《2025 DigiKey AI应用创意挑战赛》提交贴：基于树莓派与AI视觉的人流量智能检测系统
本帖最后由 eefocus_3878630 于 2026-1-17 22:12 编辑项目名称基于树莓派与AI视觉的人流量智能检测系统设计与实现
一、项目概述
1.1 项目背景
人流量统计在商业领域中扮演着至关重要的角色，尤其在商场、展厅、写字楼等高人流量区域，企业和商家需要精准地获取实时人流数据，以优化空间布局、调整经营策略、进行市场分析等。传统的统计方法，虽然能够完成一定的工作量，但往往存在以下几个主要缺陷：
人工统计：高成本、低效率，且极易受人为因素干扰，且数据不具备连贯性和长期性。
红外对射统计：适用于门口等简单场景，但难以应对多目标并行、人群聚集等复杂情况，且无法区分进出方向。
商业级视频监控系统：这些系统大多价格昂贵，且需要复杂的安装与维护，不适合中小企业或创业公司使用。
因此，设计一种低成本、高效率、易部署且功能强大的人流量智能检测系统，成为解决上述问题的最佳选择。本项目便基于树莓派平台，结合AI视觉算法与计算机视觉技术，设计了一款适用于中小商铺选址辅助等场景的实时人流量统计系统。
1.2 项目简介
本项目基于树莓派5（8GB版本）与Raspberry Pi Camera 3，结合YOLO（目标检测）与SORT（目标跟踪）算法，设计并实现了一款低成本、实时高效、易部署的人流量智能检测系统。通过该系统，用户可以实时捕捉到进入监控区域的人物，识别并统计时间段进入的人流数量，准确地跟踪每个目标的动态，避免重复计数，同时实时展示相关统计信息和运行状态。
该系统除了具备精确的人流统计功能外，还支持通过触摸屏界面进行简单易用的交互操作，且通过WiFi自动获取北京时间，提高了数据的精确度和同步性。
1.3 项目主要功能
本项目的核心功能包括以下几大模块：
实时视频采集与显示功能；
系统通过树莓派连接摄像头进行视频采集，实时显示监控区域的画面；
支持通过触摸屏控开启和关闭检测，用户可以轻松查看实时画面；
AI目标检测与人物识别功能，基于YOLO目标检测算法，识别视频流中的“人”目标；
通过置信度筛选，避免识别出无关物体（如桌椅、背景物品等）；
多目标跟踪与身份识别功能，引入SORT算法，为每个目标分配唯一ID，实现多目标的实时跟踪，在目标遮挡或短暂消失时依然保持身份稳定，避免同一目标被重复计数；
人流量统计；
基于设定的虚拟计数线，通过目标的移动方向区分“进入”，实时统计人流量，避免同一目标在连续帧中的重复计数，保证数据的精确性。
时间记录与显示功能，系统实时显示当前时间、运行时长以及当前人流统计数量；
触摸屏界面与用户交互，基于Tkinter构建用户友好的图形界面，便于操作，提供“退出”、“开始检测”、“停止检测”等按钮，支持触控操作。
二、系统总体设计
2.1 系统架构设计
本系统采用模块化设计，将硬件采集、算法处理与交互展示三大部分独立开来，使系统更加灵活、易于维护和扩展。
系统架构图：
每个模块都承担独立的任务，通过接口进行数据传输。硬件采集模块负责获取视频流，目标检测模块提取“人”目标，目标跟踪模块确保目标在运动过程中的身份稳定，人流统计模块进行实时计数和分析，最后通过图形界面模块展示结果。
2.2 硬件物料与选型说明
树莓派5（8GB版本）：提供足够的计算能力来支持YOLO模型与SORT算法的运行，具备较强的多任务处理能力。8GB内存能更好地处理多目标跟踪和并发处理。
Raspberry Pi Camera 3：提供高清图像质量，满足人流量监控的需求，同时与树莓派兼容，确保系统稳定运行。
DFR0550-V2显示屏：集成触控功能，使得系统在嵌入式环境下具备良好的交互性，尤其适用于展示和统计数据，方便用户操作。
三、软件设计与实现
3.1 软件运行环境
操作系统：Raspberry Pi OS（64位）
编程语言：Python3（注意需要在指定的文件路径创建Python环境，有一些第三方库不支持安装在系统python环境）
图形界面库：Tkinter
计算机视觉库：OpenCV
深度学习框架：PyTorch
目标检测模型：YOLO
目标跟踪算法：SORT
3.2 核心算法
目标检测（YOLO）
使用YOLO算法进行实时目标检测，该算法通过卷积神经网络（CNN）对图像进行分割，能够在单张图像中一次性识别出多个目标，极大提升了检测速度和效率。针对人流量统计的需求，YOLO模型仅识别“人”类别，排除其他无关物体。通过设置置信度阈值，系统确保每个目标的识别结果都具备高准确性。
多目标跟踪（SORT）
为了避免重复计数，系统使用SORT算法进行多目标跟踪。SORT算法基于卡尔曼滤波和匈牙利算法，能够实时追踪多个目标的运动轨迹，并为每个目标分配唯一的ID，确保在多目标场景下，统计结果更加准确。
人流统计与过线计数
系统通过设定一条虚拟线框来进行进出方向的判定。在每帧图像中，通过计算目标的中心点在两帧图像中的变化，系统能够判断目标是否经过计数线，以及其进出方向。结合目标ID信息，确保每个人只被计数一次。这里最后取得是一个线框，发现单个计数线会导致错误的IN计数。
3.3 用户交互界面设计
系统使用Tkinter框架构建了简洁的图形界面，包含以下功能：
摄像头显示：实时显示监控区域的视频流。
时间显示：显示当前时间和检测的运行时长。
人流统计：实时展示当前人流数量。
控制按钮：提供“打开摄像头”、“开始检测”、“停止检测”等按钮，支持用户触控操作。
通过触摸屏进行交互，用户无需其他输入设备即可轻松操作系统。
四、作品实物图
实际操作采集如图：
项目硬件组成：
五、演示视频
视频地址：【基于树莓派与AI视觉的人流量智能检测系统设计与实现】 https://www.bilibili.com/video/BV1pTrXB9EWN/?share_source=copy_web&vd_source=f03b02506162c2d03feeb4684b1e6313
六、项目文档代码附件：包括过程测试代码，主运行代码为main_app.py
七、其他附件测试视频附件：
页:
[1]