📄 项目名称

YOLOv11目标识别与跟踪可视化界面

🎯 项目目标

开发一个支持导入视频，基于YOLOv11进行目标识别，结合Ultralytics跟踪算法进行多目标跟踪的可视化操作工具，用于演示和测试识别与跟踪效果。

---

✅ 功能需求

1. 视频导入功能

• 支持格式：MP4、AVI、MOV
• 支持拖拽导入或按钮上传
• 可播放、暂停、跳转进度

2. YOLOv11模型加载与目标识别

• 使用Ultralytics YOLOv11 模型（调用本地模型）
• 实时/逐帧显示识别结果（边框、标签、置信度）

3. 跟踪功能

• 提供两种Ultralytics跟踪算法选择（如：ByteTrack、BoT-SORT）
• 跟踪ID持续显示（不同颜色、标签）
• 可选开启/关闭跟踪功能

4. 视频处理结果展示

• 上方视频+下方日志区域展示检测数量、帧率等信息
• 支持帧步进查看处理细节

5. 导出结果

• 支持导出识别+跟踪后的视频（MP4）
• 支持导出检测/跟踪日志（JSON / CSV格式，包括frame_id, object_id, class, bbox等）

---

🖥️ 界面需求

主界面布局（PyQt实现）：

• 顶部菜单栏：导入视频 / 开始检测 / 选择跟踪算法 / 导出结果

• 中央视频区域：

  • 左侧：原始视频
  • 右侧：处理后视频（可选识别/跟踪切换）

• 底部操作栏：

  • 播放/暂停、帧跳转、识别开关、跟踪开关、帧率显示等

---

⚙️ 技术要求

模块	技术选型
模型	YOLOv11 (Ultralytics库)
跟踪算法	ByteTrack / BoT-SORT（Ultralytics）
视频处理	OpenCV
界面	PyQt6
导出	FFmpeg（视频），pandas（日志）

---

🚀 快速开始

1. 环境安装

# 克隆项目
git clone https://github.com/BIANG-qilie/YOLO-Operator.git
cd YOLO-Operator

# 安装依赖
pip install -r requirements.txt

2. 模型权重文件

本项目使用YOLO11 OBB（有向边界框）模型进行目标检测。为了避免在Git仓库中存储大文件，模型权重文件将在首次运行时自动下载。

自动下载（推荐）

• 程序首次运行时会自动检测并下载所需的模型文件
• 默认下载 yolo11x-obb.pt（113MB）到 weights/ 目录

手动下载

如果需要手动下载或选择其他模型，可以使用提供的下载脚本：

# 下载所有可用模型
python download_weights.py

# 下载指定模型
python download_weights.py --model yolo11n-obb.pt

# 查看可用模型列表
python download_weights.py --list

可用模型

模型文件	大小	描述	下载地址
yolo11n-obb.pt	5.6MB	轻量版OBB模型	下载
yolo11s-obb.pt	19.8MB	小型OBB模型	下载
yolo11m-obb.pt	42.9MB	中型OBB模型	下载
yolo11l-obb.pt	54.3MB	大型OBB模型	下载
yolo11x-obb.pt	113MB	超大型OBB模型（默认）	下载

📝 注意: 所有模型文件都来自 Ultralytics 官方发布

3. 运行程序

python main.py

---

📚 使用说明

1. 导入视频: 点击"导入视频"按钮或拖拽视频文件到界面
2. 模型加载: 程序会自动加载YOLO模型（首次运行会自动下载）
3. 开始检测: 点击"开始检测"按钮开始处理视频
4. 查看结果: 在界面中实时查看检测和跟踪结果
5. 导出结果: 处理完成后可导出结果视频和检测日志