企业官网建设流程全解析

简介：一套基于YOLOv3与PyQt5开发的交通路口智能监控项目，面向计算机视觉、智能交通方向的开发者与学习者，适用于智慧路口实验、课程设计或安防监控方案预研。系统按SRS流媒体服务器、GPU检测服务器、本地客户端三层架构设计，通过RTMP协议传输远端视频流，利用YOLO模型识别道路中的人、车、交通灯等目标，并支持并发连接。压缩包共113个文件、54.48MB，包含32个Python脚本与39个pyc核心逻辑、8个H5训练模型、4个YOLO网络配置、PyQt5界面UI、测试图片与演示视频等；配合详细安装使用说明，可完整还原整套运行环境，演示数据也便于直观核对检测效果。已有130人学习下载，对想要快速搭建视频流目标检测原型的读者来说，这份可运行的端到端代码比零散教程更具参考价值。

1. 交通路口的智能监控：这套 yolov3+pyqt5 源码解决的是真实路口问题

交通路口的监控和普通安防监控不一样：画面里目标多、尺度变化大、遮挡频繁，白天逆光晚上灯影，还经常要实时统计车流量。用纯图像处理做车辆检测，晴天还行，一到复杂天气就露馅。基于 yolov3+pyqt5 开发的交通路口智能监控系统，用深度学习模型做目标检测，用 pyqt5 做桌面交互界面，正好把“能检测”和“能操作”连成一条完整链路。这套源码适合两类人：一是要做课程设计或毕业设计的学生，需要一套能跑通、能讲清原理的完整项目；二是想在企业内部快速搭路口监控原型的工程师，先验证效果再决定要不要上重型平台。接下来我按“模型原理—数据与训练—界面集成—部署避坑—验证技巧”的顺序，把整个方案拆开讲。

2. 看懂 yolov3 在路口场景的三个关键机制：多尺度、anchor 与 Darknet-53

2.1 为什么是 yolov3 而不是更新型号

做交通路口检测，很多人一上来就问“怎么不用 yolov5 或 yolov8”。我的回答是：这套源码选 yolov3 有现实考虑。路口监控往往部署在旧电脑、工控机甚至嵌入式主板上，这些设备没有新显卡，yolov3 的 Darknet-53 骨干在 CPU 上跑也能维持可用帧率；其次，yolov3 的模型结构直观，配置写在 yolov3.cfg 里，anchor、学习率、网络尺寸全部明文可见，非常适合作为教学和二次开发基线。yolov5 和 yolov8 精度更高、训练更省心，但代码封装深，对新手不友好，对旧硬件也更吃紧。这套项目把 yolov3 作为检测核心，搭配 pyqt5 做界面，典型场景是“一台普通电脑 + 一路摄像头 + 实时显示检测结果”，而不是“多卡服务器 + 高并发视频流”。

yolov3 能成为路口检测常青树，靠的是三个机制：Darknet-53 骨干网络、特征金字塔多尺度检测、以及基于 anchor 的目标候选策略。下面逐个拆。

2.2 Darknet-53：深但不笨重的骨干网络

Darknet-53 由 53 层卷积组成，大量使用 1x1 卷积降维和残差连接。残差结构解决了一个实际问题：网络加深后梯度传不回去，训练容易崩。1x1 卷积则把通道数压缩再扩张，减少计算量。路口画面里，车和人的特征差异很大——车有规整的轮廓和玻璃反光，人形姿态变化多——骨干网络越深，提取到的语义特征越抽象，越能区分“车轮”和“行人腿部”这类容易混淆的局部。

一张 416x416 的输入图经过 Darknet-53，会在三个不同尺度输出特征图，对应关系如下表：

这就是特征金字塔的核心设计：大尺度特征图保留空间细节，小尺度特征图拥有语义抽象能力，两者互补。路口画面里，一辆车可能只有 20 像素宽，也可能占满半个画面，没有多尺度机制，模型会顾此失彼。实际用这个源码时，我会先确认 cfg 文件里width=416、height=416没有被改动，因为训练时的输入尺寸和检测时不一致会直接影响小目标召回率。

2.3 anchor：路口目标尺寸的“先验知识”

anchor 是 yolov3 里一组预设的框宽高比。模型不是从零猜测目标位置，而是在每个网格上铺几个预设框，再微调偏移量。yolov3 默认给了 9 组 anchor，按特征图尺度分配：

这组参数来自 COCO 数据集聚类。路口场景下车宽高比集中在 1.2 到 2.0 之间，行人则瘦长，和 COCO 的分布大体一致，所以直接用默认 anchor 也能跑。但如果你有特定路口的俯拍数据，可以用 k-means 重新聚类 anchor。做法是把标注框的宽高归一化后聚类成 9 组，替换 cfg 里的值，训练收敛会更快，小目标召回率能提升几个点。这就是为什么这个源码包里带训练脚本而不是只给权重——anchor 是跟着数据集走的，不是固定的。

2.4 从 cfg 里读关键参数：动手检查配置

yolov3 的结构参数全部暴露在 cfg 文件里，这是它最大的优点。我拿到任何基于 yolov3 的源码，第一件事就是写一个小脚本解析 cfg，确认三个信息：输入尺寸、anchor 数量、类别数是否匹配。

def parse_cfg(cfg_path): """读取 yolov3 cfg 中的关键结构参数，用于核对模型配置""" with open(cfg_path, 'r', encoding='utf-8') as f: lines = f.read().split('\n') layers = [] current = {} for line in lines: line = line.strip() if not line or line.startswith('#'): continue if line.startswith('['): if current: layers.append(current) current = {'type': line[1:-1]} else: key, _, value = line.partition('=') current[key.strip()] = value.strip() if current: layers.append(current) # 找出所有 yolo 输出层前的卷积层，检查 filters 是否匹配 for i, layer in enumerate(layers): if layer['type'] == 'yolo': classes = int(layer.get('classes', 0)) prev_conv = layers[i - 1] # yolov3 每个尺度的输出通道 = 3 * (classes + 5) expected_filters = 3 * (classes + 5) if 'filters' in prev_conv: actual = int(prev_conv['filters']) print(f"尺度 {i}：期望 filters={expected_filters}，实际={actual}，{'匹配' if actual == expected_filters else '不匹配，检测会崩溃'}") parse_cfg('yolov3.cfg')

这段代码的逻辑：逐行解析 cfg，把每个[convolutional]或[yolo]块提取成字典，然后检查每个 yolo 层前面的卷积层 filters 数。classes + 5里的 5 代表每个 anchor 要预测的 4 个坐标偏移加 1 个目标置信度，3 是每个尺度的 anchor 数量。如果期望值和实际值不一致，加载权重时一定会报错或直接崩。很多下载的源码包改过类别数但忘了改 filters，这个小检查能在一分钟内定位问题。运行这个脚本不需要 GPU，纯 CPU 就能执行。

2.5 帧率与精度的平衡点

实际路口监控对帧率有硬要求。倒不是必须 30fps，而是统计车流量时如果丢帧太多，计数会偏。yolov3 的推理速度取决于输入尺寸和硬件。在 i5 四核 CPU 上用 416 输入跑，大约 3 到 5 fps；用 320 输入跑，能到 8 fps 左右。如果接的是 USB 摄像头，25fps 的输入源配上 4 到 5fps 的检测速度，相当于每 5 帧才检测一次，对车流量统计来说勉强够用。想要更流畅，就得靠界面线程写跳帧逻辑，这一点后面讲 pyqt5 集成时会展开。

3. 把模型练成“路口专用”：数据集、标注格式与训练参数

3.1 数据集怎么选：公开数据和自采数据的取舍

这个监控系统的检测目标通常是“车辆、行人、骑车人、红绿灯”这几类。训练数据有两个来源：公开数据集和自己标注。公开数据集里，UA-DETRAC 是专门为交通路口场景做的，场景是北京、天津等地的真实路口抓拍，包含车辆检测和跟踪标注；BDD100K 包含车辆、行人、交通灯、交通标志等类别，画面更接近日常驾驶视角，但标注噪声偏大。两个数据集都是研究用途，下载后需要按自己的类别映射重新整理。我自己做路口项目时，一般先用 BDD100K 的一个子集做预训练，再用自己路口的半小时录像标注几百张图做微调，效果比只用公开数据高不少。

公开数据集的问题是分布偏差：训练集里是白天晴天，部署现场是晚上或雨天，检测精度会明显下降。所以交通路口监控项目我强烈建议至少采集 500 到 1000 张现场截图做补充训练，覆盖阴天、傍晚、路灯开启三种典型光照。这一步决定了你的模型是“能演示”还是“能落地”。

3.2 标注格式：VOC xml 和 YOLO txt 那点事

下载的源码包有的用 VOC 格式（xml），有的用 YOLO 格式（txt），训练前必须统一。VOC 格式保存的是目标的绝对坐标：xmin, ymin, xmax, ymax；YOLO 格式保存的是归一化后的中心点坐标和宽高：class_id, cx, cy, w, h，所有值都在 0 到 1 之间。转换时最容易出错的是中心点算错，以及宽高忘记归一化。下面这段脚本是我每次做数据集必跑的转换工具，直接放在源码包的数据目录下就能用。

import os import xml.etree.ElementTree as ET def voc_to_yolo(xml_dir, txt_dir, class_list): """把 VOC xml 标注转成 YOLO txt 标注，逐文件转换""" os.makedirs(txt_dir, exist_ok=True) for xml_file in os.listdir(xml_dir): if not xml_file.endswith('.xml'): continue tree = ET.parse(os.path.join(xml_dir, xml_file)) root = tree.getroot() size = root.find('size') img_w, img_h = int(size.find('width').text), int(size.find('height').text) txt_path = os.path.join(txt_dir, xml_file.replace('.xml', '.txt')) with open(txt_path, 'w') as f: for obj in root.iter('object'): cls = obj.find('name').text if cls not in class_list: continue cls_id = class_list.index(cls) box = obj.find('bndbox') xmin, ymin = int(box.find('xmin').text), int(box.find('ymin').text) xmax, ymax = int(box.find('xmax').text), int(box.find('ymax').text) # 计算中心点并归一化，防止宽高为 0 cx = ((xmin + xmax) / 2) / img_w cy = ((ymin + ymax) / 2) / img_h w = (xmax - xmin) / img_w h = (ymax - ymin) / img_h f.write(f"{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}\n") # 类别顺序要固定，和训练时的 data 文件一致 classes = ['car', 'bus', 'truck', 'cyclist', 'person', 'traffic_light'] voc_to_yolo('annotations_xml', 'labels_txt', classes)

这段代码有几个关键点。第一，类别列表classes的顺序就是模型输出的类别 ID，训练和检测必须用同一份映射，否则检出来全是错的。第二，归一化的除法用img_w和img_h，不是用原始像素值对应的浮点数，除错了边界全偏。第三，算w和h时用xmax - xmin，如果标注框本身存在 xmin 大于 xmax 的脏数据，这里会生成负数，模型根本学不进去。我见过的翻车案例里，八成的训练损失不收敛都是数据问题，不是网络结构问题。

3.3 训练命令与参数：直接能抄的配置

数据准备好后，训练用 darknet 框架。源码包里带的是 darknet 训练入口，命令分训练和测试两段：

# 训练命令：data 文件描述类别路径，cfg 描述网络结构，weights 是预训练权重 darknet detector train config/obj.data config/yolov3-obj.cfg darknet53.conv.74 -dont_show -map # 推理命令：weights 指训练产出的最终权重 darknet detector test config/obj.data config/yolov3-obj.cfg backup/yolov3-obj_final.weights -ext_output -dont_show

-map参数会在每个验证周期计算 mAP，方便盯着精度变化；-dont_show表示不弹可视化窗口，服务器上跑必备。训练时我要盯的参数是这几个：

训练时间的估计：单张 1080Ti 上，416 输入、12000 次迭代大约跑 6 到 10 小时。如果 4000 次迭代后 loss 还在 8 以上，先检查标注数据有没有空 txt 文件、有没有类别 ID 对不上的情况。darknet 的训练日志里avg loss是滑动平均值，稳定下降到 2 到 3 就可以考虑停。用 CPU 训练我是不建议的——不是不能跑，是一轮要几小时，迭代 12000 次得到猴年马月。

4. 用 pyqt5 把检测结果变成可操作的监控界面

4.1 界面要承载什么：不是简单画个框

这个监控系统的界面不是只显示视频和画框，至少要有四块内容：实时视频画面（带检测框）、目标计数面板（按类别统计当前帧和累计值）、信号灯状态提示、以及系统运行信息（帧率、处理帧数）。有些源码包还会加一个“越界报警”区域，检测到行人进入机动车道就闪烁告警。pyqt5 的优势在于它的信号槽机制非常适合做这种数据驱动的界面——检测线程发出信号，主界面收到信号后更新画面和统计数据，逻辑清晰，不容易写出面条代码。

界面布局常见做法是用 QMainWindow 作为主窗口，左侧放 QLabel 显示视频帧，右侧用 QVBoxLayout 纵向排列计数面板和控制按钮。视频刷新不要用 QTimer 定时器去读摄像头——那是新手最容易踩的坑，后面避坑章专门讲。

4.2 多线程是必须的：检测不能卡界面

pyqt5 的界面线程也叫主线程，负责处理鼠标点击、窗口重绘。如果在主线程里写一个while True循环去读摄像头并跑 yolov3，界面会直接卡死，窗口拖动都没反应。正确做法是检测逻辑放 QThread，线程里不断读帧、推理、发信号，主线程只负责接收信号更新界面。中间用队列解耦，网络卡顿或推理变慢时界面不会跟着掉帧。

# detection_thread.py：检测线程核心结构 import cv2 from PyQt5.QtCore import QThread, pyqtSignal import numpy as np class DetectionThread(QThread): # 信号：帧数据 + 检测结果（框坐标、类别、置信度） frame_ready = pyqtSignal(np.ndarray, list, list, list) def __init__(self, video_path, net, classes, conf_thresh=0.5): super().__init__() self.video_path = video_path self.net = net # cv2.dnn.readNetFromDarknet 加载好的网络 self.classes = classes # 类别名称列表 self.conf_thresh = conf_thresh self.running = True def run(self): cap = cv2.VideoCapture(self.video_path) # 获取网络输出层名，yolov3 有三个输出层 layer_names = self.net.getLayerNames() output_layers = [layer_names[i - 1] for i in self.net.getUnconnectedOutLayers()] while self.running: ret, frame = cap.read() if not ret: break h, w = frame.shape[:2] # 构建 blob 并前向推理 blob = cv2.dnn.blobFromImage(frame, 1/255.0, (416, 416), (0, 0, 0), True, crop=False) self.net.setInput(blob) outputs = self.net.forward(output_layers) boxes, confs, class_ids = [], [], [] for output in outputs: for detection in output: scores = detection[5:] class_id = np.argmax(scores) confidence = scores[class_id] if confidence > self.conf_thresh: # 中心点坐标和宽高是相对 416x416 的，需换算回原图 cx, cy, bw, bh = detection[:4] x = int((cx - bw/2) * w) y = int((cy - bh/2) * h) boxes.append([x, y, int(bw*w), int(bh*h)]) confs.append(float(confidence)) class_ids.append(class_id) idxs = cv2.dnn.NMSBoxes(boxes, confs, self.conf_thresh, 0.4) final_boxes = [boxes[i] for i in idxs.flatten()] if len(idxs) else [] final_confs = [confs[i] for i in idxs.flatten()] if len(idxs) else [] final_cls = [class_ids[i] for i in idxs.flatten()] if len(idxs) else [] self.frame_ready.emit(frame, final_boxes, final_confs, final_cls) cap.release()

这个线程类的几个关键设计：frame_ready信号携带了帧图像和检测结果三个列表，主线程拿到后一次性绘制，避免多次跨线程传数据；self.running是退出标志，窗口关闭时把它置为 False，线程的while循环自然退出，否则 python 进程关不掉。blobFromImage的1/255.0是像素归一化，(416, 416)必须和 cfg 里的输入尺寸一致，True表示交换 R 和 B 通道——因为 darknet 训练时用的是 RGB 顺序，而 OpenCV 读出来是 BGR，不交换的话颜色通道就乱了，检测精度会掉一大截。NMSBoxes的非极大值抑制阈值 0.4 控制重叠框的合并力度，调大一点框会更少但可能漏检，调小一点重叠目标会出多个框。对路口场景来说，车辆密集时 0.4 是合理起点。

4.3 主窗口刷新画面：QPixmap 与坐标换算

主窗口接收frame_ready信号后做三件事：把 numpy 数组转成 QImage 显示、在图像上绘制检测框、更新计数面板。绘制检测框要在界面上画，所以必须等信号到了主线程再画，不能在检测线程里画——Qt 不允许非主线程直接操作界面控件。

# main_window.py：主窗口信号槽更新界面 from PyQt5.QtGui import QImage, QPixmap from PyQt5.QtCore import Qt import cv2 class MainWindow(QMainWindow): def __init__(self): super().__init__() # 初始化界面、启动检测线程等逻辑省略 self.detection_thread.frame_ready.connect(self.update_frame) def update_frame(self, frame, boxes, confs, class_ids): """主线程槽函数：画框并刷新画面""" for box, conf, cls_id in zip(boxes, confs, class_ids): x, y, w, h = box color = self.color_map[cls_id] # 每个类别固定颜色 cv2.rectangle(frame, (x, y), (x + w, y + h), color, 2) label = f"{self.classes[cls_id]} {conf:.2f}" cv2.putText(frame, label, (x, y - 8), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 1) # 帧率估算：简单滑动平均 self.frame_count += 1 if self.frame_count % 10 == 0: import time now = time.time() fps = 10 / (now - self.last_time) self.fps_label.setText(f"FPS: {fps:.1f}") self.last_time = now # numpy 数组转 QImage，RGB888 格式 rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) h, w, ch = rgb.shape qimg = QImage(rgb.data, w, h, 3 * w, QImage.Format_RGB888) self.video_label.setPixmap(QPixmap.fromImage(qimg).scaled( self.video_label.size(), Qt.KeepAspectRatio, Qt.SmoothTransformation))

这段代码里有一个性能关键点：QImage(rgb.data, w, h, 3 * w, ...)的第四个参数是每行字节数，必须写成3 * w。如果不写，Qt 默认按字节对齐规则计算，遇到宽度不是 4 倍数的图像时画面会错位拉伸。这个坑特别隐蔽，图像看起来只是有点斜，但怎么排查都找不到原因。rgb.data直接引用了 numpy 数组的内存，槽函数返回后数组可能被回收，所以QImage需要持有一份拷贝——pyqt 内部会自动处理，但如果你在cvtColor之后又修改了frame，界面上显示的内容可能跟着变。稳妥做法是在QImage前调用np.ascontiguousarray(rgb)，确保内存连续。

界面刷新频率上，不要每帧都scaled，画面尺寸不变时可以只缩放一次，把缩放后的 QPixmap 存起来，后续直接setPixmap。对于 1920x1080 的输入，缩放到 800x450 显示，能明显减轻绘制开销。另一种折中是检测线程固定每 3 帧推理一次，但每一帧都发信号给界面显示原始视频，这样视频流畅度不受推理速度拖累，计数也不会比原来少。这是交通监控场景最实用的配置：画面要流畅，检测不必每帧都跑。

5. yolov3+pyqt5 集成避坑清单：环境、路径、线程与打包的 5 条踩坑记录

5.1 Python、PyQt5、OpenCV 版本互相打架

现象：按说明pip install pyqt5 opencv-python装完之后，import cv2 正常，import PyQt5 正常，但一运行程序就崩溃，报错信息指向 Qt 平台插件，或者 cv2 和 PyQt5 同时 import 时闪退。

原因：OpenCV 的不同版本捆绑了自己的 Qt 库，和 PyQt5 的 Qt 库版本冲突。这类问题是环境类项目的头号翻车点，版本玄学，不是代码逻辑问题。

解决：用虚拟环境隔离，并且锁版本组合。我验证过一组稳定组合：Python 3.8 + PyQt5 5.15.4 + opencv-python 4.5.4 + numpy 1.21，这套组合在 Windows 10 和 Ubuntu 20.04 上都能正常跑 yolov3 推理界面。装的时候一次性指定版本：

python -m venv traffic_env traffic_env\Scripts\activate pip install pyqt5==5.15.4 opencv-python==4.5.4 numpy==1.21.0

如果你下载的源码包 requirements.txt 里有opencv-python-headless，注意这个包不带 GUI 模块，和 pyqt5 一起用一般没事，但如果程序里调用了cv2.imshow会报错。检测线程里只要不用imshow，headless 版本反而更干净，因为避免了两套 Qt 冲突。

5.2 相对路径读不到模型和配置文件

现象：程序在开发目录里双击能跑，把整个项目文件夹复制到别的机器，双击后报错FileNotFoundError: yolov3.weights，或者 OpenCV 加载 cfg 时报解析失败。

原因：代码里写的是相对路径'yolov3.weights'，当前工作目录和项目根目录不一致时，路径就失效了。Windows 上双击启动时工作目录是脚本所在目录，但从命令行启动或者打包成 exe 后，工作目录可能是 system32 或 exe 所在目录，完全不同。

解决：所有模型文件和配置都改成基于脚本所在目录的绝对路径：

import os BASE_DIR = os.path.dirname(os.path.abspath(__file__)) cfg_path = os.path.join(BASE_DIR, 'config', 'yolov3.cfg') weights_path = os.path.join(BASE_DIR, 'weights', 'yolov3.weights')

然后启动程序时先做一次文件存在性检查，哪个文件缺失直接打印清晰提示，而不是让 OpenCV 抛一个看不懂的底层错误。这一步能在部署现场省下大量远程排障时间。

5.3 中文路径导致视频读不出来

现象：视频文件和项目路径里有中文，比如D:\项目\traffic\视频.mp4，cv2.VideoCapture 返回 False，但路径检查文件确实存在。

原因：OpenCV 基于 C++ 的文件读取接口在 Windows 上不支持 Unicode 路径，中文路径会被截断或乱码。这个问题在英文路径下永远不会暴露，项目一交给客户放在中文目录下就翻车。

解决：用 np.fromfile 读文件字节流，再转成 cv2 解码：

import cv2 import numpy as np def cv2_imread_unicode(file_path): """兼容中文路径的图像读取函数""" data = np.fromfile(file_path, dtype=np.uint8) return cv2.imdecode(data, cv2.IMREAD_COLOR) def cv2_videocapture_unicode(file_path): """兼容中文路径的视频读取：先读字节再解码""" data = np.fromfile(file_path, dtype=np.uint8) # 写入临时文件是笨办法；更好的方式用 imdecode 逐帧解码 cap = cv2.VideoCapture() # cv2 没有直接的字节流 VideoCapture 接口，常见做法是复制成临时英文路径文件 import tempfile, os tmp = tempfile.NamedTemporaryFile(suffix='.mp4', delete=False) tmp.write(open(file_path, 'rb').read()) tmp.close() cap.open(tmp.name) return cap

视频的中文路径没有图像那么好处理，我一般就直接把整个项目放进英文路径目录，并要求部署时也遵守。如果是用户上传视频文件到界面里，先把上传的文件复制到项目目录下的 temp 文件夹（文件名用时间戳命名），再交给检测线程，绕开 Unicode 问题。这是最省事、最不容易出后续问题的方案。

5.4 界面一打开就“未响应”

现象：点击“开始监控”按钮后，窗口卡死，标题变成“未响应”，几秒后系统弹出强制关闭提示。有时程序还在跑，但窗口拖不动、按钮点不了。

原因：视频读取和检测都在主线程里执行，while True循环阻塞了 Qt 的事件循环，鼠标消息、重绘消息全部排队处理不了。这是 pyqt5 集成几乎必踩的坑，我在 4.2 节里已经强调过，这里再给一个检查方法：在循环里加一个QtWidgets.QApplication.processEvents()治标，但正确解法就是 QThread。

解决：把检测循环完整搬到 QThread，只有frame_ready信号回主线程。注意退出逻辑：关闭窗口时设self.running = False，然后self.detection_thread.wait(2000)，等线程跑完当前帧再退出。如果直接关窗口不管线程，python 进程会挂在后台不退出，任务管理器里能看到残留进程，重新运行时会提示摄像头被占用。

5.5 模型效果和预期差很远，先查预处理

现象：模型权重是源码包自带的，界面也正常跑，但检测框明显偏移、置信度普遍很低，或者什么都检不出来。换个视频源又稍微好一点。

原因：大部分是预处理不一致。最容易错的是blobFromImage的swapRB参数——训练时用的是 RGB，推理时 OpenCV 读的是 BGR，不交换通道模型特征全乱了。其次是输入尺寸不匹配，cfg 里是 608，代码里却填了 416，特征图网格全错位。还有一个冷门原因：权重文件本身是 COCO 80 类模型，而界面代码的类别列表只有 5 类，类别 ID 对不上。

解决：每拿到一套源码，写个最小测试：拿一张标注过的路口图片，分别用源码的初始化和我的默认参数跑一遍对比。确认 cfg、weights、classes 列表三者是同一组训练产出的。这三个文件必须配套，缺一个都别谈效果。

5.6 打包 exe 后体积大还打不开

现象：用 PyInstaller 打包后，exe 有 400 多 MB，双击后黑框一闪而过，或者打开后提示缺少yolov3.weights、找不到platforms/qwindows.dll。

原因：PyInstaller 默认不会把 OpenCV 和 PyQt5 的所有动态库都带全，缺少 Qt 平台的插件目录（platforms），程序启动时 Qt 无法初始化窗口。权重文件没有加进打包数据，运行时自然找不到。

解决：打包命令显式添加数据文件和 Qt 插件目录，并且用--windowed隐藏控制台：

pyinstaller --windowed --name TrafficMonitor ^ main.py ^ --add-data "config;config" ^ --add-data "weights;weights" ^ --add-data "V:\Python38\Lib\site-packages\PyQt5\Qt\plugins;PyQt5\Qt\plugins"

打包后必须在一台没装 python 的机器上测一遍，这是检验打包是否完整的最有效方式。如果还报缺 dll，用dumpbin /dependents查 exe 引用的 dll，逐个补进 dist 目录。打包这类问题没有统一解，每台机器的环境都不一样，我的习惯是打包后把整个 dist 目录压缩成 zip 发给测试机器运行，有问题看日志文件而不是猜。

6. 最后一公里：用一段路口视频验证整条链路，压出第一版帧率报告

拿到这套源码后，不要急着连摄像头。我先做一次全链路验证：下载一段公开的路口监控视频（比如 5 分钟、25fps、1080p），确认视频里有不同距离的车辆和行人，然后写一个简单的离线统计脚本，把它跑一遍。

# benchmark.py：验证模型效果并统计帧率 import time import cv2 import numpy as np net = cv2.dnn.readNetFromDarknet('config/yolov3.cfg', 'weights/yolov3.weights') cap = cv2.VideoCapture('test_road.mp4') total_frames = 0 start = time.time() while cap.isOpened(): ret, frame = cap.read() if not ret: break blob = cv2.dnn.blobFromImage(frame, 1/255.0, (416, 416), (0, 0, 0), True, crop=False) net.setInput(blob) net.forward() # 不做后处理，只统计推理耗时 total_frames += 1 cost = time.time() - start cap.release() print(f"处理 {total_frames} 帧，耗时 {cost:.2f}s，平均 FPS = {total_frames/cost:.2f}")

跑出来的 FPS 如果低于 3，说明这台机器的 CPU 撑不起 416 输入。我的做法是把输入降到 320，或者把blobFromImage的缩放保持 1/255 但把宽高改成(320, 320)，同时把 cfg 里的width和height也改成 320。降输入尺寸对远处小目标的影响明显，但对近距离车辆检测影响有限。这两者的取舍得根据部署场景定：固定机位的十字路口，车辆主要出现在画面中下部，上半部分是天空和建筑物，可以先用cv2.selectROI截取感兴趣区域再送检测，FPS 能翻倍。另一个常用技巧是隔帧检测：每两帧取一帧做推理，车流量统计结果再按系数修正，界面视频流依然流畅。

最后补一个我自己养成的习惯：每改一次参数，就把当时的 FPS、mAP、误检案例截图存成一个 markdown 文件，标注上视频来源和天气条件。这样一周后回头看，每个改动是变好还是变坏，全都有据可查。模型调参这事最怕凭感觉——感觉检得好了，其实只是换了段容易的视频。建议你拿到这套 yolov3+pyqt5 源码后，也先立一个这样的基准测试流程，再开始改界面和参数，希望帮到你。

本文还有配套的精品资源，点击获取