毕业设计——基于深度学习的交通流量检测系统

基于深度学习的交通流量检测系统 深度学习|人工智能|数据分析|VUE|SpringBoot

简介

项目主要分为三部分，算法、前端和后端，算法读取摄像头数据并实时处理，将处理后的结果发给后端保存，处理后的视频经流媒体发给前端显示；前端使用Vue框架，结合element-ui、Echarts实现了对人流量数据的图表分析功能。后端采用SpringBoot，实现数据的接收发送与用户权限管理。

技术栈

• 前端： vue3 + element-ui + Echarts + 高德地图api
• 后端： spring boot + mysql
• 人工智能： pytorch + yolov5 + deepsort
• 部署： docker + nginx

ps:服务器带宽有限，访问人多的话会很卡。

功能特色

• 可动态的添加删除摄像头，扩展性好;
• 可直接接入现有摄像头，无需单独安装;
• 可以以日、周、月、年为单位进行人流量分析;
• 可对用户进行权限管理，不同用户拥有不同的权限;
• 可根据摄像头位置坐标，实时查看摄像头位置;
• 人数信息实时更新;
• 多端登入，方便快捷（暂未优化手机端）。

项目运行

数据库

1. 创建mysql数据库
2. 根据mysql文件夹下的sql文件初始化数据

后端

1. 进入Spring boot文件夹
2. 修改application.yml，配置数据源和端口
3. 运行入口文件：PeopleDetectionSystemSpringBootApplication.class

前端

1. 进入Vue文件夹
2. 注册高德开放平台账号，申请key，填入项目index.html的16和19行。
3. 修改vite.config.js文件的target为后端地址
4. 修改video.vue中的流媒体服务器地址。
5. 在项目目录运行命令下载并安装包文件：cnpm install
6. 运行：npm run dev

流媒体服务器

本项目采用nginx搭建流媒体服务器，需安装nginx和nginx-rtmp-module插件，建议使用 docker-nginx-rtmp，环境都集成好了，直接用就可以了。

深度学习算法

1. 安装ffmpeg
2. 运行环境：
   • python 3.6+，pip 20+
   • pytorch
   • pip install -r requirements.txt
3. 修改main.py中的数据上传地址和流媒体服务器地址
4. 配置好环境后直接运行main.py：python main.py

整体架构

在这里插入图片描述

项目截图

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

参考资料

• VUE官网
• Element-UI
• Echarts
• 高德地图开放平台
• docker-nginx-rtmp
• yolov5 deepsort 行人 车辆 跟踪 检测 计数

资源地址 基于深度学习的交通流量检测系统