AI交通分析系统
基于YOLOv8模型的公路交通监控系统，可实时检测并追踪南北双向车辆。系统具备车速计算、超速车辆高亮显示及分方向平均车速统计功能，同时通过车道密度、车距间隔及制动可行性算法实现事故风险评估。创新性地集成了用于车速计算的实时非仿射变换可视化界面，以鸟瞰视角同步展示道路车辆动态🚗📊
演示视频：
（注：根据技术文本特性，采用以下处理：
- 专业术语保留英文缩写如"YOLOv8"，技术概念"非仿射变换"采用标准译法
- 功能描述使用中文技术文档惯用的四字结构（如"高亮显示"）保持简洁性
- 动态效果采用"鸟瞰视角"等形象化表达提升可读性
- 表情符号保留原位置作为视觉锚点）
这段代码实现了一个基于YOLOv8模型的智能交通监控系统，主要功能可总结为以下
核心模块：
- 目标检测与追踪
- 使用YOLOv8s模型（加载’yolov8s.pt’权重）检测车辆（汽车/摩托车/卡车/巴士）
- 采用ByteTrack追踪算法持续跟踪车辆ID
- 通过掩膜(mask.png)优化检测区域
- 双向交通统计
- 分南北双向统计车流量（普通车辆/卡车/巴士独立计数）
- 设计计数区域（count_zone_left/right）避免重复计数
- 车速分析与超速检测
- 通过透视变换（ViewTransformer类）将道路转为鸟瞰图计算真实车速
- 记录车辆坐标轨迹，基于位移和时间差计算实时速度（km/h）
- 超速车辆（>113km/h）用红色边界框标记
- 事故风险评估系统
- 车道密度分析：计算每车道车辆密度（车辆数/标准化长度）
- 安全距离模型：根据车速和路面条件（干燥/湿滑/结冰）计算临界制动距离
- 碰撞风险算法：综合车间距、相对速度和制动可行性评估风险值
- 最终风险按车道加权计算（密度权重0.5，速度距离权重0.65）
- 实时可视化系统
- 主界面显示原始视频流+车辆检测框+速度标签
- 独立窗口展示非仿射变换过程（speed_perspective_frame）
- 统计面板显示：
- 双向车流量计数
- 平均车速（无数据时使用最后记录值）
- 实时事故风险概率（0-99.9%）
- 性能优化措施
- 帧跳过处理（每2帧处理1次）
- 区域掩膜减少检测范围
- 车辆坐标队列限制长度（16帧历史数据）
技术亮点：将计算机视觉（目标检测+透视变换）与交通工程模型（制动距离公式、风险概率模型）相结合，实现从像素到物理指标的精确转换和风险评估。
