简介：一套基于YOLOv8的智慧教室人数统计应用，面向计算机视觉、深度学习方向的毕业设计或课程设计人群，提供可直接运行的完整项目源码、可视化界面、数据集与部署教程。包体共8个文件，包含三个Python脚本（分别承担模型训练、视频检测及可视化页面启动）、三个PyTorch模型权重文件（含yolov8n.pt、best.pt等）以及两个说明文档，压缩包约15.91MB，适合直接部署并快速运行使用。项目源码已经完整测试并成功运行，可输出核心指标曲线、混淆矩阵、F1分数曲线、精确率-召回率曲线、验证集预测结果以及标签分布图，便于答辩展示和效果复盘，图表均由程序自动生成。目前已有59人学习下载，适合需要快速落地深度学习目标检测项目的在校学生、老师或企业开发者参考使用。
1. 教室人数统计用 YOLOv8 做，不只为毕设，也为落地踩坑
教室人数统计这个需求，看起来只是把 YOLOv8 跑起来数人头，实际做一轮你会发现它不是单纯的"目标检测"，而是数据、训练、部署、界面四条线的组合。论文里能找到的公开项目很多，但大部分要么只给训练代码没有可视化界面，要么数据集不完整，要么部署教程写得像黑匣子，你拿过来根本跑不通。这套基于 YOLOv8 的智慧教室人数统计应用，覆盖了从数据集标注、模型训练到桌面界面和 Web 界面的完整链路，适合毕设答辩，也适合想第一次把检测模型推到实际场景的开发者。本文按我自己的实操顺序讲：先整理数据，再调参训练，再部署界面，最后是几个能让你少熬夜的排错思路。我会尽量说清楚每一步为什么这么做，而不是给你一串黑命令。
后端训练用 YOLOv8n 起步，界面用 PyQt5 或 Flask 二选一取决于你要不要实时视频流。完整项目里通常附带已经标注好的教室场景数据集，但建议你自己跑一遍标注流程，因为训练出的模型要在你自己的教室场景里"认得准"，公开数据集只是帮你验证流程通不通。接下来我们从数据准备开始，这部分决定后面所有步骤是顺滑还是反复返工。
2. 数据准备：教室场景为什么要自己标数据才能不翻车
2.1 公开人头数据集与自建数据集的取舍
YOLOv8 训练自己的数据集，第一步不是写代码，是确认你的数据能表达"教室人数统计"这个任务。SCUT-HEAD、CrowdHuman 这类公开数据集，标注质量好、样本量大，但它们是通用行人/人头检测，不是"教室俯视/斜视场景"。教室摄像头通常装在黑板正上方或教室后墙，视角、光照、遮挡分布和街景行人数据集完全不一样，直接用公开集训练出来的模型，换到自己教室画面里漏检率会明显上升。我的建议是：公开数据可以做预训练或辅助增强，但核心数据必须从你目标教室实拍，哪怕只采集几百张，也要让验证集与测试集来自同一镜头视角。
标注格式统一用 YOLO 的 txt 格式，每行三个值：类别 id、归一化后的中心 x、中心 y、宽 w、高 h。如果项目自带的数据集已经是这个格式，你可以跳过标注，但也要抽 20 张图把标签打开对照检查，因为很多数据集下载回来存在类别 id 错位或坐标越界。自建数据流程建议是：录 5 到 10 分钟视频，按每秒 1 帧抽帧，筛掉画面模糊和大量重复的帧，剩下约 500 到 1000 张，其中 80% 做训练，10% 做验证，10% 做测试。这样你的数据分布接近真实使用情况，后面训练时 loss 曲线和 mAP 才有参考意义。
注意：如果项目源码里自带了数据集，别急着跳过检查。用脚本统计每张图标注框的宽高分布和类别数量，能提前发现标注错位。
import os from collections import Counter label_dir = "datasets/classroom/labels/train" widths, heights, classes = [], [], [] for fname in os.listdir(label_dir): with open(os.path.join(label_dir, fname), "r") as f: for line in f.readlines(): parts = line.strip().split() if len(parts) != 5: print(f"格式异常: {fname}") continue cls, x, y, w, h = int(parts[0]), float(parts[1]), float(parts[2]), float(parts[3]), float(parts[4]) if w <= 0 or h <= 0 or not (0 <= x <= 1 and 0 <= y <= 1): print(f"坐标越界: {fname}") widths.append(w), heights.append(h), classes.append(cls) print("类别分布:", Counter(classes)) print("平均宽高:", sum(widths)/len(widths), sum(heights)/len(heights))这段脚本遍历标签目录，把每行标签按 YOLO 格式的五个字段拆分，检查宽度高度是否大于 0、归一化中心坐标是否在 0 到 1 区间内。类别分布用 Counter 统计，可以一眼看出某个类别样本是否过少。平均宽高比值如果明显小于 0.1，说明标注框太小，模型学习难度大，后续可以适当裁剪或提高输入分辨率。
2.2 标注工具选择与 class 定义策略
标注教室人头只有一个类别时，建议类别名叫 person_head，不要叫 person。这是因为教室场景里身体遮挡严重，模型若能学会只盯头部，统计人数更稳。如果你用的是 LabelImg 或 LabelMe，导出时要选 YOLO 格式，才会生成 txt 而不是 JSON。标注时框选位置有讲究：框要从头顶到下巴，不要包含整个上半身，尤其俯视视角下，身体会被桌椅分隔成碎片，反而干扰特征学习。前额留一点 margin 即可，框太大模型会学到太多背景。
另一个容易被忽略的点是，同一个视频抽帧出来的相邻帧太像，随机划分训练集和验证集时，验证集里可能出现训练帧的"近亲"，导致验证 loss 虚低。手动把时间连续帧归到同一集合，或者用视频片段维度划分。数据不干净，后面 YOLOv8 训练自己的数据集做得再精细，出来的模型也是"看似准确、一换场景就崩"，这是教室场景最典型的坑。
project/ ├── datasets/ │ ├── classroom/ │ │ ├── images/train │ │ ├── images/val │ │ ├── labels/train │ │ └── labels/val │ └── classroom.yaml目录结构上，YOLOv8 默认按 images 和 labels 同级组织，data.yaml 里写 train 和 val 路径。如果你拿到的是其他格式，比如 VOC 或 COCO 的 XML/JSON，需要先转换，不要嫌麻烦，后面避坑章节我会专门讲 VOC 转 YOLO 的边界问题。
3. 模型训练：从 YOLOv8n 到 mAP 达标的关键参数
3.1 安装环境与最小训练命令
YOLOv8 环境配置网上教程很多，但最容易出问题的是依赖版本冲突，尤其是 PyTorch 的 CUDA 版本和 torchvision 对不上。建议直接用官方提供的 requirements，单独建一个 conda 环境，Python 版本 3.9 或 3.10 最稳。GPU 显存只有 6G 左右的话，先选 YOLOv8n 而不是 s 或 m，n 是 nano，参数量约 3.2M，白天教室场景足够用。如果你的显卡是 GTX 1660 Ti 或同级，epochs 从 100 起调，batch size 设 16 左右，不要一上来就追高分。
conda create -n yolov8 python=3.10 -y conda activate yolov8 pip install ultralytics torch torchvision --index-url https://download.pytorch.org/whl/cu118 yolo detect train data=datasets/classroom/classroom.yaml model=yolov8n.pt epochs=100 imgsz=640 batch=16 device=0这段命令先用 conda 建环境，装 ultralytics 和带 CUDA 11.8 的 torch，然后启动训练。data 参数指向 classroom.yaml，model 用预训练权重 yolov8n.pt，这样能在 ImageNet 预训练基础上做迁移学习，收敛快很多。imgsz=640 是输入分辨率，教室场景人头小，建议不要降到 320，否则小目标直接消失。device=0 表示第一块 GPU，如果你的电脑只有 CPU，就去掉 device 参数，但训练时间会翻很多倍。训练完成后，weights 目录下会出现 best.pt 和 last.pt，后续部署用的是 best.pt。
3.2 训练参数逐项拆解
epochs 不是越大越好，教室人头类别单一，100 轮左右基本能收敛，超过 200 轮容易过拟合。过拟合的信号是验证集 mAP 先升后降，而训练 loss 还在一直降。batch size 受显存约束，6G 显存建议 16 到 32，如果出现 CUDA out of memory，先降 batch，而不是降 imgsz，因为小目标检测对分辨率更敏感。optimizer 保持默认的 auto，它内部会按 batch size 自动选 SGD 或 AdamW，手动改成 SGD 加 momentum 也行，但调参门槛高一些。
重点说 imgsz，这个参数经常被忽略。教室摄像头画面里，一个人头可能只有 30x30 像素级别，imgsz=640 时，网络会把 30 像素的小头映射到特征图上的十几个像素，勉强能检测。imgsz=320 时小头可能直接丢失。如果显卡跑得动，建议 imgsz=768 或 1024 再对比一轮，mAP 会涨 3 到 5 个百分点，代价是推理帧率下降，这个取舍要在部署阶段想清楚。
yolo detect train data=datasets/classroom/classroom.yaml model=yolov8n.pt epochs=150 imgsz=768 batch=8 device=0 patience=20patience 是早停参数，连续 20 轮验证 mAP 没提升就自动停止，防止后 50 轮都在白跑。如果你的数据量少，patience=30 也可以，但早停机制有时会 stop 在局部最优，想拿最好结果就关掉早停，把 best.pt 自己在每个 epoch 后都存一份。训练到一半想看模型质量，可以随时中断，best.pt 已经是目前最优。
3.3 画损失函数曲线图判断模型健康度
训练结束后，程序会自动在 runs/detect/train 目录生成 results.png，包含 box_loss、cls_loss、dfd_loss 和 mAP 曲线。但毕设里通常需要单独画一张曲线图放进论文，这时可以用 ultralytics 的返回值自己画。判断模型健康度的标准：训练 loss 和验证 loss 同步下降，二者差距不大；如果验证 loss 开始抬升，就是过拟合。教室场景数据集如果只有几百张图，过拟合非常常见，表现为 mAP 在验证集上不错，但实拍画面里漏检频繁。
from ultralytics import YOLO import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv("runs/detect/train/results.csv") plt.figure(figsize=(10, 6)) plt.plot(df["epoch"], df["train/box_loss"], label="train box loss") plt.plot(df["epoch"], df["val/box_loss"], label="val box loss") plt.xlabel("epoch") plt.ylabel("box loss") plt.title("YOLOv8 loss curve") plt.legend() plt.grid(True) plt.savefig("loss_curve.png", dpi=300)results.csv 是训练过程的完整记录，train/box_loss 是训练集框回归损失，val/box_loss 是验证集框回归损失。判断标准是二者都下降且保持接近。如果 train 降但 val 不降甚至涨，说明过拟合，回到数据增强或降低模型复杂度。如果想单独画 cls_loss，把列名换成 train/cls_loss 即可。
4. 部署与可视化：把模型封装成能用的界面
4.1 使用 PyQt5 做桌面端实时统计界面
模型训练完，下一步是让老师或管理员能打开一个窗口看到视频画面和人数统计。PyQt5 是毕设项目里最常见的选择，因为它能直接调用摄像头或视频文件，在界面上画框并用 label 显示实时人数。核心逻辑是把 YOLOv8 推理封装成一个类，用 QThread 子线程跑，防止界面卡死。这个点很多教程里不讲，但如果你在主线程里做推理，视频一卡，整个窗口就无响应，答辩时非常尴尬。
import cv2 from PyQt5.QtCore import QThread, pyqtSignal from ultralytics import YOLO class DetectThread(QThread): frame_signal = pyqtSignal(object, int) def __init__(self, source=0, model_path="best.pt"): super().__init__() self.cap = cv2.VideoCapture(source) self.model = YOLO(model_path) def run(self): while True: ret, frame = self.cap.read() if not ret: break results = self.model(frame, conf=0.4, imgsz=640, verbose=False) count = len(results[0].boxes) self.frame_signal.emit(results[0].plot(), count)这段代码把视频采集和模型推理放进子线程，每帧读取后传入 YOLO 模型，conf=0.4 是置信度阈值，低于 0.4 的检测框会被滤掉。教室场景里 threshold 通常取 0.35 到 0.5 之间，太高漏检，太低误检。verbose=False 关掉推理日志，否则控制台会被刷爆。results[0].plot() 返回画好框的图片，通过信号发给主线程显示，计数通过同一个信号传回去。用信号而不是直接改界面控件，是 Qt 线程安全的惯例做法。
4.2 使用 Flask 做 Web 端部署方案
另一种常见做法是 Web 端部署，尤其当学生或管理员想通过浏览器访问时。Flask + RTSP 推流是经典组合，但要注意 Flask 默认的开发服务器不适合并发，部署时换个 waitress 或 gunicorn。如果你只是毕设演示，Flask 自带的 app.run 也够用。教室场景里摄像头通常是 RTSP 流，直接给 YOLOv8 传 RTSP 地址，opencv 会去拉流，但拉流超时或断流时需要重连。
from flask import Flask, Response, render_template import cv2 from ultralytics import YOLO app = Flask(__name__) model = YOLO("best.pt") cap = cv2.VideoCapture("rtsp://your_camera_ip:554/stream") def gen_frames(): while True: ret, frame = cap.read() if not ret: cap.open("rtsp://your_camera_ip:554/stream") continue results = model(frame, conf=0.45, imgsz=640, verbose=False) annotated = results[0].plot() ret, buffer = cv2.imencode(".jpg", annotated) yield (b"--frame\r\nContent-Type: image/jpeg\r\n\r\n" + buffer.tobytes() + b"\r\n") @app.route("/video_feed") def video_feed(): return Response(gen_frames(), mimetype="multipart/x-mixed-replace; boundary=frame")这段代码的核心是一个生成器函数，每一帧推理后按 JPEG 格式编码，通过 multipart 协议推给浏览器。RTSP 断流后 cap.read() 会持续失败，我在这里做了一个简单的重连，cap.open 重新拉流。如果你只是测试本地视频文件，把 VideoCapture 参数换成视频路径就行。Web 端相比 PyQt5 的优势是不需要每台电脑装 Python 环境，但实时性受浏览器刷新帧率限制，视频流延迟大约 1 到 2 秒。
4.3 导出 ONNX 与部署到边缘设备
如果你想把模型从训练机搬到边缘设备，比如 RK3588 这类板子，需要先把 PyTorch 权重导出为 ONNX。RK3588 的 NPU 对 ONNX 支持比直接跑 PyTorch 好很多，通常配合 rknn-toolkit2 做模型转换。导出命令很简单，但导出后要检查输入输出的算子兼容性，PyTorch 版本和 ONNX opset 版本不一致时，导出结果可能推理报错。
yolo export model=best.pt format=onnx dynamic=False imgsz=640 opset=12export 后得到 best.onnx。dynamic=False 表示输入尺寸固定为 640x640，这样 NPU 不需要处理动态 shape，推理速度更快。opset=12 是兼容性较好的版本，RK3588 的 rknn-toolkit2 对 opset 12 支持稳定。导出完成后，建议先用 onnxruntime 推理一遍测试结果是否与 PyTorch 推理一致，再上板子，不然排查问题会非常痛苦。
5. 避坑指南：复现这套毕设最容易踩的六个坑
5.1 现象：训练时 loss 下降但 mAP 一直为零
原因通常是数据集标注框和 YOLO 格式转换出错，最常见的是类别 id 从 0 变成 1，或归一化坐标写反。我的排错做法是：用 cv2 把训练集前 20 张图画上框，人工看一眼标注是否贴合人头。如果框的位置明显偏了，就是标注转换脚本的问题，而不是模型问题。VOC 转 YOLO 格式时尤其要小心，VOC 的 bndbox 存的是 xmin、ymin、xmax、ymax，而 YOLO 需要中心点和宽高，换算公式为 x_center=(xmin+xmax)/2/width，width 是图的宽不是框的宽。
import cv2 img = cv2.imread("datasets/classroom/images/train/0001.jpg") with open("datasets/classroom/labels/train/0001.txt") as f: for line in f.readlines(): cls, x, y, w, h = map(float, line.strip().split()) x1 = int((x - w / 2) * img.shape[1]) y1 = int((y - h / 2) * img.shape[0]) x2 = int((x + w / 2) * img.shape[1]) y2 = int((y + h / 2) * img.shape[0]) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.imwrite("check_annotation.jpg", img)这个脚本读取一张图和它的标签，把归一化坐标换算回像素坐标，然后画框输出。如果框离人头中心太远，问题不在模型，在数据。把 20 张图都查一下，比看任何训练指标都快。
5.2 现象：摄像头画面里漏检后排学生
原因有两个方向。一是训练数据里后排人头样本太少，模型没见过这个尺度。二是 imgsz 设置太小。教室后排的人头在 640 分辨率下往往只有 20 到 30 像素，是典型小目标，imgsz 提到 768 或 1024 能明显改善。另一个有效做法是训练时开启马赛克增强之外，单独把后排区域做 cutout 扩大。如果你用的是项目自带数据集，也要确认是否覆盖远距离样本，不然部署后就是漏检。
解法：回到数据层面，专门从后排视角多抽帧，并适当把这类小目标样本复制增强 1 到 2 倍，重新训练。这属于调数据而不是调代码，也是我在这个项目里最花时间的部分。
5.3 现象：CPU 推理只有 2 帧，界面卡成幻灯片
原因很简单，YOLOv8n 虽然轻量，但 CPU 跑实时视频还是吃力。这里我给小白建议是降到 480p 分辨率再做推理，或者把帧率限制在 10 FPS，先保证界面不卡。如果想要流畅体验，把模型导出 ONNX 之后用 OpenVINO 或 ONNX Runtime 推理，比 PyTorch 直接跑快 2 到 4 倍。还有一种玄学方案是检测框轻微抖动，相邻帧 jitter 明显时做平滑，常见做法是维护一个队列，输出人数取最近 5 帧的众数或均值，单个跳变不会导致界面数字乱跳。
from collections import deque import statistics count_history = deque(maxlen=5) def smooth_count(raw_count): count_history.append(raw_count) return statistics.median(count_history)这个中值平滑技巧特别适合人数统计，不会因为单帧误检把数字从 42 跳到 47。它本身不改变模型，只做后处理，但对毕设演示的观感提升巨大。你如果要在论文里写，可以说这是"时序平滑模块"。
5.4 现象：RK3588 上 ONNX 转换失败，报 op 不支持
原因通常是模型里出现了 RKNN-toolkit 不支持的层，比如某些新版本的 DFL 或注意力机制。做法是先看日志里报哪个 op，再在导出时加上简化算子选项。onnxsim 先简化计算图，再转到 rknn。如果还不行，就把模型改回 YOLOv8n 标准结构，不要用自己改的 attention 头，边缘部署优先保证结构兼容。
5.5 现象：忘记把推理代码封装成类，项目一坨代码没法答辩
很多毕设拿到源码能跑通，但对项目结构说不清楚。解决方案：把数据加载、模型推理、界面逻辑拆成三个模块，训练、验证、推理入口分开。这样不光是代码好看，调试也省心。我见过太多把摄像头读取、模型推理、绘图全部塞进一个 main.py 的同学，来回折腾很难受。这个坑是工程性问题，不是技术难点。
5.6 现象：数据集路径写错，训练 10 轮后才发现没读数据
把 data.yaml 里的路径写成绝对路径，换机器就要改。建议项目根目录下用相对路径，或者训练命令里统一用项目前缀拼接路径。YOLOv8 在找不到数据时不会立即报错，而是训练一些轮次后在日志里提示"WARNING data not found"，遇到这个提示直接 Ctrl+C 检查路径。
注意：以上坑都来自于我实际带别人复现同类项目的记录，第 1 和第 3 条最隐蔽，也最影响答辩结果，优先级最高。
6. 验证方法和进阶技巧：不只是跑通，还能说清为什么好
把训练好的模型部署到界面上只是第一步。毕设答辩时被问到最多的几个问题是：你如何验证模型泛化能力？你统计的人数准确率是多少？不同光照条件下模型会不会失效。如果你没有提前准备好验证脚本和量化数据，现场演示就会变成"看，它能框人"，但经不起追问。这里给出一套我在挖数据集和调参过程中反复用的验证方法。
先做离线视频回放验证。找一个没有被用作训练集的教室视频，把模型跑完整段，逐帧统计 Count 结果，再与人工标注的每帧真实人数对比。这个对比就产生了"漏检率"和"误检率"两个指标。标注 500 帧的工作量大约 2 到 3 小时，但对毕设论文来说非常值得，因为你终于能用一条折线图表达模型在哪些时段、哪些位置出错。另一块可以做得更深的是 ROI 分区统计，把教室画面按座位分区，分别统计人数，这样能看到不同区域的检测精度差异，也方便后续做区域人数上限预警。对于光线变化，建议在训练数据里加入亮度扰动，OpenCV 里可以快速把原图增强或变暗后再参与训练，YOLOv8 本身有 hsv 增强，但教室场景里日光灯闪烁和傍晚昏暗是两类特殊光照，单独增强更有效。
模型训练] 最终的模型选择建议做 A/B 对比：同一组验证视频，分别跑 yolov8n 和 yolov8s，统计两版的平均精度和推理时间。如果差距在 2% 以内，就选能跑满 30 FPS 的那版，教室人数统计是准实时任务，流畅度优先。如果数据量充足、显卡允许，再用 TTA（测试时增强）或集成推理验证一下上限，但正式部署不推荐开 TTA，耗时翻倍精度提升有限。我自己的习惯是，每次训练完把训练命令和参数写进一个 yaml 文件存档，记录 imgsz、epochs、patience、数据版本，发生改动时容易回看，这个习惯在我反复调整参数之后帮了大忙，再也不会出现"上次那版效果更好但忘了配了啥"的情况。这条流程走完，你对"基于 YOLOv8 的智慧教室人数统计应用"这个项目的理解就不是停留在能跑，而是能讲清每个步骤背后的取舍。希望帮到你。 <p> <a href="https://download.csdn.net/download/m0_65481401/90615937" style="color:#ec7500;font-size:14px;"> 本文还有配套的精品资源，点击获取 </a> <img alt="menu-r.4af5f7ec.gif" src="https://csdnimg.cn/release/wenkucmsfe/public/img/menu-r.4af5f7ec.gif" style="width:16px;margin-left:4px;vertical-align:text-bottom;cursor:text;"> </p>
