# yolov8

**Repository Path**: huimam/yolov8

## Basic Information

- **Project Name**: yolov8
- **Description**: 识别安全帽
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 3
- **Created**: 2024-07-05
- **Last Updated**: 2025-06-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于Yolov8的安全帽识别系统
该项目是使用 `YOLOv8` 的程序来训练在智能工地安全领域中头盔目标检测的应用。

## 启动可视化界面
<figure style="text-align: center;">
  <img src="./docs/images/ui_20.png" alt="界面展示图">
</figure>

## 指标
**P（Precision）**：精准度，衡量预测为正样本中真正为正样本的比例。  
**R（Recall）**：召回率，衡量所有正样本中被正确预测出来的比例。  
**mAP（mean Average Precision）**：平均准确率均值，用于衡量模型在所有类别上的平均性能，通过计算每个类别的AP（Average Precision）取平均值得到。  
**map50**：在IoU（交并比）阈值为0.5时的mAP值，主要评估模型在IoU阈值为0.5时的性能。  
**map50-95**：在IoU阈值从0.5到0.95（间隔5%）下的mAP值的平均值，用于评估模型在不同IoU阈值下的平均性能。



> 测试集上可视化结果展示

<figure style="text-align: center;">
  <img src="./docs/images/confusion_matrix.png" alt="Confusion Matrix" style="width: 50%; display: block; margin: 0 auto;">
  <figcaption style="text-align: center; margin-top: 5px;">混淆矩阵</figcaption>
</figure>

<figure style="display: flex; justify-content: space-between;">
  <div>
    <img src="./docs/images/PR_curve.png" alt="Precision-Recall Curve">
    <figcaption style="text-align: center; margin-top: 5px;">PR曲线</figcaption>
  </div>
  <div>
    <img src="./docs/images/R_curve.png" alt="Recall Curve">
    <figcaption style="text-align: center; margin-top: 5px;">召回率曲线</figcaption>
  </div>
</figure>

<figure style="display: flex; justify-content: space-between;">
  <div>
    <img src="./docs/images/P_curve.png" alt="Precision Curve">
    <figcaption style="text-align: center; margin-top: 5px;">精确度曲线</figcaption>
  </div>
  <div>
    <img src="./docs/images/F1_curve.png" alt="F1 Score Curve">
    <figcaption style="text-align: center; margin-top: 5px;">F1分数</figcaption>
  </div>
</figure>

## 效果展示
<figure style="text-align: center;">
  <div>
    <img src="./docs/images/val_batch0_labels.jpg" alt="val_batch0_labels">

  </div>
  <div>
    <img src="./docs/images/val_batch1_labels.jpg" alt="val_batch1_labels">

  </div>

</figure>

## 主要目录结构展示
```  txt
├─config                            #Flask后台配置文件目录
├─data                              #数据文件存放目录，训练测试会用到
├─datasets                          #数据集放置目录，需要保持格式
│  └─Safety_Helmet_Train_dataset    #安全帽检测数据集
│      ├─images                     #图片存放目录    
│      └─labels                     #标签存放目录
├─docs                              #markdown文档存放目录    
├─logger                            #日志文件存放目录
├─models                            #模型文件配置存放目录
├─mymodels                          #具体模型文件保存目录
├─static                            #包含css、js等静态资源目录
│  ├─css
│  ├─img                            #可视化界面上传的图片
│  ├─js
│  ├─utils
│  └─video                          #可视化界面上传的视频
├─templates                         #HTML页面

```


# 摄像头实时检测
> 为了低延迟高效率检测视频画面，用yolov5对大华、海康威视摄像头进行实时检测。
## 方案设计思路
1. 用摄像头SDK解码YUV格式图像得到RGB图像，然后放入输入队列中。
2. 从输入队列取出图像，用yolov5检测模型检测图像，结果保存至输出队列中。
3. 从输出队列中获取图片，用ffmpeg推流至nginx-http-flv-module服务器上。
4. nginx转发http-flv流，前端利用flv.js播放实时视频。
5. 后端封装为flask项目，检测部分和推流部分分别用独立的线程执行。
6. 后端配置文件仍为`config/config.yaml`，前端为`static/*.json`文件。
## 大华摄像头 
### 前端配置(static/DaHua.json)

```json
{
    "type":"flv", //视频类型
    "isLive":"true", //是否直播形式
    "url":"http://127.0.0.1:8080/live?port=1935&app=live&stream=test", //视频推流的url地址
    "url_1":"http://127.0.0.1:5002" //向flask路由发送的url地址
}

```
### 后端配置文件(config/config.yaml)

``` yaml
################## 大华摄像头参数配置#################

DaHua:
  host: 127.0.0.1         #flask路由地址
  port: 5002              #flask路由端口  
  debug: True             #flask路由参数
  camIP: 192.168.10.101   #网络摄像头ip地址
  camPort: 37777          #网络摄像头端口
  username: admin         #网络摄像头登录账号
  password: sunwayland8A  #网络摄像头登录密码
  rtmp_url: rtmp://127.0.0.1:1935/live/test #ffmpeg推流地址
```
## 海康摄像头
### 前端配置(static/hk.json)

```json
{
    "type":"flv", //视频类型
    "isLive":"true", //是否直播形式
    "url":"http://127.0.0.1:8080/live?port=1935&app=live&stream=test", //视频推流的url地址
    "url_1":"http://127.0.0.1:5001" //向flask路由发送的url地址
}
```

### 后端配置文件(config/config.yaml)

``` yaml
################## 海康摄像头参数配置#################
HK:
  host: 127.0.0.1          #flask路由地址
  port: 5001               #flask路由端口 
  debug: True              #flask路由参数
  camIP: 10.168.1.11       #网络摄像头ip地址
  camPort: 8000            #网络摄像头端口
  username: admin          #网络摄像头登录账号
  password: Admin12345     #网络摄像头登录密码
  rtmp_url: rtmp://127.0.0.1:1935/live/test #ffmpeg推流地址

```
### nginx服务器配置文件(nginx.conf)

```conf
worker_processes  1;
 
#error_log  logs/error.log;
#error_log  logs/error.log  notice;
#error_log  logs/error.log  info;
#error_log  logs/error.log  debug;
 
#pid        logs/nginx.pid;
 
events {
    worker_connections  1024;
}
 
# 添加RTMP服务
rtmp {
    server {
        listen 1935; # 监听端口
 
        chunk_size 4000;
        application live {
            live on;
			gop_cache on;
        }
    }
}
 
# HTTP服务
http {
    include       mime.types;
    default_type  application/octet-stream;
 
    #access_log  logs/access.log  main;
 
    server {
        listen       8080; # 监听端口
        server_name  localhost;
		location /stat.xsl {
            root html;
        }
		location /stat {
            rtmp_stat all;
            rtmp_stat_stylesheet stat.xsl;
        }
		location / {
            root html;
        }
        location /live {
            flv_live on;
            chunked_transfer_encoding  on; #open 'Transfer-Encoding: chunked' response
            add_header 'Access-Control-Allow-Credentials' 'true'; #add additional HTTP header
            add_header 'Access-Control-Allow-Origin' '*'; #add additional HTTP header
            add_header Access-Control-Allow-Headers X-Requested-With;
            add_header Access-Control-Allow-Methods GET,POST,OPTIONS;
            add_header 'Cache-Control' 'no-cache';
      }

    }
}

```
### 注意事项

> 带推流模块的nginx服务器需要重新编译安装。