YOLOv8车辆种类识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+环境配置）

斌擎人工智能官方账号

433人浏览 · 2026-05-21 10:01:40

斌擎人工智能官方账号 · 2026-05-21 10:01:40 发布

摘要

本文针对复杂交通场景下的细粒度车辆种类检测问题，基于YOLOv8框架构建了一个包含12个类别的车辆检测系统。数据集共包含4058张图像（训练集2634张、验证集966张、测试集458张），类别涵盖大客车、大卡车、中型卡车、小客车、轿车及多种细分尺寸的卡车与巴士。实验结果表明，系统整体性能较差，mAP@0.5仅为0.457，最佳F1分数为0.48。

引言

随着城市化进程加速，交通监控与智能驾驶系统对车辆类型的精准识别需求日益迫切。不同尺寸、用途的车辆（如公交车、卡车、轿车）在道路管理、收费系统、路径规划及安全预警中具有差异化含义。然而，实际交通场景中车辆外观相似、尺度多变、相互遮挡等问题使得车辆细分类别检测极具挑战性。传统基于人工特征的检测方法难以兼顾精度与实时性，而深度学习目标检测技术的发展为此提供了可行路径。YOLO系列模型因其端到端、实时性强、精度较高等优势，成为车辆检测领域的主流选择。

本文基于YOLOv8框架，构建了一个覆盖12类细分车辆的检测系统，包括大中小型巴士、多种尺寸卡车及轿车等。本文的工作不仅为同类系统的优化提供了实证基础，也为后续从数据清洗、类别合并、损失函数改进等方向提升模型性能指明了路径。

功能模块

✅ 用户登录注册：支持密码检测，密码加密。

✅ 图片检测：可对图片进行检测，返回检测框及类别信息。

✅参数实时调节（置信度和IoU阈值）

✅ 支持选择检测目标：可以选择一个或者多个类目的目标进行检测

✅ 视频检测：支持视频文件输入，检测视频中每一帧的情况。

✅ 摄像头实时检测：连接USB 摄像头，实现实时监测。

✅日志记录：日志标签页记录操作和错误信息，带时间戳

✅结果保存模块：支持图片/视频/摄像头检测结果保存

1、用户管理模块

功能	描述
用户注册	用户名、密码、确认密码、邮箱（选填）注册，密码SHA256加密存储
用户登录	用户名密码验证，自动跳转主界面
用户数据存储	JSON文件存储用户信息（密码加密、注册时间、邮箱）
登录状态	主界面显示当前登录用户名

2、界面与交互模块

功能	描述
玻璃效果界面	半透明毛玻璃背景，圆角边框，现代化视觉风格
无边框窗口	自定义标题栏，支持窗口拖动、最小化、最大化、关闭
响应式布局	主窗口三栏布局（左侧控制区、中央显示区、右侧信息区）
状态栏	显示设备信息、模型状态、当前用户、实时时间

3、检测源管理模块

功能	描述
图片检测	支持JPG/JPEG/PNG/BMP格式图片载入
视频检测	支持MP4/AVI/MOV/MKV格式视频载入
摄像头检测	实时调用摄像头（默认ID 0）进行检测
检测源切换	下拉菜单切换三种检测模式，自动更新界面状态

4、检测参数配置模块

功能	描述
置信度阈值	滑动条调节（0-100%，步长1%），实时显示当前值
IoU阈值	滑动条调节（0-100%，步长1%），实时显示当前值
类别选择	动态生成检测类别复选框，支持全选/取消全选
参数同步	参数实时同步到检测器核心

5、YOLO检测核心模块

功能	描述
模型加载	加载`best.pt`模型文件，自动检测GPU可用性，支持CPU/GPU切换
多模式检测	图片检测、视频检测、摄像头实时检测
检测线程	基于QThread的多线程处理，避免界面卡顿
检测结果	返回目标类别、置信度、边界框坐标
FPS计算	实时计算处理帧率
进度反馈	视频处理进度条实时更新

6、结果显示模块

功能	描述
实时画面	中央区域显示检测结果图像（带标注框）
统计信息	检测状态、目标数量、FPS、处理帧数实时更新
检测列表	右侧列表显示当前帧所有检测到的目标（类别+置信度）
日志记录	日志标签页记录操作和错误信息，带时间戳
占位显示	未选择检测源时显示系统LOGO和提示文字

7、结果保存模块

功能	描述
保存开关	复选框控制是否保存检测结果
路径选择	自定义保存路径，支持图片/视频格式自动识别
自动命名	保存文件自动添加时间戳（`detection_result_20240101_120000.jpg`）
视频保存	支持检测结果视频录制（MP4格式）
手动保存	工具栏保存按钮可随时保存当前画面
保存反馈	保存成功弹窗提示，日志记录保存路径

8、工具栏功能

功能	描述
图片按钮	快速切换到图片检测模式并打开文件选择器
视频按钮	快速切换到视频检测模式并打开文件选择器
摄像头按钮	快速切换到摄像头检测模式
保存按钮	手动保存当前显示画面

9、辅助功能

功能	描述
错误处理	统一错误弹窗提示，日志记录错误详情
资源清理	检测停止时自动释放摄像头、视频文件、视频写入器资源
时间显示	状态栏实时显示系统时间
模型状态	状态栏显示模型加载状态和当前设备（CPU/GPU）

10、数据校验模块

功能	描述
注册验证	用户名长度≥3，密码长度≥6，密码一致性检查，邮箱格式验证
协议确认	注册前需勾选同意用户协议
文件校验	模型文件存在性检查，文件大小验证（≥6MB）
输入非空	登录/注册时必填项非空检查

背景

车辆种类检测是智能交通系统的基础任务之一。与通用目标检测不同，车辆细分类别检测要求模型能够区分外形相似但功能或尺寸不同的车辆，例如中卡与轻卡、长巴士与小巴士等。实际应用中，高速收费站需区分货车类型，城市安防需识别公交车与大型客车，自动驾驶系统则需判断周围车辆的大小与类型以做出合理决策。然而，受限于视角变化、光照差异、部分遮挡以及类间相似性，传统检测方法难以达到实用要求。

近年来，基于深度学习的目标检测算法，尤其是YOLO（You Only Look Once）系列，以其单阶段、高帧率、良好的泛化能力被广泛应用于车辆检测任务。YOLOv8作为该系列的最新版本之一，在特征提取、锚框设计及损失函数等方面进行了优化，进一步提升了检测精度与训练稳定性。然而，模型性能严重依赖于训练数据的质量与类别定义的合理性。若数据中存在类别定义模糊、标注不一致、样本数量严重倾斜等问题，即便采用先进模型也难以获得理想的检测效果。因此，本系统在构建12类车辆数据集的基础上，重点分析模型在实际数据分布下的表现，为后续改进提供依据。

数据集介绍

本系统使用的车辆检测数据集包含12个类别，具体为：
['big bus', 'big truck', 'bus-l-', 'bus-s-', 'car', 'mid truck', 'small bus', 'small truck', 'truck-l-', 'truck-m-', 'truck-s-', 'truck-xl-']
共计12类，涵盖不同类型和尺寸的公共汽车、卡车及轿车。

数据集总量为4058张图像，划分为：

训练集：2634张
验证集：966张
测试集：458张

训练过程

训练结果

常用标注工具

假设您现在准备好进行标注。有几种开源工具可以帮助简化数据标注流程。以下是一些有用的开放标注工具：

Label Studio：一个灵活的工具，支持各种标注任务，并包含用于管理项目和质量控制的功能。 CVAT：一个强大的工具，支持各种标注格式和可定制的工作流程，使其适用于复杂的项目。 Labelme：一个简单易用的工具，可以快速标注带有多边形的图像，非常适合简单的任务。 LabelImg: 一款易于使用的图形图像标注工具，特别适合以 YOLO 格式创建边界框标注。

用于实例分割的 LabelMe 标注工具