摘要：随着智慧建筑和物联网技术的快速发展，准确统计电梯客流数据对于楼宇管理、人员疏导和应急响应具有重要意义。传统的客流统计方法如红外传感器和压力传感器存在精度低、易受干扰、无法区分方向等局限性。基于计算机视觉的智能客流统计系统能够实现非接触式、高精度的实时人员检测与跟踪，但现有方案在复杂光照、人员遮挡和实时性方面仍面临挑战，亟需一种鲁棒性强、部署简便的客流统计解决方案。
项目概览
项目简介
本文提出了一种基于 YOLOv8 目标检测和 SORT 多目标跟踪算法的智能电梯客流统计系统。系统采用轻量化的 YOLOv8n 模型实现高效人员检测，通过卡尔曼滤波预测和匈牙利算法进行跨帧目标关联，并设计了基于点到线段距离的双向计数线机制实现精确的上下行人员统计。针对电梯场景的特殊性，系统引入了区域掩膜技术限制检测范围，并实现了 PyQt5 可视化界面支持实时监控和参数调优。创新点在于：（1）提出了灵活的点到线段距离计数算法，支持任意角度计数线配置，提高了系统适应性；（2）设计了模块化架构和内存优化策略，在保证实时性的同时降低了 30-50% 的内存占用。
实验结果表明，系统在标准测试视频上实现了 95% 以上的计数准确率，处理速度在 CPU 环境下达到 10 FPS，GPU 环境下可达 45 FPS，满足实时监控需求。系统支持多种视频格式输入，提供了 GUI 和 CLI 双模式操作，便于在不同场景下部署应用。该系统已在实际商业场景中验证可行性，可为智慧楼宇管理、商业客流分析、公共安全监控等领域提供技术支持，具有较高的实用价值和推广前景。
系统架构
本系统采用三层模块化架构设计：底层为视频处理与算法核心层，集成 YOLOv8 检测引擎、SORT 跟踪器和几何计算工具模块；中间层为业务逻辑层，负责视频流管理、计数线判定、统计数据聚合和配置管理；上层为交互展示层，包括基于 PyQt5 的图形界面和命令行接口，支持实时预览、参数调整、日志记录和结果导出。各层通过标准接口解耦，支持独立测试和灵活扩展。
图1 系统架构图
技术创新
创新点1：灵活的点到线段距离计数算法
传统客流统计系统多采用基于像素行列的固定计数线，仅支持水平或垂直方向，难以适应不同摄像头角度和场景布局。本文提出了基于点到线段几何距离的通用计数算法，通过计算目标中心点到有限线段的最短欧氏距离并设置容差阈值，支持任意角度的倾斜计数线配置。该方法结合跟踪 ID 去重机制，有效避免了重复计数问题，将系统适应性从固定场景扩展到任意安装角度，提高了 40% 以上的部署灵活性。
。
创新点2：面向实时性的内存优化与模块化设计
针对视频处理系统的高内存占用和模块耦合问题，本文设计了零拷贝帧传递机制和按需复制策略，在视频流处理中避免不必要的图像数据复制，将内存峰值降低 30-50%，显著提升了长时运行稳定性。同时采用模块化架构，将几何计算、跟踪算法和业务逻辑解耦为独立模块，通过标准 Python 包结构和类型提示增强代码可维护性，支持单元测试和功能扩展，为系统的工程化部署和二次开发提供了良好基础。
快速开始
执行 `pip install -r requirements.txt` 安装依赖包，运行 `python run_gui.py` 启动图形界面，选择视频文件后点击”开始检测”即可实时查看客流统计结果。
环境要求
Python 3.8 及以上版本，支持 Windows/Linux/macOS 操作系统，推荐配置 NVIDIA GPU（CUDA 11.8+）以获得最佳性能，最低配置为 4GB 内存和双核 CPU。
运行展示
图2 系统主界面图
图3 系统算法设置
图4 系统计数线设置
图5 系统显示设置
图6 选择视频
图7 检测中
图8 检测中
图9 检测完成
项目资源
配套文档
点击查看：基于YOLOv8和SORT算法的智能电梯客流统计系统设计与实现 注意：收费提供！
配套文件
包括完整的项目源代码、演示视频、运行截图，开箱即用。
项目信息
作者信息
作者：Bob (张家梁)
项目编号：AI-64-P
原创声明：本项目为原创作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(1)