深度学习（YOLOv5/v11）与桌面应用开发（PyQt5） YOLOv5 检测线程 多边形区域检测逻辑 主界面交互 基于YOLOV5-V11的安全帽检测系统

智慧巡检-基于YOLOV5-V11的安全帽检测系统

YOLOV5-V11目标检测通用系统，以安全帽检测为例，亦可改成通用的目标检测系统。
本项目GUI部分使用pyqt5制作，包括数据库、多线程、自定义组件等知识，亦可作为学习深度学习和pyqt5时的练手项目。功能以及特色如下：

1.带有登陆注册界面
2.输入数据格式：图片、文件夹、视频以及支持摄像头的实时检测，并自动保存最终检测结果。
3.特色功能：支持选区检测功能，通过鼠标左键绘制多边形来确定检测区域，并且最终生成的结果视频中会保存绘制的多边形。
4.支持后处理过程中交并比（iou）以及置信度（conf）的动态调节。
5.检测视频和摄像头时，支持暂停、恢复、停止等功能，且停止后自动保存检测结果。
6.支持检测结果实时动态显示。
7. 提供详细的项目说明以及环境配置教程，即使是深度学习小白也能轻松跑通项目。
8.项目提供项目系统代码，模型训练代码，模型训练结果以及数据集。
9.包含模型训练和界面元素修改教程。
1

这是一个非常完整且功能丰富的计算机视觉项目，非常适合大学生毕业设计或研究生课题。它结合了深度学习（YOLOv5/v11）与桌面应用开发（PyQt5）。

由于整个项目包含登录、数据库、多线程、界面绘制等数千行代码，：YOLOv5 检测线程、多边形区域检测逻辑以及主界面交互。

你可以基于这些核心代码构建完整的项目。

1. 项目核心架构设计

项目主要依赖以下库：

pipinstallPyQt5 opencv-python torch torchvision matplotlib numpy

2. 核心代码：YOLOv5 检测线程 (detect_thread.py)

为了不卡死界面，检测过程必须放在子线程中。这个类负责读取视频流、进行推理并发射信号更新界面。

importsysimporttorchimportcv2importnumpyasnpfromPyQt5.QtCoreimportQThread,pyqtSignal,Qtfrommodels.commonimportDetectMultiBackendfromutils.generalimportnon_max_suppression,scale_coordsfromutils.plotsimportAnnotator,colorsclassDetectThread(QThread):# 定义信号：发送处理后的图像、日志信息、统计结果send_img=pyqtSignal(np.ndarray)send_log=pyqtSignal(str)send_status=pyqtSignal(str)def__init__(self):super(DetectThread,self).__init__()self.weights='hatV11_best.pt'# 默认模型路径self.source='0'# 默认摄像头self.conf_thres=0.25self.iou_thres=0.45self.is_running=Falseself.is_paused=Falseself.polygon_points=[]# 存储选区多边形坐标self.model=Nonedefload_model(self):# 加载 YOLOv5/v11 模型self.model=DetectMultiBackend(self.weights)self.stride,self.names,self.pt=self.model.stride,self.model.names,self.model.ptdefrun(self):self.is_running=Trueself.load_model()# 打开视频源 (摄像头或视频文件)cap=cv2.VideoCapture(int(self.source)ifself.source.isdigit()elseself.source)whileself.is_running:ifself.is_paused:self.msleep(100)continueret,frame=cap.read()ifnotret:break# 推理逻辑img=self.preprocess(frame)pred=self.model(img)pred=non_max_suppression(pred,self.conf_thres,self.iou_thres)# 后处理与绘图result_frame=self.postprocess(frame,pred)# 发送图像到主界面self.send_img.emit(result_frame)cap.release()defpreprocess(self,frame):# 图像预处理img=cv2.cvtColor(frame,cv2.COLOR_BGR2RGB)img=img.transpose((2,0,1))[::-1]# HWC to CHW, BGR to RGBimg=np.ascontiguousarray(img)img=torch.from_numpy(img).float()/255.0img=img.unsqueeze(0)# 添加 batch 维度returnimgdefpostprocess(self,frame,pred):det=pred[0]im0=frame.copy()annotator=Annotator(im0,line_width=2,example=str(self.names))helmet_count=0no_helmet_count=0iflen(det):# 将检测框映射回原图尺寸det[:,:4]=scale_coords(self.img.shape[2:],det[:,:4],im0.shape).round()for*xyxy,conf,clsinreversed(det):c=int(cls)label=f'{self.names[c]}{conf:.2f}'# 判断点是否在多边形内 (选区检测)center_point=(int((xyxy[0]+xyxy[2])/2),int((xyxy[1]+xyxy[3])/2))iflen(self.polygon_points)>0:# cv2.pointPolygonTest 返回值 > 0 表示在内部res=cv2.pointPolygonTest(np.array(self.polygon_points,np.int32),center_point,False)ifres<0:continue# 如果在多边形外，则跳过不画# 统计逻辑ifc==0:# 假设类别0是 helmethelmet_count+=1color=(0,255,0)# 绿色else:# 假设类别1是 head (没戴安全帽)no_helmet_count+=1color=(0,0,255)# 红色# 这里可以添加报警逻辑annotator.box_label(xyxy,label,color=color)# 绘制多边形选区iflen(self.polygon_points)>0:cv2.polylines(annotator.im,[np.array(self.polygon_points,np.int32)],True,(255,0,0),2)returnannotator.result()defstop(self):self.is_running=False

3. 主界面实现 (main_window.py)

这是 PyQt5 的核心部分，处理按钮点击、滑块调节和显示视频流。

importsysfromPyQt5.QtWidgetsimportQMainWindow,QApplication,QFileDialog,QMessageBoxfromPyQt5.QtGuiimportQImage,QPixmapfromui_mainimportUi_MainWindow# 假设你用 QtDesigner 设计了界面并转为 pyfromdetect_threadimportDetectThreadclassMainWindow(QMainWindow,Ui_MainWindow):def__init__(self):super().__init__()self.setupUi(self)# 初始化变量self.thread=DetectThread()# 连接信号与槽self.btn_start.clicked.connect(self.start_detection)self.btn_pause.clicked.connect(self.pause_detection)self.btn_stop.clicked.connect(self.stop_detection)self.slider_conf.valueChanged.connect(self.change_conf)self.thread.send_img.connect(self.update_image)# 鼠标事件用于绘制多边形self.video_label.mousePressEvent=self.mouse_press_event self.polygon_points=[]defstart_detection(self):# 获取文件路径source,_=QFileDialog.getOpenFileName(self,"选择视频或图片",".","Video Files (*.mp4 *.avi);;Image Files (*.jpg *.png)")ifsource:self.thread.source=source self.thread.start()defupdate_image(self,img):# 将 OpenCV 图像转换为 Qt 图像显示show=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)showImage=QImage(show.data,show.shape[1],show.shape[0],QImage.Format_RGB888)self.video_label.setPixmap(QPixmap.fromImage(showImage))defchange_conf(self,value):# 动态调节置信度self.thread.conf_thres=value/100.0defmouse_press_event(self,event):# 简单的多边形绘制逻辑ifevent.button()==Qt.LeftButton:x,y=event.x(),event.y()self.polygon_points.append([x,y])# 这里需要重绘视频帧以显示绘制的点，略去具体绘图代码

4. 数据库与登录 (login.py)

使用 SQLite 进行简单的用户管理。

importsqlite3fromPyQt5.QtWidgetsimportQDialog,QMessageBoxclassLoginDialog(QDialog):def__init__(self):super().__init__()self.init_db()# 这里需要加载你的登录界面 UIdefinit_db(self):conn=sqlite3.connect('users.db')c=conn.cursor()c.execute('''CREATE TABLE IF NOT EXISTS users (username text PRIMARY KEY, password text)''')conn.commit()conn.close()deflogin(self):username=self.input_user.text()password=self.input_pwd.text()conn=sqlite3.connect('users.db')c=conn.cursor()c.execute("SELECT * FROM users WHERE username=? AND password=?",(username,password))ifc.fetchone():self.accept()# 登录成功，关闭对话框else:QMessageBox.warning(self,"错误","用户名或密码错误")

5. 如何运行

1. 模型准备：你需要先训练一个 YOLOv5 模型（例如hatV11_best.pt），类别为helmet和head。
2. 界面设计：使用 Qt Designer 设计.ui文件，然后使用pyuic5转换为ui_main.py。
3. 整合：将上述代码片段整合到你的项目中。
4. 启动：在main.py中先弹出LoginDialog，验证通过后再显示MainWindow。

这套代码结构清晰，涵盖了从底层检测到上层交互的所有关键点，非常适合用来做毕业设计或课程作业。