Crowd Counter — 人车检测与计数系统

基于 CSRNet + YOLOv8s 双模型融合的人群与车辆检测计数 Web 应用。

系统架构

图片/视频 → CSRNet (密度估计) + YOLOv8s (人车检测) → 融合计数
                                          │
                               Tracker (视频去重)
                                          │
                              Flask API → 前端可视化
                                          │
                              SQLite + CSV 导出

核心技术

模型	参数量	用途
CSRNet (CVPR 2018)	16.3M	密度图回归，适合密集人群计数
YOLOv8s	11.2M	人/车目标检测，输出边界框+类别+置信度
Centroid Tracker	—	视频多目标追踪，避免跨帧重复计数

快速开始

1. 安装依赖

pip install -r requirements.txt

2. 下载模型权重

将以下文件放入 models/ 目录：

文件	大小	下载地址
csrnet_weights.pth	63MB	HuggingFace
yolov8s.pt	22MB	Ultralytics

或使用 Git LFS：

git lfs pull

3. 启动应用

python app.py

打开浏览器访问 http://127.0.0.1:5000

功能特性

• 图片检测：上传图片 → 密度热力图 + 人/车检测框 + 计数
• 视频检测：上传视频 → 逐帧采样 + 追踪去重 + 折线图 + 帧缩略图
• 模型切换：Part A（密集人群）/ Part B（稀疏人群）
• 历史记录：分页列表、详情查看、删除（SQLite）
• 操作日志：自动记录每次检测/删除/切换操作
• CSV 导出：按日期范围导出操作日志

API 接口

方法	路由	功能
POST	/api/count-image	图片检测
POST	/api/count-video	视频检测
GET	/api/records	历史记录列表
GET	/api/records/<id>	历史记录详情
DELETE	/api/records/<id>	删除记录
GET	/api/logs	操作日志
GET	/api/logs/export	CSV 导出
POST	/api/model-switch	切换模型

文件结构

webapp/
├── app.py                  # Flask 主程序
├── inference.py             # CSRNet + YOLO 融合推理
├── csrnet.py                # CSRNet 模型定义
├── detector.py              # YOLO 人/车检测器
├── tracker.py               # 质心多目标追踪器
├── video_processor.py       # 视频采样处理
├── db.py                    # SQLite CRUD + CSV 导出
├── models/                  # 模型权重目录
├── static/
│   ├── index.html           # 前端页面
│   └── app.js               # 前端逻辑
└── requirements.txt         # Python 依赖

许可

MIT License