简介这是一套基于YOLOv8的社区高空抛物监测系统面向计算机相关专业学生及正在准备毕业设计、课程设计或初期项目演示的开发者整合目标检测、可视化界面与部署指引解决从模型训练到界面展示的落地难题。压缩包共8个文件包含3个Python脚本分别实现训练、视频检测与可视化页面、3个模型权重文件含经训练验证可用的best.pt以及2个说明文档整体仅15.91MB结构紧凑、易于按README快速部署。目前已有30人学习。代码已通过运行测试随包提供完整数据集与部署说明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满足毕设答辩或课设验收的展示需要基础较好的读者也可在现有结构上二次开发扩展高空抛物检测功能。1. 社区高空抛物监测为什么值得自己用YOLOv8做一套高空抛物这个场景做过安防项目的人都懂摄像头对着楼体画面里随时可能掉下来一个瓶子、一根烟头、一块瓷砖但真正要报警的时候难点全在“目标太小”和“背景太乱”上。YOLOv8 在这类任务里几乎是默认选项——单阶段检测速度够快能接视频流做实时推理s 系列模型在 CPU 上也能勉强跑起来配合 Pretrained 权重做微调只需要几百张标注图片就能有可用的检测效果。这套系统的价值不是给你一个“能出图”的 demo而是把从数据集标注、模型训练到可视化界面、告警落库的完整链路串起来解压之后按部署教程走一遍就能在本地起一个能检测、能截图、能留证的监测工具。适合三类人做毕设的学生需要一个功能完整、演示效果好的题目课程设计想要“能跑起来 有界面 有数据”的作品以及物业或安防从业者想快速验证高空抛物监测的可行性。2. 系统架构与模型选型从摄像头到告警通知的完整链路2.1 YOLOv8 相比旧版 YOLO 和两阶段模型为什么更适合这个场景社区高空抛物监测的画面特点是摄像头通常架在楼顶或对面楼仰角或俯角拍摄目标高度只有十几层楼高抛落物在画面中经常只占几十个像素。这决定了模型选择不能只看“准不准”还要看“小目标扛不扛得住”。YOLOv8 相比 YOLOv5 的核心变化是 head 部分换成了 anchor-free 的 Decoupled Head每个尺度独立做分类和回归不再依赖预设 anchor 的尺寸匹配。对小目标来说anchor-free 的方式避免了 anchor 参数和数据集目标尺度不匹配导致的召回率下跌。C2f 结构替换了原来的 C3梯度流更丰富浅层特征里的边缘和纹理信息保留得更好而这些恰恰是高空抛物小目标最依赖的线索。对比 Faster R-CNN 这类两阶段模型YOLOv8 的推理速度优势太明显了。我做过实际对比同一台机器上 Faster R-CNN 用 ResNet50 骨干跑 1080p 视频流大概 4-6 FPSYOLOv8s 能到 25-30 FPS有 GPU 时CPU 上差距更大。对于高空抛物这种“东西掉下来只有一两秒”的场景帧率低意味着可能直接漏掉关键帧检测精度再高也没用。YOLOv8 另一个实际优势是工程链完整。训练完可以一行命令导出 ONNX、TensorRT、OpenVINO 等格式量化部署有官方支持。毕设或者课程设计往往需要在别人电脑上演示能导出成 ONNX 再用 OpenCV 的 DNN 模块加载就不用担心对方机器没有 PyTorch 环境。对比项YOLOv8sYOLOv5sFaster R-CNN推理速度GPU25-30 FPS20-25 FPS4-6 FPS推理速度CPU2-4 FPS1.5-3 FPS0.5 FPS 以下小目标能力较好anchor-free依赖 anchor 调参强但慢部署生态ONNX/TensorRT 官方支持需要转换工具转换麻烦2.2 最小可运行系统拆解视频采集、检测引擎、告警存储三件套我一般会把整个系统拆成三个模块来写不搞复杂的微服务架构就用 Python 单进程多线程解决。第一个模块是视频采集用 OpenCV 的 VideoCapture 读摄像头 RTSP 流、本地视频文件或者图片序列。第二个模块是检测引擎加载训练好的 YOLOv8 权重对每一帧做推理过滤置信度低于阈值的框再把检测结果叠加到画面上。第三个模块是告警与存储检测到目标后截取当前帧保存为图片在 SQLite 里记录时间、类别、置信度、坐标信息。这三个模块之间用队列通信。采集线程不断往里放帧检测线程从队列取帧做推理避免读帧和推理互相阻塞。队列长度要设上限我一般设 10-20满了就丢最旧的帧保证检测线程处理的一定是最新的画面。因为高空抛物检测对实时性要求高于完整性——丢几帧没关系但延迟超过 2 秒告警就失去意义了。存储侧的选择要务实。SQLite 足够不需要 MySQL。告警记录包括时间戳、类别、置信度以及截图文件路径。截图就是“证据”这在高空抛物场景里比检测框本身重要得多后续追责全靠它。所以保存截图的时候文件名直接用时间戳格式化到毫秒避免覆盖。[摄像头RTSP流] → [OpenCV采集线程] → [帧队列容量20] → [YOLOv8推理线程] → [告警判定] → [SQLite记录 截图落盘]这里有一个很容易被忽略的点摄像头流地址的解析参数。海康、大华等设备的 RTSP 流 URL 格式不同而且很多需要带用户名密码。部署教程里一定要把这块写清楚不然用户照着配完发现画面是黑的第一反应会以为是模型的问题。我通常会先把视频流单独跑一个脚本验证确认能出画面再开始接检测线程这一步能省掉大量排错时间。3. 训练自己的高空抛物模型数据集准备与 YOLOv8 训练调参3.1 高空抛物数据集从哪来公开资源、自采视频抽帧与标注策略训练 YOLOv8 用的是监督学习数据质量直接决定模型上限。高空抛物不像 COCO 那样有现成的大型公开数据集常见做法是三个来源组合。第一个来源是网上爱好者整理的高空抛物数据集一般按“高空抛物”“抛物线坠物”等关键词能搜到图片数量从几百到几千张不等多数已经转成了 YOLO 格式。第二个来源是自己录视频抽帧找一栋楼从不同角度拍一些往下扔轻质物体的视频用 OpenCV 按每 5-10 帧取一张的方式抽帧能快速得到几百张训练图。第三个来源是从监控视频里截取真实的高空抛物事件片段。数据量上我建议至少 2000 张图每个类别不少于 500 张。少于这个量YOLOv8s 很容易过拟合val 上 mAP50 能到 0.9 以上但一换场景就崩这就是典型的只记住了训练集背景。类别设计也要想清楚不要一开始就搞十几个类别。高空抛物检测的核心是“有没有东西在坠落”大类上分“瓶子”“纸张”“其他”三个类别就够起步了后续再细分。标注策略上所有抛落物都要标哪怕只有 20 个像素也要标。YOLOv8 默认输入是 640x640训练时会把原图缩放到这个尺寸如果目标在原始画面里占 30 像素缩放到 640 之后就只剩下 5-10 像素本身就是极大的信息压缩。这种情况下不标注小目标模型根本学不到。如果图片里有大量无抛物的背景不需要标任何框作为负样本参与训练反而能让模型学会“不误报”。3.2 把标注转成 YOLOv8 能吃的格式labelme 到 txt 的转换脚本Labelme 标注出来的是 JSON 文件每个文件对应一张图片里面用多边形或矩形记录目标位置。YOLOv8 训练需要的是 txt 文件每行一个目标格式为“类别ID 中心点x 中心点y 宽度 高度”所有坐标都归一化到 0-1 之间。写个 Python 脚本做转换这是整个数据准备里最容易翻车的一步。import json import os from pathlib import Path def labelme_to_yolo(json_path, out_dir, class_names): with open(json_path, r, encodingutf-8) as f: data json.load(f) img_w, img_h data[imageWidth], data[imageHeight] txt_name Path(json_path).stem .txt lines [] for shape in data[shapes]: label shape[label] if label not in class_names: continue cls_id class_names.index(label) points shape[points] xs [p[0] for p in points] ys [p[1] for p in points] x_min, x_max min(xs), max(xs) y_min, y_max min(ys), max(ys) x_center (x_min x_max) / 2.0 / img_w y_center (y_min y_max) / 2.0 / img_h box_w (x_max - x_min) / img_w box_h (y_max - y_min) / img_h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}) with open(os.path.join(out_dir, txt_name), w, encodingutf-8) as f: f.write(\n.join(lines)) # 用法示例 class_names [bottle, paper] json_root labelme_json yolo_root yolo_labels os.makedirs(yolo_root, exist_okTrue) for jf in Path(json_root).glob(*.json): labelme_to_yolo(str(jf), yolo_root, class_names)这个脚本的核心是坐标归一化计算。注意 Labelme 的 points 是像素坐标而 YOLO 格式要求中心点和宽高都除以图片宽高。有个细节Labelme 里如果标的是多边形而不是矩形脚本里取的是多边形所有点的最小外接矩形这样会把一些背景包进来。对于高空抛物这种目标紧凑的场景直接用外接矩形问题不大但如果物体形状特别细长建议改回矩形标注。转换完一定要做一次校验。常见错误是图片尺寸读错了JSON 里的 imageWidth/imageHeight 是标注时记录的值如果之后对图片做了缩放或裁剪必须同步更新尺寸。另一个容易忽略的是中文路径问题Windows 下 labelme 生成的 JSON 里如果包含中文字符路径脚本读取时要用 Path 对象而不是字符串拼接避免编码报错。3.3 训练参数怎么设epochs、batch、imgsz 与类别权重数据准备好了需要创建一个 YAML 文件描述数据集路径和类别然后调用 YOLOv8 训练命令。YAML 文件是训练配置的核心路径写法要注意——我见过太多人在这里把路径写错导致训练直接报错。# hwpf.yaml path: D:/yolov8_hwpf/data # 数据集根目录 train: images/train # 训练集图片目录 val: images/val # 验证集图片目录 test: images/test # 测试集可选 names: 0: bottle 1: paper 2: other训练命令我一般这样写yolo detect train \ datahwpf.yaml \ modelyolov8s.pt \ epochs150 \ batch8 \ imgsz640 \ device0 \ patience20 \ workers4 \ projectruns/train \ namehwpf_exp1参数的取舍有几个关键点。model 参数填预训练权重路径YOLOv8 会自动下载 yolov8s.pt在 COCO 上预训练过的模型收敛速度远快于从零训练对小数据集尤其重要。epochs 我设 150配合 patience20 做早停——20 个 epoch 内 val loss 没有改善就自动终止避免过拟合。如果你发现训练到 100 epoch 还在涨说明数据量够可以继续加。batch 大小受显存限制。YOLOv8s 在 640 分辨率下8GB 显存用 batch8 差不多是极限16GB 可以到 16。batch 太小比如 2会导致 BN 层统计不稳定模型收敛慢且震荡。imgsz 保持 640 就好不要为了追求小目标检测把输入分辨率提到 1280训练速度直接掉一半效果提升有限。device0 表示用第一块 GPUCPU 训练则改成 devicecpu但一个 150 epoch 的训练任务在 CPU 上可能要跑十几个小时不建议。训练过程中要盯两个指标train/loss 是否稳步下降以及 val 的 mAP50 和 mAP50-95 曲线。mAP50 到 0.85 以上说明“能检测到目标”但 mAP50-95 如果低于 0.4说明框的定位精度不够小目标的框可能偏大偏小这会影响告警截图的质量。训练结束后 runs/train/hwpf_exp1/weights/ 里会有 best.pt 和 last.pt部署时用 best.pt不要用 last.pt。4. 可视化界面与部署把模型包成可操作的监测工具4.1 可视化界面选 PyQt5 还是 Web毕设演示与真实值守的差别模型训练好了接下来要让它“看得见”。可视化界面在这个项目里承担三个功能实时显示检测画面、展示告警记录列表、回看截图。选型上 PyQt5 和 WebFlask 前端页面是两条主流路线各有取舍。PyQt5 的优势是本地应用启动快OpenCV 的 cv2.imshow 可以直接嵌进 QLabel 里显示不需要起 HTTP 服务。对毕设答辩来说现场演示最重要的是“稳定不崩”PyQt5 单机运行不依赖浏览器和网络出问题概率低。缺点是界面风格偏传统做不出 Web 那种现代感而且打包成 exe 时需要 PyInstaller 配合容易踩坑。Web 方案的好处是界面美观、跨平台而且手机浏览器也能看——这在真实物业场景里很重要值守人员不一定坐在电脑前。但 Web 方案需要同时处理视频流推送到前端的逻辑常见做法是用 Flask 做后端 API前端用 video 标签拉取 MJPEG 流或 WebSocket 推送帧。这块复杂度比 PyQt5 高一个量级而且处理并发连接时容易把自己绕晕。我的建议如果目的是毕设或课程设计演示选 PyQt5把精力花在检测效果上而不是前端交互上。如果是想做成一个能真实给物业用的值守工具选 Web因为手机端查看告警记录这个需求几乎必然会出现。下面以 PyQt5 为例说明接线方式。4.2 把 YOLOv8 模型接进界面实时推流、告警截图与记录落库PyQt5 界面的核心逻辑是后台线程不断取帧检测检测结果通过信号机制传到主线程更新 UI。这里必须用 QThread 而不是 Python 的 threading 直接操作 UI否则界面会卡死。我写过太多次这种代码骨架如下。import cv2 import sqlite3 from PyQt5.QtCore import QThread, pyqtSignal from ultralytics import YOLO class DetectThread(QThread): frame_ready pyqtSignal(object) alarm_triggered pyqtSignal(dict) def __init__(self, video_path, weights_path, conf_thres0.35): super().__init__() self.cap cv2.VideoCapture(video_path) self.model YOLO(weights_path) self.conf_thres conf_thres self.running True def run(self): conn sqlite3.connect(alarm.db) while self.running and self.cap.isOpened(): ret, frame self.cap.read() if not ret: break results self.model(frame, confself.conf_thres, verboseFalse) annotated results[0].plot() self.frame_ready.emit(annotated) if len(results[0].boxes) 0: boxes results[0].boxes for i in range(len(boxes)): cls_id int(boxes.cls[i].item()) conf float(boxes.conf[i].item()) ts cv2.getTickCount() cv2.imwrite(falarm_shots/{ts}.jpg, frame) conn.execute( INSERT INTO alarms(ts, cls_id, conf, shot_path) VALUES(?,?,?,?), (ts, cls_id, conf, falarm_shots/{ts}.jpg) ) self.alarm_triggered.emit({ ts: ts, cls_id: cls_id, conf: conf, shot: falarm_shots/{ts}.jpg }) conn.commit() self.cap.release() conn.close() def stop(self): self.running False逻辑说明run 方法里先创建 SQLite 连接然后进入循环读帧、推理、画框、发射信号。检测到目标时基于时间戳生成唯一的截图文件名并落盘同时把告警信息写入数据库。这里要特别说明plot()返回的是已经画好框的帧直接传给 UI 显示即可verboseFalse必须设置否则终端会疯狂刷日志界面会卡顿。参数说明中 conf_thres 是置信度阈值我设在 0.35 是高空抛物的经验值。阈值调太高如 0.7小目标检测的全被过滤调太低如 0.1飞鸟和树叶会狂报警。0.3-0.4 之间比较合适这个值建议放在界面里做成可调项不同时段场景差异很大。4.3 部署包怎么组织目录结构、依赖清单与一键启动脚本解压一个“简单部署即可运行”的安装包用户最怕的是读一篇又长又乱的 README 还跑不起来。我的组织原则是目录结构一眼看懂、依赖一次性装齐、启动用脚本不要用一堆命令。hwpf_system/ ├── weights/ │ └── best.pt # 训练好的模型权重 ├── data/ │ ├── images/ │ │ ├── train/ # 训练图片 │ │ └── val/ # 验证图片 │ └── labels/ │ ├── train/ # 训练标签 │ └── val/ # 验证标签 ├── source/ │ ├── main.py # 程序入口PyQt5 界面 │ ├── detect_thread.py # 检测线程 │ ├── utils.py # 工具函数 │ └── config.py # 全局配置 ├── requirements.txt ├── start.sh # Linux 启动脚本 └── README.md # 部署教程requirements.txt 是部署成败的关键我把常用版本写进去避免用户装到不兼容的版本。ultralytics8.2.0 opencv-python4.9.0.80 PyQt55.15.10 torch2.1.0 torchvision0.16.0 numpy1.26.4启动脚本里要做的不是只跑一个 python 命令而是先检查环境再启动。写一个 start.sh几行关键逻辑激活 conda 环境如果没有则提示创建、检查依赖是否齐全、最后启动 Qt 界面。#!/bin/bash source ~/.bashrc if ! command -v conda /dev/null; then echo 未检测到 conda请先安装 Anaconda 或 Miniconda exit 1 fi if ! conda env list | grep -q hwpf; then echo 第一次运行正在创建环境并安装依赖... conda create -n hwpf python3.9 -y source activate hwpf pip install -r requirements.txt fi source activate hwpf python source/main.py说明这个脚本先检查 conda 是否存在再检查名为 hwpf 的环境有没有建过没有就创建并装依赖之后每次都直接激活环境启动程序。这样用户拿到压缩包只需要解压、打开终端、执行 bash start.sh 三步。我见过太多项目把部署流程写成 10 步以上每一步都有翻车点到最后用户连环境都装不对。一键脚本的意义不是偷懒而是把所有能自动化的步骤收敛掉只保留用户必须手动做的部分。5. 部署与运行避坑5 个最容易翻车的环节5.1 小目标漏检高层抛物在画面里只有几十像素现象模型在测试图片上 mAP 不低但接入摄像头实拍时从 10 层以上掉落的物体几乎检测不到告警一条都不触发。原因训练时虽然标注了小目标但输入分辨率只有 640。高空楼层拍摄时物体坠落过程中的像素跨度极大从楼顶掉下来初期在画面里只有十几个像素YOLOv8 的 stride 是 8/16/32小目标的特征在浅层经过多次下采样后信息已经丢失。解决三个手段叠加。一是训练时开启 mosaic 增强让模型见到更多不同尺度的目标二是对原始视频流做预处理把画面按楼体区域切分成多个 ROI 分别检测每个 ROI 单独放大推理这比整体提升分辨率划算得多三是在界面里加一个“检测区域”设置让用户只选择楼体外墙区域排除天空和地面误报率会显著下降。5.2 飞鸟、树叶、阴影造成成片误报现象晴天午后误报率飙升一天能收到上百条告警点开截图全是飞鸟和树叶的影子。原因高空抛物检测的负样本天花板。飞鸟在画面中的尺度、运动方向、轮廓和抛落物几乎一样YOLOv8 学到的可能根本不是“抛落物”而是“在天空背景下运动的小物体”。解决建议不要只靠视觉模型做最终判定加一个时序过滤。单帧检测到目标后记录目标框中心点的坐标序列如果相邻帧的中心点位移方向和重力方向一致即向下加速才判定为有效抛落物。飞鸟的飞行轨迹通常有水平分量甚至上升分量这一条规则能过滤掉大部分误报。实现上只需要在告警线程里维护一个目标的轨迹字典按跟踪 ID 存储最近的 5-10 个点判定后再触发告警。5.3 CPU 推理速度只有 2-3 FPS现场演示卡成幻灯片现象用不带独立显卡的笔记本跑 yolov8s.pt画面刷新率不到 3 FPS鼠标拖窗口都费劲。用户等待时间超过 10 秒就会失去耐心答辩时这种表现直接拉低印象分。原因CPU 跑浮点卷积本身就是劣势场景。高分辨率视频流1080p 模型默认开启多尺度推理进一步放大了计算量。解决先降低输入分辨率VideoCapture 读到的 1920x1080 先缩放到 960x540 再喂给模型检测速度能提升 2 倍以上对小目标的影响有限。再关闭模型的半精度和多线程干扰项在推理时加halfFalse, devicecpu参数。如果还不行换 yolov8n.ptnano 版做推理部署精度下降 2-3 个百分点但速度能到 8-10 FPS。另一个思路是导出 ONNX 格式用 OpenCV 的 DNN 模块加载比直接跑 PyTorch 模型在 CPU 上快 15%-20%。实测经验演示机器上永远准备好一个 nano 版本权重作为备用这比当场改代码靠谱得多。5.4 夜间和逆光场景检测率断崖式下跌现象傍晚之后检测率从白天的 80% 掉到 30%夜间开路灯之后稍微好一点但逆光时楼体一片惨白什么都看不清。原因训练集里绝大多数是白天光照正常的图片模型没有见过足够多的夜间样本。红外摄像头在夜间输出的是灰度图色彩信息完全丢失模型学到的颜色特征全部失效。解决数据层面从监控视频里截取傍晚和夜间的图像加入训练集至少占 20%-30%如果找不到现成的用数据增强的方式压暗图片、模拟红外灰度风格来扩充。算法层面在界面里加一个“夜间模式”开关开启后先做自适应直方图均衡化CLAHE再送入检测。设备层面如果项目允许选带红外补光的摄像头夜间画质提升明显。这块属于典型的数据工程问题模型结构本身不需要改。5.5 数据集路径或标签格式错误训练直接报错现象训练启动不到 10 秒就报错报错信息要么是AssertionError: train dataset not found要么是Label class error。原因两种情况最常见。一是 YAML 里的路径写错path字段给的相对路径不对或者 train/val 目录下没有对应的 images/labels 子目录二是标签文件里有非法数据比如类别 ID 超出names定义范围或者坐标值超出 0-1 区间。解决先跑一段检查代码定位问题再训练。import os from pathlib import Path data_root Path(data) for split in [train, val]: img_dir data_root / images / split lbl_dir data_root / labels / split img_files list(img_dir.glob(*.jpg)) list(img_dir.glob(*.png)) print(f{split} 图片数量: {len(img_files)}) for img_file in img_files: lbl_file lbl_dir / (img_file.stem .txt) if not lbl_file.exists(): print(f缺少标签: {lbl_file}) continue for line in lbl_file.read_text().strip().splitlines(): parts line.split() if len(parts) ! 5: print(f标签格式错误: {lbl_file} - {line}) cls_id int(parts[0]) if cls_id 0 or cls_id 2: print(f类别ID越界: {lbl_file} - {line})这段检查脚本必须在训练前跑一遍。它能发现 90% 的数据集问题剩下 10% 是图片文件本身损坏OpenCV 读不了这种需要单独扫一遍文件头。另外提醒一个 Windows 系统容易踩的坑图片后缀大小写不一致jpg 和 JPG 混在一起标注文件匹配时要统一用.stem而不是后缀拼接。6. 进阶模型瘦身、定时清理与效果验证当检测系统能稳定运行之后真正的工作才开始。这部分我把实践中验证过有效的三个技巧拿出来。第一模型导出 ONNX 做 CPU 部署加速。YOLOv8 训练完导出 ONNX 只有一行命令yolo export modelweights/best.pt formatonnx imgsz640 opset12导出后可以用 onnxruntime 替代 PyTorch 推理在 CPU 上速度提升 15%-20%而且代码依赖减少——目标机器不需要装 torch 全家桶。我自己的经历是导出 ONNX 后发现精度几乎不掉但部署包从 2GBPyTorch CPU 版缩到 300MB 左右这对给别人演示和交付都是质的差别。第二告警截图和数据库需要定时清理。一个长期运行的监测系统一天产生 100 张截图非常正常。在启动逻辑里加一个定时清理线程按保留天数清理目录和数据库记录避免磁盘写满。清理策略普通告警保留 7 天确认过的高危告警永久保留。第三效果验证不要看总 mAP要看类别和尺度的分项指标。训练结束后跑一次验证集重点看小目标面积小于 32x32 像素的 AP 值。如果小目标 AP 明显低于整体说明数据增强还不够需要在训练配置里加大 mosaic 和 copy-paste 的强度或者补充更多近距离抛落样本。这个单项指标才是高空抛物场景能否落地的关键。这套系统从数据、训练到部署的完整链路并不轻松但每一步都是可控的。我的习惯是先把最小闭环跑通——哪怕是 100 张图片、10 个 epoch 的缩水版也要先看到检测框出现在画面上。有了这个闭环之后所有优化都只是迭代不是无底洞。希望这篇笔记能帮你少走几步弯路。本文还有配套的精品资源点击获取