YOLO红绿灯周边人车行为识别项目- Python Java Vue OpenCV Postgres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

一、技术架构
1. 整体架构
Web端智慧交通AI监控系统，采用Python算法推理 + Java业务中台 + 前端可视化 + 边缘部署 的分层架构，实现实时路口人车识别、违规研判、政企业务对接与边缘端快速落地。

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
算法端：Python、PyTorch、FastAPI，负责视频预处理、AI推理、行为初判
业务中台：Java SpringBoot，负责设备接入、权限管控、违规数据归档、流程审批、政务对接、定时统计
整体能力：异构服务协同解耦，内外接口统一封装，适配安防设备与交管平台对接

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、路口参数配置

5. 存储与部署层
存储：MySQL统一存储全量业务数据，本地文件留存抓拍视频图片素材
部署：服务端GPU算法推理、边缘工控机CPU轻量化离线部署，Java中台集中统一管理
运维：全局日志监控、模型热更新、服务异常自愈

二、个人职责（架构组成员及高级程序员）
1. 架构师组成员职责
统筹异构架构整体方案选型与分层设计，统一前后端、Java与算法层接口规范
主导AI推理流程、视频并发调度、Java业务中台、边缘轻量化整体方案设计
把控跨语言协作、设备接入、业务流转技术风险，评审方案，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
开发AI识别、轨迹追踪、行为判定核心算法模块