YOLO红绿灯周边人车行为识别项目产品系统

立项原因：客户需求
行业背景：AI政务
业务说明：
本项目基于YOLO深度学习目标检测算法，针对城市路口红绿灯场景，实现对路口范围内车辆、行人的精准检测、轨迹追踪与违规行为智能识别，可辅助交通违章抓拍、路口安全预警、交通流量统计，解决传统监控人工巡查效率低、违规行为漏检、数据统计滞后等问题，适用于智慧交通路口智能化升级场景。

（一）基础目标检测功能
1. 红绿灯状态识别：精准识别红灯、绿灯、黄灯、熄灭故障四种状态，区分机动车红绿灯、行人专属红绿灯，适配不同路口灯型样式。
2. 多目标精准检测：覆盖红绿灯有效管控区域内所有核心目标，包括机动车（轿车、货车、电动车、摩托车）、行人、非机动车，支持密集人群、车辆拥堵、逆光、弱光、雨天、夜间等复杂路况检测。
3. 目标分类与坐标定位：对检测目标进行精准分类，实时输出目标像素坐标、边界框、置信度，标记目标所属车道、路口区域。
（二）人车行为分析功能
1. 车辆违规行为识别：红灯越线停车、闯红灯通行、绿灯滞留不走、违规变道、路口违停、逆行等典型违章行为判定。
2. 行人违规行为识别：行人闯红灯、不走人行横道、路口滞留、横穿机动车道、翻越护栏等危险行为识别。
3. 目标轨迹追踪：基于多帧视频流实现人车持续追踪，关联同一目标前后帧位置，去除重复检测数据，支撑行为连续性判断。
4. 行为时长统计：自动统计车辆路口滞留时长、行人违规通行时长，超时触发异常标记。
（三）数据处理与告警功能
1. 实时视频流处理：支持RTSP监控摄像头视频流、本地视频、图片批量解析，满足实时监测与离线复盘需求。
2. 智能告警推送：识别到违规、危险行为后，实时触发本地弹窗告警、日志记录，可对接平台推送告警信息，留存违规截图、短视频证据。
3. 交通数据统计：自动统计路口各时段车流量、人流量、违规次数、拥堵时长，生成可视化数据报表。
（四）系统适配与拓展功能
1. 模型自适应优化：支持不同分辨率摄像头、不同路口场景模型微调，适配老旧监控、高清监控设备。
2. 区域自定义配置：可手动划定红绿灯管控区域、人行横道、车道范围，适配不同路口布局差异。
3. 日志与数据留存：永久留存检测日志、违规记录、抓拍素材，支持条件检索、导出复盘。
4. 轻量化部署：支持PC端、边缘工控机、嵌入式设备轻量化部署

1. 整体架构
Web 端智慧交通 AI 监控系统，采用 算法推理 + 后端服务 + 前端可视化 + 边缘部署 轻量化分层架构，主打实时路口人车识别、违规分析、边缘端落地。
2. 算法层
核心模型：YOLOv8/v9 定制微调，适配红绿灯、行人、车辆多目标检测
优化手段：模型剪枝量化、注意力机制、场景特征增强，适配夜间 / 雨雪 / 遮挡场景
追踪算法：ByteTrack 实现人车轨迹持续跟踪
数据支撑：自建复杂路口场景数据集，完成清洗、增强、训练
3. 后端服务层
技术栈：Python、PyTorch、FastAPI
核心能力：视频流解码预处理、AI 推理、人车行为判定、违规告警、数据统计
服务能力：高并发接口封装、算法与业务解耦、第三方系统对接
4. 前端展示层
技术栈：Vue3 + ECharts
核心能力：实时视频预览、检测可视化、违规弹窗、数据报表、参数配置
5. 存储与部署层
存储：MySQL 存业务数据，本地文件留存抓拍素材
部署：服务端 GPU 推理、边缘工控机 CPU 轻量化离线部署
运维：日志监控、模型热更新、服务自愈
二、个人职责（架构师组成员 + 高级程序员）
1. 架构师组成员职责
负责项目整体技术方案选型、架构分层设计，制定开发与接口规范
主导核心算法方案、视频并发处理、边缘轻量化部署方案设计
把控项目技术风险，评审技术方案，解决架构性能瓶颈
2. 高级程序员职责
完成数据集处理、YOLO 模型微调、量化轻量化优化
独立开发红绿灯识别、轨迹追踪、违规行为判定核心模块
攻坚小目标漏检、灯光干扰、视频延迟等核心问题
负责多环境部署调试、前后端联调，输出技术文档