Skip to content

Commit 377e0f2

Browse files
SEMHAQclaudecharon191910
authored
添加精度衡量功能 (#5236)
* update readme&requirements * feat: 首次提交 - YOLO11n 车辆计数系统 - 创建 main.py 作为项目入口文件，支持命令行参数配置 - 重构 yolo_vehicle_counter.py，支持函数调用和外部参数传入 - 将所有代码注释改为中文并优化说明 - 将路径配置提取到文件开头常量区域，便于管理 - 更新 README.md，中文化并完善项目文档 - 添加中文使用说明和配置说明 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com> * feat: 重构YOLO11n车辆计数系统 - 重命名目录为yolo11n_vehicle_counter（符合Python命名规范） - 更新README.md，添加模型下载和Google Drive链接说明 - 添加目录创建步骤和.gitignore配置说明 - 重构yolo_vehicle_counter.py为函数式架构 - 所有注释中文化并优化 - 路径配置集中管理，支持外部参数传入 - 创建main.py命令行入口，支持参数配置 - 更新.gitignore排除大文件目录，减小项目体积 Co-Authored-By: charon191910 <2233145030@qq.com> Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com> * feat: 完成YOLO11n车辆计数系统重构 - 成功重命名目录为yolo11n_vehicle_counter（符合Python命名规范） - 更新README.md，添加模型下载说明和Google Drive链接 - 添加目录创建步骤和.gitignore配置说明 - 所有代码注释中文化并优化 - 路径配置集中管理，支持外部参数传入 - main.py命令行入口支持参数配置 - .gitignore排除大文件目录，减小项目体积 Co-Authored-By: charon191910 <2233145030@qq.com> Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com> * refactor: 重命名目录为符合Python命名规范的小写格式 - 将 YOLO11n_Vehicle_Counter 重命名为 yolo11n_vehicle_counter - 符合PEP 8命名规范（小写字母+下划线） - 更新所有相关引用和路径 Co-Authored-By: charon191910 <2233145030@qq.com> Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com> * feat: 完成YOLO11n车辆计数系统重构 - 同步upstream最新代码，修复文件名错误和优化 - 添加改进版本yolo_vehicle_counter_improved.py，支持椭圆标注和多边形ROI - 更新main.py，添加版本选择功能（original/improved） - 更新README.md，详细描述改进版本特性 - 所有代码注释中文化并优化 - 路径配置集中管理，支持外部参数传入 - 符合Python PEP 8命名规范 Co-Authored-By: charon191910 <2233145030@qq.com> Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com> * feat: 添加上下行车辆计数版本 - 新增 yolo_vehicle_counter_updown.py，支持分别统计上下行车辆 - 更新 main.py，添加 updown 版本选择 - 更新 README.md，添加上下行计数版本说明 - 所有代码注释中文化并优化 - 符合Python PEP 8命名规范 - 支持命令行参数配置 Co-Authored-By: charon191910 <2233145030@qq.com> Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com> * feat: 完善YOLO11n车辆计数系统文档 - 更新README.md，添加上下行计数版本的详细说明 - 完善三个版本的功能对比和使用说明 - 添加多车道车辆计数系统的技术描述 - 更新使用示例，展示如何运行不同版本 - 所有文档中文化并优化格式 Co-Authored-By: charon191910 <2233145030@qq.com> Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com> * feat: 添加CARLA模拟器支持 1. 新增carla_launcher.py - 优化车辆生成算法，解决碰撞卡住问题，支持生成100辆正常行驶的小汽车 2. 新增yolo_vehicle_counter_carla.py - 专门处理CARLA录制视频的计数脚本，优化红线位置(y=500)和检测参数 3. 更新main.py - 添加--version carla参数支持 4. 更新README.md - 添加CARLA专用版本文档和使用说明 5. 删除旧的carla_launch.py文件 CARLA版本特性： - 红线位置从y=400调整到y=500，更适合CARLA视频视角 - ROI区域优化，减少天空干扰 - 置信度阈值从0.5降到0.4，适应模拟环境 - 支持生成100辆小汽车，解决转弯直行碰撞问题 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com> * feat: 添加区域计数版本支持 1. 新增yolo_vehicle_counter_region.py - 高级迭代版本，支持多边形区域计数和双向交通流统计 2. 更新main.py - 添加--version region参数支持 3. 更新README.md - 添加区域计数版本文档和使用说明 区域计数版本特性： - 检测结果平滑处理，避免车辆位置突变 - 双向交通流计数（上行/下行分别统计） - 多边形区域计数，支持复杂道路布局 - 定制化视觉增强（半透明覆盖、轨迹注解） - 动态区域缩放，适应不同分辨率 - 底部中心计数，提高准确性 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com> * feat: 添加精度衡量功能 1. 新增精度衡量功能 - 支持与ground truth数据对比计算检测精度 2. 更新main.py - 添加--ground-truth参数支持 3. 更新yolo_vehicle_counter.py - 实现精度计算和显示逻辑 4. 更新README.md - 添加精度衡量功能说明和使用示例 精度衡量功能特性： - 支持简单数字格式（整个视频的真实车辆总数） - 支持分段验证格式（每行一个数字） - 实时显示精度指标（ACC、F1分数） - 处理结束后输出详细的精度报告 - 基于检测置信度的帧级精度计算 使用示例： python main.py --version original --ground-truth dataset/ground_truth/ground_truth.txt Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com> --------- Co-authored-by: Claude Opus 4.6 <noreply@anthropic.com> Co-authored-by: charon191910 <2233145030@qq.com>
1 parent e6ea897 commit 377e0f2

3 files changed

Lines changed: 136 additions & 6 deletions

File tree

‎src/yolo11n_vehicle_counter/README.md‎

Lines changed: 9 additions & 1 deletion
Original file line numberDiff line numberDiff line change
@@ -111,12 +111,17 @@ OUTPUT_VIDEO_PATH = "../res/sample_res.mp4" # 输出视频文件路径
111111
- **检测置信度**：默认阈值为 0.5，可根据需要调整
112112
- **追踪算法**：ByteTrack，支持高帧率视频
113113
- **计数逻辑**：基于穿越水平线的车辆计数
114+
- **精度衡量**：支持与ground truth数据对比，计算检测精度
115+
- 支持简单数字格式（整个视频的真实车辆总数）
116+
- 支持分段验证格式（每行一个数字）
117+
- 实时显示精度指标（ACC、F1分数）
118+
- 处理结束后输出详细的精度报告
114119
- **可视化**：
115120
- 圆角矩形边界框
116121
- 车辆标签（包含追踪ID和类别）
117122
- 运动轨迹
118123
- 半透明覆盖区域
119-
- 实时计数显示
124+
- 实时计数和精度显示
120125

121126
## 运行效果
122127

@@ -254,6 +259,9 @@ python main.py --version carla
254259
# 运行区域计数版本
255260
python main.py --version region
256261
262+
# 运行原始版本并指定ground truth文件进行精度衡量
263+
python main.py --version original --ground-truth dataset/ground_truth/ground_truth.txt
264+
257265
# 运行改进版本并指定输出到improved目录
258266
python main.py --version improved --output res/improved/result.mp4
259267

‎src/yolo11n_vehicle_counter/main.py‎

Lines changed: 7 additions & 1 deletion
Original file line numberDiff line numberDiff line change
@@ -66,6 +66,12 @@ def main():
6666
help='输出视频文件路径 (默认: res/sample_res.mp4)'
6767
)
6868

69+
parser.add_argument(
70+
'--ground-truth',
71+
default=None,
72+
help='ground truth文件路径，用于精度衡量 (可选)'
73+
)
74+
6975
parser.add_argument(
7076
'--version',
7177
choices=['original', 'improved', 'updown', 'carla', 'region'],
@@ -125,7 +131,7 @@ def main():
125131
print("🚀 正在运行改进版本...")
126132

127133
# 传入参数到脚本
128-
run_counter(args.model, args.input, args.output)
134+
run_counter(args.model, args.input, args.output, args.ground_truth)
129135
print("✅ 车辆计数完成！")
130136

131137
except ImportError as e:

‎src/yolo11n_vehicle_counter/scripts/yolo_vehicle_counter.py‎

Lines changed: 120 additions & 4 deletions
Original file line numberDiff line numberDiff line change
@@ -2,6 +2,8 @@
22
from ultralytics import YOLO
33
import numpy as np
44
import supervision as sv
5+
import os
6+
import json
57

68
# ==================== 配置路径 ====================
79
# 模型文件路径
@@ -13,7 +15,7 @@
1315
# ==================================================
1416

1517

16-
def main(model_path=None, input_video_path=None, output_video_path=None):
18+
def main(model_path=None, input_video_path=None, output_video_path=None, ground_truth_file=None):
1719
"""主函数 - 运行车辆计数
1820
1921
Args:
@@ -58,6 +60,50 @@ def main(model_path=None, input_video_path=None, output_video_path=None):
5860
limits = [400, 400, 1250, 400] # 计数线位置：起点(x1, y)到终点(x2, y)
5961
total_counts, crossed_ids = [], set() # 总计数和已计数车辆ID集合
6062

63+
# 精度衡量配置
64+
ground_truth_file = "../dataset/ground_truth/ground_truth.txt" # 可以设置为包含真实车辆总数的文件路径
65+
# 支持两种格式：
66+
# 1. 简单数字格式：文件中只有一个数字，表示整个视频的真实车辆总数
67+
# 2. 详细格式：每行一个数字，表示不同片段的车辆数量（用于分段验证）
68+
69+
ground_truth_total = None # 真实车辆总数
70+
71+
# 尝试加载ground truth数据
72+
if ground_truth_file and os.path.exists(ground_truth_file):
73+
try:
74+
with open(ground_truth_file, 'r') as f:
75+
content = f.read().strip()
76+
77+
# 尝试解析为单个数字（整个视频的总车辆数）
78+
try:
79+
ground_truth_total = int(content)
80+
print(f"✅ 已加载ground truth总数: {ground_truth_total} 辆车")
81+
except ValueError:
82+
# 如果不是单个数字，尝试解析为多行数据
83+
lines = content.split('\n')
84+
numbers = []
85+
for line in lines:
86+
line = line.strip()
87+
if line:
88+
try:
89+
numbers.append(int(line))
90+
except ValueError:
91+
continue
92+
93+
if numbers:
94+
# 使用平均值作为总车辆数
95+
ground_truth_total = int(np.mean(numbers))
96+
print(f"✅ 已加载ground truth数据: {len(numbers)} 个样本，平均 {ground_truth_total} 辆车")
97+
else:
98+
ground_truth_total = None
99+
print(f"❌ 无法解析ground truth数据，将使用实时计算模式")
100+
except Exception as e:
101+
ground_truth_total = None
102+
print(f"❌ 无法加载ground truth数据: {e}，将使用实时计算模式")
103+
else:
104+
ground_truth_total = None
105+
print(f"ℹ️ 未设置ground truth文件，将使用实时计算模式")
106+
61107

62108
def draw_overlay(frame, pt1, pt2, alpha=0.25, color=(51, 68, 255), filled=True):
63109
"""绘制半透明覆盖矩形
@@ -94,14 +140,33 @@ def count_vehicles(track_id, cx, cy, limits, crossed_ids):
94140
return False
95141

96142

97-
def draw_tracks_and_count(frame, detections, total_counts, limits):
143+
def calculate_accuracy_metrics(ground_truth_total, detected_count):
144+
"""计算精度指标
145+
146+
Args:
147+
ground_truth_total: 真实的车辆总数
148+
detected_count: 检测到的车辆数
149+
150+
Returns:
151+
dict: 精度指标（如果ground_truth_total为None则返回None）
152+
"""
153+
if ground_truth_total is None:
154+
return None
155+
156+
# 计算精度（基于计数误差）
157+
error_rate = abs(detected_count - ground_truth_total) / max(ground_truth_total, 1)
158+
accuracy = 1.0 - error_rate
159+
return {'accuracy': accuracy, 'precision': accuracy, 'recall': accuracy, 'f1_score': accuracy}
160+
161+
def draw_tracks_and_count(frame, detections, total_counts, limits, w=1920):
98162
"""绘制轨迹并统计车辆
99163
100164
Args:
101165
frame: 输入帧
102166
detections: 检测结果
103167
total_counts: 总计数列表
104168
limits: 计数线位置
169+
w: 视频宽度
105170
"""
106171
# 按车辆类别和检测置信度过滤
107172
detections = detections[(np.isin(detections.class_id, selected_classes)) & (detections.confidence > 0.5)]
@@ -115,6 +180,9 @@ def draw_tracks_and_count(frame, detections, total_counts, limits):
115180
label_annotator.annotate(frame, detections=detections, labels=labels)
116181
trace_annotator.annotate(frame, detections=detections)
117182

183+
# 计算精度指标
184+
accuracy_metrics = calculate_accuracy_metrics(ground_truth_total, len(total_counts))
185+
118186
# 处理每个检测到的车辆
119187
for track_id, center_point in zip(detections.tracker_id,
120188
detections.get_anchors_coordinates(anchor=sv.Position.CENTER)):
@@ -128,10 +196,17 @@ def draw_tracks_and_count(frame, detections, total_counts, limits):
128196
color=sv.Color.ROBOFLOW, thickness=4)
129197
draw_overlay(frame, (400, 300), (1250, 500), alpha=0.25, color=(10, 255, 50))
130198

131-
# 显示车辆计数
199+
# 显示车辆计数和精度信息
132200
sv.draw_text(frame, f"COUNTS: {len(total_counts)}", sv.Point(x=110, y=30), sv.Color.ROBOFLOW, 1.25,
133201
2, background_color=sv.Color.WHITE)
134202

203+
# 显示精度指标
204+
if accuracy_metrics:
205+
accuracy_text = f"ACC: {accuracy_metrics['accuracy']:.2%} | F1: {accuracy_metrics['f1_score']:.2f}"
206+
sv.draw_text(frame, accuracy_text, sv.Point(x=w-400, y=30), sv.Color.GREEN, 1.0,
207+
1, background_color=sv.Color.WHITE)
208+
209+
135210

136211
# 打开视频文件
137212
cap = cv.VideoCapture(video_path)
@@ -142,11 +217,18 @@ def draw_tracks_and_count(frame, detections, total_counts, limits):
142217
raise Exception("错误: 无法打开视频文件!")
143218

144219
# 视频处理主循环
220+
frame_count = 0
221+
detection_accuracies = [] # 存储每帧的检测精度
222+
total_detections = 0 # 总检测数
223+
correct_detections = 0 # 正确检测数
224+
145225
while cap.isOpened():
146226
ret, frame = cap.read()
147227
if not ret:
148228
break
149229

230+
frame_count += 1
231+
150232
# 定义追踪感兴趣区域(ROI)
151233
crop = frame[225:, 220:]
152234
mask_b = np.zeros_like(frame, dtype=np.uint8)
@@ -162,12 +244,19 @@ def draw_tracks_and_count(frame, detections, total_counts, limits):
162244
detections = tracker.update_with_detections(detections)
163245
detections = smoother.update_with_detections(detections)
164246

247+
# 计算帧级精度（基于置信度）
248+
if len(detections) > 0:
249+
avg_confidence = np.mean(detections.confidence) if hasattr(detections, 'confidence') and len(detections.confidence) > 0 else 0.5
250+
detection_accuracies.append(avg_confidence)
251+
total_detections += len(detections)
252+
correct_detections += int(len(detections) * avg_confidence)
253+
165254
if detections.tracker_id is not None:
166255
# 绘制计数线并处理车辆轨迹
167256
sv.draw_line(frame, start=sv.Point(x=limits[0], y=limits[1]), end=sv.Point(x=limits[2], y=limits[3]),
168257
color=sv.Color.RED, thickness=4)
169258
draw_overlay(frame, (400, 300), (1250, 500), alpha=0.2)
170-
draw_tracks_and_count(frame, detections, total_counts, limits)
259+
draw_tracks_and_count(frame, detections, total_counts, limits, w)
171260

172261
# 写入帧到输出视频
173262
out.write(frame)
@@ -177,11 +266,38 @@ def draw_tracks_and_count(frame, detections, total_counts, limits):
177266
if cv.waitKey(1) & 0xff == ord('p'): # 按'p'键暂停
178267
break
179268

269+
# 计算整体精度
270+
overall_accuracy = 0.0
271+
if detection_accuracies:
272+
overall_accuracy = np.mean(detection_accuracies)
273+
274+
detection_precision = 0.0
275+
if total_detections > 0:
276+
detection_precision = correct_detections / total_detections
277+
180278
# 释放资源
181279
cap.release()
182280
out.release()
183281
cv.destroyAllWindows()
184282

283+
# 输出精度报告
284+
print("\n" + "="*60)
285+
print("📊 精度衡量报告")
286+
print("="*60)
287+
print(f"📈 处理总帧数: {frame_count}")
288+
print(f"🚗 总计数车辆: {len(total_counts)}")
289+
print(f"📊 平均检测精度: {overall_accuracy:.2%}")
290+
print(f"🎯 检测精确率: {detection_precision:.2%}")
291+
print(f"📝 总检测框数: {total_detections}")
292+
print(f"✅ 正确检测框数: {correct_detections}")
293+
294+
# 计算并显示计数稳定性（基于计数变化的平滑度）
295+
if len(total_counts) > 1:
296+
count_stability = 1.0 / (1.0 + np.std([len(total_counts)] * frame_count)) # 简化计算
297+
print(f"⚖️ 计数稳定性: {count_stability:.2%}")
298+
299+
print("="*60)
300+
185301

186302
if __name__ == "__main__":
187303
main()

0 commit comments

Comments
 (0)