基于YOLOv8的扶梯逆行行为预警系统：从检测到部署全解析

简介：这是一套面向计算机、人工智能、自动化等专业学生与教师的毕业设计级项目资源，围绕商场扶梯场景下的逆行行为预警展开，基于YOLOv8目标检测模型实现从训练到推理的完整流程，适合作为毕设、课程设计或大作业的参考方案，也便于初学者进阶学习。压缩包共8个文件，包含3个Python脚本、3个模型权重文件与2个说明文本，整体约15.91MB，脚本分别对应可视化界面、模型训练与视频检测，权重文件可直接加载推理，说明文档则提供部署与使用指引。项目已完整跑通，可生成核心指标曲线、混淆矩阵、F1分数曲线、精确率-召回率曲线、验证集预测结果及标签分布图，便于答辩展示与结果分析。目前已有37人学习下载，读者可据此快速复现实验、理解检测流程，并在源码基础上修改扩展，用于其他行为识别任务。

1. 扶梯逆行预警这件事，为什么值得用 YOLOv8 认真做一遍

商场扶梯的逆行行为，说白了就是有人图省事，在向下运行的梯级上往上走，或者反过来。这事看起来只是个人习惯问题，但一旦摔倒，后面的人跟着叠上去，后果不是一句“注意安全”能兜住的。传统做法靠保安盯监控，一个商场几十路摄像头，人眼根本看不过来，漏报是常态。基于 YOLOv8 的扶梯逆行行为预警系统，核心就是用目标检测加轨迹跟踪，自动判断梯级上的人是不是在跟运行方向对着干，一旦确认就触发告警。这套方案适合谁？做毕设或课程设计的学生，需要一套能跑通、有界面、有数据集、部署不折腾的完整项目；也适合想入门视频行为分析的工程师，拿它当第一个端到端落地案例。源码、可视化界面、完整数据集、部署教程都齐了，简单部署即可运行，重点是你得知道每一步在干什么，不然换个场景就翻车。

2. 从检测到预警：YOLOv8 扶梯逆行系统的技术链路拆解

2.1 为什么选 YOLOv8 而不是其他检测器

扶梯场景对检测器的要求很具体：人得框准，尤其是侧身、弯腰、被遮挡的情况；速度得够，商场摄像头通常 25fps，检测加跟踪不能掉到 10fps 以下；模型得轻，最好能在边缘设备上跑，比如 RK3588 或者带 GPU 的工控机。YOLOv8 在这三点上比较均衡。相比 YOLOv5，它的 C2f 模块和解耦头在中小目标上更稳，扶梯上的人远近距离跨度大，这个改进直接受益。相比 RT-DETR 这类 Transformer 检测器，YOLOv8 的推理速度快一截，部署工具链也更成熟，ONNX、TensorRT、OpenVINO 都有现成路径。

我一般会选 yolov8s 或 yolov8m 作为起点。yolov8n 太快但精度掉得明显，扶梯上的人一多就漏；yolov8l 精度好但边缘设备跑不动。yolov8s 在 GTX1660Ti 上能跑到 60fps 以上，在 RK3588 上量化后也能到 15fps 左右，够用。训练参数方面，imgsz 设 640，batch 根据显存调，8G 显存用 16，12G 用 32。epochs 不用一上来就 300，先跑 100 看 mAP 曲线，如果 80 轮后还在涨再加。学习率用默认的 0.01 配合余弦退火，但扶梯数据集通常不大，几千张图，这时候把 lr0 降到 0.001 更稳，不然前期震荡厉害。

数据集这块，标题里说“完整数据集”，但你要清楚它大概率是标注好的扶梯场景图片，可能包含正常行走、逆行、摔倒等类别。拿到手先别急着训练，用 labelme 或者 labelImg 抽查几十张，看框有没有漏标、错标。扶梯逆行这个任务，关键类别其实是“人”和“梯级运行方向”，但梯级方向没法从单帧看出来，所以实际做法是：检测人，跟踪人，再结合扶梯运行方向做逻辑判断。数据集里如果有“逆行”这个行为类别，那多半是视频抽帧后人工标的，训练时要注意帧间泄漏——同一段视频的相邻帧不能同时出现在训练集和验证集，否则 mAP 虚高，上线就翻车。

2.2 逆行判断的逻辑层：从检测框到行为告警

YOLOv8 只负责框人，逆行判断得自己写。常见做法是：用 ByteTrack 或 BoT-SORT 做多目标跟踪，给每个人一个 ID，然后记录每个人在画面中的运动轨迹。扶梯的运行方向是固定的，比如画面里梯级从上往下走，那正常人的 y 坐标应该逐渐增大。如果某个 ID 的 y 坐标在连续 N 帧内持续减小，且位移超过阈值，就判定为逆行。

这里有几个参数必须调。第一是轨迹长度，太短容易误判，比如人原地转身；太长反应慢。我一般设 15 帧，25fps 下约 0.6 秒。第二是位移阈值，跟画面分辨率有关，1080p 下扶梯区域高度大概 600 像素，逆行 0.6 秒位移至少 30 像素才明显，所以阈值设 25 到 35 之间。第三是置信度过滤，YOLOv8 输出的框置信度低于 0.5 的直接丢掉，不参与跟踪，不然 ID 跳变会让你怀疑人生。

import cv2 import numpy as np from ultralytics import YOLO from collections import defaultdict, deque # 加载 YOLOv8 模型，这里用 yolov8s，平衡速度和精度 model = YOLO("yolov8s.pt") # 扶梯区域，根据实际摄像头画面标定，格式 [x1, y1, x2, y2] escalator_roi = [200, 300, 800, 900] # 存储每个跟踪 ID 的最近 y 坐标，用于判断运动方向 track_history = defaultdict(lambda: deque(maxlen=15)) # 逆行判定阈值：连续帧内 y 坐标变化超过该值且方向与扶梯相反 REVERSE_THRESHOLD = 30 cap = cv2.VideoCapture("escalator.mp4") while cap.isOpened(): ret, frame = cap.read() if not ret: break # YOLOv8 检测 + ByteTrack 跟踪，persist=True 保持帧间跟踪状态 results = model.track(frame, persist=True, classes=[0], conf=0.5) if results[0].boxes.id is not None: boxes = results[0].boxes.xyxy.cpu().numpy() ids = results[0].boxes.id.cpu().numpy().astype(int) for box, tid in zip(boxes, ids): x1, y1, x2, y2 = box cx, cy = (x1 + x2) / 2, (y1 + y2) / 2 # 只处理落在扶梯区域内的人 if escalator_roi[0] < cx < escalator_roi[2] and escalator_roi[1] < cy < escalator_roi[3]: track_history[tid].append(cy) # 轨迹长度足够才判断 if len(track_history[tid]) == 15: dy = track_history[tid][-1] - track_history[tid][0] # 假设扶梯向下运行，正常 y 增大，dy 为负且绝对值大则逆行 if dy < -REVERSE_THRESHOLD: cv2.putText(frame, "REVERSE!", (int(x1), int(y1) - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 255), 2) # 这里可以触发告警：写日志、推流、发消息 cv2.imshow("Escalator Monitor", frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()

这段代码的逻辑很直白：YOLOv8 负责检测人，ByteTrack 负责给每个人分配 ID，track_history 记录每个 ID 最近 15 帧的 y 坐标中心。如果 15 帧内 y 坐标减少了超过 30 像素，就认为这个人在往上走，而扶梯是向下的，判定逆行。参数方面，conf=0.5 是置信度阈值，调低会引入更多误检，调高会漏人；classes=[0] 表示只检测人这一类，COCO 数据集里人的类别 ID 是 0；persist=True 很关键，不加的话每帧跟踪状态重置，ID 会乱跳。REVERSE_THRESHOLD 需要根据你的摄像头角度和分辨率微调，建议先在测试视频上跑一遍，把每个人的 dy 值打印出来看分布，再定阈值。

2.3 可视化界面怎么搭才不鸡肋

标题里提到可视化界面，很多人用 PyQt 或者 Gradio 糊一个，能显示视频就行。但实际用起来，界面得解决三个问题：实时看、回看告警、调参数。我一般用 PyQt5 加 OpenCV 做，左边显示实时画面，右边列出最近告警记录，底部放几个滑块调置信度和逆行阈值。这样演示的时候不用改代码，直接拖滑块就能展示效果，毕设答辩很加分。

界面刷新用 QTimer，每 30ms 读一帧，跟视频帧率匹配。告警记录存到一个 deque 里，最多留 100 条，每条包含时间戳、跟踪 ID、画面截图路径。截图用 cv2.imwrite 存到本地，命名用时间戳加 ID，避免覆盖。参数调节滑块绑定回调函数，实时更新全局变量。注意 PyQt 和 OpenCV 的线程问题，视频读取和界面刷新最好放同一个线程，不然容易卡死。如果要用多线程，YOLO 推理放子线程，通过信号槽把结果传回主线程更新界面，但这样代码复杂度上去了，毕设级别单线程够用。

from PyQt5.QtWidgets import QApplication, QMainWindow, QLabel, QSlider, QVBoxLayout, QWidget from PyQt5.QtCore import QTimer, Qt from PyQt5.QtGui import QImage, QPixmap import cv2 import sys class MonitorWindow(QMainWindow): def __init__(self): super().__init__() self.conf_threshold = 0.5 self.cap = cv2.VideoCapture("escalator.mp4") self.model = YOLO("yolov8s.pt") # 界面布局：视频显示标签 + 置信度滑块 self.video_label = QLabel() self.slider = QSlider(Qt.Horizontal) self.slider.setRange(10, 90) self.slider.setValue(50) self.slider.valueChanged.connect(self.update_conf) layout = QVBoxLayout() layout.addWidget(self.video_label) layout.addWidget(self.slider) container = QWidget() container.setLayout(layout) self.setCentralWidget(container) # 定时器每 30ms 刷新一帧 self.timer = QTimer() self.timer.timeout.connect(self.update_frame) self.timer.start(30) def update_conf(self, value): # 滑块值 10-90 映射到 0.1-0.9 self.conf_threshold = value / 100.0 def update_frame(self): ret, frame = self.cap.read() if not ret: return results = self.model(frame, conf=self.conf_threshold, classes=[0]) annotated = results[0].plot() rgb = cv2.cvtColor(annotated, cv2.COLOR_BGR2RGB) h, w, ch = rgb.shape qimg = QImage(rgb.data, w, h, ch * w, QImage.Format_RGB888) self.video_label.setPixmap(QPixmap.fromImage(qimg)) def closeEvent(self, event): self.cap.release() app = QApplication(sys.argv) window = MonitorWindow() window.show() sys.exit(app.exec_())

这个界面代码只做了最核心的两件事：显示带检测框的视频，用滑块调置信度。滑块值除以 100 得到 0.1 到 0.9 的置信度，传给 YOLO 的 conf 参数。QTimer 每 30ms 触发一次 update_frame，读一帧、推理、画框、转 QImage、显示。注意 QImage 构造时 data 必须保持有效，这里 rgb 是局部变量，但 setPixmap 会拷贝数据，所以没问题。实际项目里还要加告警列表和截图保存，逻辑类似，不展开。

3. 训练自己的扶梯数据集：标注、转换与参数设置

3.1 用 labelme 标注扶梯场景的四个注意点

扶梯场景标注跟普通行人检测不太一样。第一，扶梯上的人经常被扶手带遮挡，只露出上半身，这时候框要标到可见部分，不要脑补下半身，不然模型学出来框会飘。第二，梯级本身有纹理，容易跟人的衣服混淆，标注时把梯级区域也框出来作为背景类，能降低误检。第三，逆行的人往往侧身或背对镜头，姿态跟正常行走差异大，标注时确保每个 ID 在连续帧里都标到，不要跳帧，否则跟踪训练会断。第四，如果要做行为分类，除了框人，还得给每个人打上“正常”或“逆行”标签，这个标签是帧级的，不是框级的，存成单独的 json 文件。

labelme 标注完会生成 json，每个 json 对应一张图。转 YOLO 格式需要提取 shapes 里的 label 和 points，归一化成 cx cy w h。注意 labelme 的 points 是左上角和右下角，YOLO 要的是中心点和宽高，转换公式：cx = (x1+x2)/2/w，cy = (y1+y2)/2/h，bw = (x2-x1)/w，bh = (y2-y1)/h。类别名映射成数字 ID，存成 classes.txt，顺序要和训练时的 data.yaml 一致。

import json import os from pathlib import Path # labelme json 转 YOLO txt def labelme_to_yolo(json_dir, output_dir, class_map): json_dir = Path(json_dir) output_dir = Path(output_dir) output_dir.mkdir(parents=True, exist_ok=True) for json_file in json_dir.glob("*.json"): with open(json_file, "r", encoding="utf-8") as f: data = json.load(f) img_w = data["imageWidth"] img_h = data["imageHeight"] lines = [] for shape in data["shapes"]: label = shape["label"] if label not in class_map: continue points = shape["points"] x1, y1 = points[0] x2, y2 = points[1] # 归一化并转成 YOLO 格式 cx = (x1 + x2) / 2 / img_w cy = (y1 + y2) / 2 / img_h bw = abs(x2 - x1) / img_w bh = abs(y2 - y1) / img_h lines.append(f"{class_map[label]} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}") txt_file = output_dir / (json_file.stem + ".txt") with open(txt_file, "w") as f: f.write("\n".join(lines)) # 类别映射：0 是人，1 是梯级背景 class_map = {"person": 0, "escalator_step": 1} labelme_to_yolo("labels_json", "labels_yolo", class_map)

转换脚本的核心是归一化，cx cy bw bh 都是相对于图片宽高的比例，范围 0 到 1。class_map 里 person 映射到 0，escalator_step 映射到 1，顺序必须和 data.yaml 里的 names 一致。如果标注时用了中文标签，这里要改成对应的英文，不然训练时报错。转换完抽查几个 txt，用 cv2 画出来跟原图对比，确认框的位置和大小没错。

3.2 data.yaml 与训练命令的完整参数

data.yaml 是 YOLOv8 训练的数据配置文件，路径、类别数、类别名都在里面。路径最好用绝对路径，相对路径容易因为工作目录变化找不到文件。train 和 val 分别指向训练集和验证集的图片目录，YOLO 会自动去找同名的 txt 标签。nc 是类别数，names 是类别名列表，顺序和转换时的 class_map 一致。

# data.yaml path: /home/user/escalator_dataset train: images/train val: images/val nc: 2 names: 0: person 1: escalator_step

训练命令用 yolo 命令行或者 Python 脚本都行。命令行更简洁，适合快速跑。参数里 imgsz=640 是输入尺寸，epochs=100 先跑一轮看效果，batch=16 根据显存调，workers=4 是数据加载线程数，Windows 下设 0 避免多进程问题。device=0 指定第一块 GPU，没 GPU 就设 cpu，但速度会慢很多。patience=20 表示 20 轮 mAP 不涨就早停，省时间。save_period=10 每 10 轮存一次权重，防止训练中断丢进度。

yolo detect train \ data=data.yaml \ model=yolov8s.pt \ imgsz=640 \ epochs=100 \ batch=16 \ workers=4 \ device=0 \ patience=20 \ save_period=10 \ project=escalator_runs \ name=exp1

跑完训练后，runs/detect/escalator_runs/exp1 目录下有 weights/best.pt 和 last.pt，还有 results.csv 和混淆矩阵。results.csv 里记录了每轮的 box_loss、cls_loss、mAP50、mAP50-95，用 pandas 读出来画曲线，能直观看到有没有过拟合。如果 mAP50 在 80 轮后还在涨，把 patience 调大继续跑；如果训练 loss 降但验证 loss 涨，说明过拟合，加数据增强或者减模型复杂度。扶梯数据集通常几千张，yolov8s 跑 100 轮大概半小时到一小时，取决于 GPU。

4. 部署上线的避坑清单：从训练到推理的五个翻车点

4.1 坑一：验证集 mAP 很高，上线后误报不断

现象：训练完 mAP50 到 0.95，信心满满部署到商场，结果正常行走的人也被标成逆行，保安说这系统没法用。原因：验证集和训练集来自同一段视频的相邻帧，模型记住了背景和人的外观，换一个摄像头、换一批人就不行了。解决：划分数据集时按视频段分，同一段视频的帧只能出现在训练集或验证集之一，不能混。另外验证集里要包含不同时段、不同光照、不同摄像头角度的样本，最好留一个完全没见过的摄像头做测试集。

4.2 坑二：ByteTrack 的 ID 跳变导致轨迹断裂

现象：同一个人跟踪到一半 ID 变了，track_history 里两个 ID 各有一段轨迹，都不到 15 帧，逆行判断失效。原因：遮挡、检测框抖动、置信度波动都会导致跟踪器分配新 ID。解决：调 ByteTrack 的 track_high_thresh 和 track_low_thresh，默认 0.5 和 0.1，扶梯场景可以降到 0.4 和 0.05，让低置信度框也参与匹配。另外开启 track_buffer，默认 30 帧，可以加到 60，给遮挡后重新匹配留更多时间。如果还不行，换 BoT-SORT，它对相机运动补偿更好，但速度稍慢。

4.3 坑三：逆行阈值设死，换摄像头就失效

现象：在测试视频上调好的 REVERSE_THRESHOLD=30，换到另一个摄像头，要么不报警，要么乱报警。原因：不同摄像头的安装角度、焦距、分辨率不同，人在画面里的像素位移速度不一样。解决：不要用固定像素阈值，改成相对值。比如计算扶梯区域的高度 H，阈值设为 H 的 5%，或者用人在画面中的框高作为参考，位移超过框高的 1.5 倍才判定。更稳的做法是标定扶梯运行速度，用光流法估计梯级运动，人的运动方向跟梯级方向夹角超过 90 度才判逆行。

4.4 坑四：PyQt 界面卡死，视频延迟越跑越大

现象：界面跑几分钟后卡住，视频画面延迟好几秒，点滑块没反应。原因：YOLO 推理和界面刷新在同一个线程，推理耗时波动时 QTimer 事件堆积，消息队列堵死。解决：把推理放子线程，用 QThread 或 Python threading，通过信号槽把检测结果传回主线程更新界面。子线程里读帧、推理、画框，主线程只负责显示。注意 OpenCV 的 VideoCapture 不要在多个线程里同时读写，加锁或者只在子线程里操作。

4.5 坑五：RK3588 部署时模型转换后精度掉一半

现象：PyTorch 模型在 PC 上 mAP50 0.92，转成 ONNX 再转 RKNN 放到 RK3588 上，mAP50 掉到 0.6，漏检严重。原因：RKNN 量化时用了默认的 uint8 量化，扶梯场景光照变化大，量化误差累积。解决：量化时用混合量化，对第一层和最后一层保持 float16，中间层用 uint8。另外校准集要覆盖不同光照和场景，至少 200 张图，不要随便拿几十张凑数。转换脚本里 mean_values 和 std_values 要跟训练时一致，YOLOv8 默认是 0 到 1 归一化，mean 设 0,0,0，std 设 255,255,255。

5. 把预警系统跑稳的三个进阶习惯

第一个习惯：用视频抽帧做回归测试。每次改完代码，不要只跑一张图看效果，把测试视频抽成 100 帧，批量跑一遍，统计误报和漏报数量。我一般写个脚本，读视频、逐帧推理、记录告警次数，跟人工标注的 ground truth 对比，算准确率和召回率。这样改参数心里有数，不会凭感觉调。

第二个习惯：告警日志要带上下文。只记“某帧某 ID 逆行”没用，要把前后 30 帧的截图存下来，按时间戳和 ID 建文件夹。出问题回看的时候，能直接看到人是怎么走的，是误报还是漏报一目了然。日志格式用 JSON，字段包括 timestamp、track_id、bbox、dy、confidence，方便后续分析。

第三个习惯：模型更新用增量训练。商场场景会变，比如换了地砖、加了广告牌，旧模型可能误检。不要每次从头训，用旧权重做预训练，新数据跑 20 到 30 轮，学习率降到 0.0001，既能适应新场景，又不会遗忘旧知识。增量训练的数据要包含旧场景的样本，比例大概 1:1，不然会灾难性遗忘。

最后说个我自己的教训：别一上来就追求高 mAP，先把推理链路跑通，用默认的 yolov8s.pt 加 ByteTrack 跑一遍测试视频，看看告警逻辑对不对。很多时候问题不在模型，在轨迹判断和阈值设置。把逻辑调稳了，再换更大的模型或者调训练参数，事半功倍。希望帮到你。

本文还有配套的精品资源，点击获取