基于 YOLO 的智能交通标志与行人车辆识别系统产品系统

本项目面向智慧交通和辅助驾驶场景，主要解决道路环境中交通标志、行人和车辆识别不及时、信息展示不直观的问题。系统通过目标检测模型对图片、视频和摄像头画面进行实时分析，辅助驾驶人员或交通管理人员快速了解当前道路情况，提高交通场景感知效率和安全提醒能力。

系统主要包含模型加载、数据源选择、图片检测、视频检测、摄像头实时检测、检测参数调节、结果可视化、检测结果表格展示、场景分析、驾驶建议生成、语音播报和暂停问答等功能模块。用户可以分别加载交通标志识别模型和行人车辆识别模型，选择图片、视频或摄像头作为输入源，系统会自动绘制检测框、显示类别和置信度，并根据检测结果生成中文场景描述和驾驶建议，帮助用户理解当前交通环境。

我主要负责系统功能设计、YOLO 模型接入、PyQt5 桌面界面开发、OpenCV 图像视频处理、多线程检测流程、实时语音播报。项目使用 Python 作为主要开发语言，结合 Ultralytics YOLO、PyTorch、OpenCV 和 PyQt5 完成目标检测与界面交互，通过 QThread 避免视频和摄像头检测时界面卡顿，并支持置信度、IOU 阈值调节。实现亮点是将交通标志识别、行人车辆识别、场景描述、驾驶建议和语音播报整合到一个可交互桌面系统中。