# 行人识别与闯红灯检测系统

这是一个基于OpenCV的行人识别与闯红灯检测系统，提供了用户友好的可视化界面。系统能够通过摄像头或视频文件实时检测行人，并在开启红绿灯检测功能后识别行人闯红灯行为。

## 功能特性

1. **行人检测**：使用基于OpenCV dnn模块的YOLOv3-tiny模型检测画面中的行人
2. **红绿灯识别**：通过颜色识别检测红绿灯状态
3. **闯红灯检测**：当检测到红灯且有行人在道路区域时，标记为闯红灯
4. **可视化界面**：提供了PyQt5实现的图形界面，支持摄像头和视频文件输入
5. **实时统计**：显示检测到的行人数量和闯红灯人数
6. **自动模型下载**：首次运行时自动下载YOLOv3-tiny模型文件

## 安装要求

- Python 3.6+
- 所需依赖包见requirements.txt

## 安装步骤

1. 克隆或下载本项目到本地
2. 安装所需依赖：
   ```
   pip install -r requirements.txt
   ```

## 使用方法

1. 运行主程序：
   ```
   python pedestrian_recognition.py
   ```

2. 在界面中可以：
   - 点击"使用摄像头"按钮启动摄像头实时检测
   - 点击"打开视频文件"按钮选择本地视频文件进行检测
   - 勾选"开启闯红灯检测"复选框启用红绿灯识别和闯红灯检测功能
   - 点击"停止"按钮停止当前视频流

## 技术说明

- **行人检测**：使用基于OpenCV dnn模块的YOLOv3-tiny模型进行行人检测，比传统HOG+SVM方法具有更高的检测精度和抗干扰能力
- **红绿灯识别**：通过HSV颜色空间分析识别红色和绿色交通灯
- **界面实现**：使用PyQt5构建图形界面，实现视频显示和用户交互
- **视频处理**：使用OpenCV进行视频帧处理，PyQt5进行界面渲染
- **模型管理**：自动下载和管理YOLOv3-tiny模型文件，包括配置文件、权重文件和类别名称文件

## 注意事项

1. 行人检测在光线充足的环境下效果更好，YOLOv3-tiny模型相比传统方法具有更好的抗干扰能力
2. 红绿灯识别依赖于清晰可见的交通灯颜色，请确保画面中红绿灯区域足够明显
3. 当前实现的闯红灯检测基于简单的位置判断，可能需要根据实际场景调整参数以提高准确性
4. 首次运行时会自动下载YOLOv3-tiny模型文件，需要网络连接
5. 模型文件默认保存在项目目录下的yolo_models文件夹中

## 扩展可能性

1. 添加深度学习模型以提高行人检测和红绿灯识别的准确性
2. 实现多目标跟踪功能
3. 添加违规行为记录和报警功能
4. 集成声音提示功能
5. 支持多摄像头监控

## 许可证

本项目采用MIT许可证。

## 源代码和编译的可执行文件（可能是老版本，）
通过网盘分享的文件：opencv-pedestrian-recognition.zip 链接: https://pan.baidu.com/s/1D4dYF_k6PXVrZgEzGA7XVg?pwd=mfxh 提取码: mfxh --来自百度网盘超级会员v9的分享