomIcon() }}
</div>
</div>
<!-- 激光扫描线 -->
<div class="laser-scan">
<div v-for="n in 6" :key="`laser-${n}`" :style="getLaserStyle(n)">
<div></div>
</div>
</div>
</div>
<!-- 登录主容器 -->
<div class="login-main">
<!-- 检测界面容器 -->
<div class="detection-container">
<div class="system-brand">
<h1><span>Traffic</span> <span>Detection</span></h1>
<p>智能交通检测分析系统</p>
<p>智慧城市 · 交通智能实验室</p>
</div>
<!-- 登录面板 -->
<div>
<el-form :model="ruleForm" :rules="registerRules" ref="ruleFormRef">
<!-- 用户名输入 -->
<el-form-item prop="username">
<el-input v-model="ruleForm.username" placeholder="请输入系统访问 ID" size="large" />
</el-form-item>
<!-- 密码输入 -->
<el-form-item prop="password">
<el-input v-model="ruleForm.password" type="password" placeholder="请输入访问密钥" show-password size="large" />
</el-form-item>
<!-- 登录按钮 -->
<el-form-item>
<el-button type="primary" @click="submitForm(ruleFormRef)">启动交通检测</el-button>
</el-form-item>
</el-form>
<div>
<router-link to="/register">注册新账户</router-link>
</div>
</div>
</div>
</div>
</div>
</template>
<script lang="ts" setup>
import { reactive, ref, computed } from 'vue';
import { ElMessage } from 'element-plus';
import Cookies from 'js-cookie';
import request from '/@/utils/request';
const ruleFormRef = ref();
const ruleForm = reactive({ username: '', password: '' });
const registerRules = reactive({
username: [
{ required: true, message: '请输入系统访问 ID', trigger: 'blur' },
{ min: 3, max: 20, message: '长度在 3-20 个字符', trigger: 'blur' },
],
password: [
{ required: true, message: '请输入访问密钥', trigger: 'blur' },
{ min: 5, max: 30, message: '长度在 5-30 个字符', trigger: 'blur' },
],
});
const submitForm = (formEl) => {
if (!formEl) return;
formEl.validate((valid) => {
if (valid) {
request.post('/api/user/login', ruleForm).then((res) => {
if (res.code == 0) {
Cookies.set('role', res.data.role);
// 跳转逻辑
} else {
ElMessage({ type: 'error', message: res.msg });
}
});
}
});
};
</script>
<style scoped>
.login-container {
min-height: 100vh;
display: flex;
align-items: center;
justify-content: center;
background: linear-gradient(135deg, #0a1929 0%, #112240 30%, #0d2847 70%, #0a1929 100%);
}
</style>
后端代码展示
后端基于 SpringBoot 构建，提供 RESTful API 接口，处理请求并调用 YOLO 模型服务。
注：本文档已清理所有第三方推广链接、视频演示链接及无关平台引流内容，仅保留核心技术说明。
