基于YOLOv5的多目标社交距离监测系统（yolov5实现多目标检测，距离太近为红色，距离过近为黄色，距离适中为绿色）

本项目旨在利用计算机视觉技术，特别是目标检测算法，来实时监测公共场合中人群的社交距离情况。通过摄像头或视频输入，系统能够识别并跟踪个体，评估它们之间的距离，并根据这些距离来判断是否符合推荐的社交距离标准。系统将通过颜色编码来直观地表示不同个体间的距离状态，使观察者能够快速了解现场的安全状况。

技术栈

YOLOv5：作为主要的目标检测模型，用于检测视频帧中的人体。
OpenCV：用于视频处理和图像操作。
Python：编程语言。
NumPy：进行数值计算。
Pandas（可选）：数据处理与分析。

功能描述

人体检测：使用YOLOv5模型实时检测视频中的所有个体。
个体跟踪：对检测到的个体进行跟踪，以便持续监测其位置变化。
距离计算：计算个体之间的距离，并基于此距离进行分类。
颜色编码：
- 当两个个体之间的距离小于某个阈值时，标记为红色，表示距离过近，存在高风险。
- 当两个个体之间的距离位于两个阈值之间时，标记为黄色，表示距离较近，存在中等风险。
- 当两个个体之间的距离大于某个安全阈值时，标记为绿色，表示距离适中，风险较低。
可视化输出：在视频帧中标记每个个体的位置，并根据它们之间的距离用不同的颜色编码表示风险等级。

实现流程

环境搭建：安装必要的Python库，如YOLOv5、OpenCV等。
数据准备：获取训练YOLOv5模型所需的标注数据集。
模型训练：训练YOLOv5模型以精确地检测人体。
后处理：实现距离计算逻辑以及个体跟踪机制。
颜色编码与输出：开发颜色编码方案，并将其应用于视频输出。
测试与优化：对系统进行全面测试，并根据反馈进行优化。

关键代码片段

这里提供一个简化的代码示例来说明如何实现上述功能：

import cv2
import numpy as np
from ultralytics import YOLO# 初始化YOLOv5模型
model = YOLO('yolov5s.pt')# 安全距离阈值设置
SOCIAL_DISTANCE_THRESHOLD = 1.5  # 米
CLOSE_DISTANCE_THRESHOLD = 0.75  # 米# 颜色定义
RED = (0, 0, 255)
YELLOW = (0, 255, 255)
GREEN = (0, 255, 0)# 视频捕获
video_capture = cv2.VideoCapture('path/to/video.mp4')# 主循环
while True:ret, frame = video_capture.read()if not ret:break# 使用YOLOv5进行人体检测results = model(frame)# 提取检测结果detections = results[0].boxes.xyxy.cpu().numpy()scores = results[0].boxes.conf.cpu().numpy()classes = results[0].boxes.cls.cpu().numpy()# 获取检测到的人体框person_boxes = detections[classes == 0]  # 假设0代表人体类别# 计算每个个体中心点centers = [(int((x1 + x2) / 2), int((y1 + y2) / 2)) for x1, y1, x2, y2 in person_boxes]# 绘制每个个体的位置for center in centers:cv2.circle(frame, center, 5, GREEN, -1)# 计算个体间距离并标记for i, (cx1, cy1) in enumerate(centers):for j, (cx2, cy2) in enumerate(centers):if i < j:distance = np.sqrt((cx1 - cx2)**2 + (cy1 - cy2)**2)# 根据距离标记颜色if distance <= CLOSE_DISTANCE_THRESHOLD:color = REDelif distance <= SOCIAL_DISTANCE_THRESHOLD:color = YELLOWelse:color = GREENcv2.line(frame, (cx1, cy1), (cx2, cy2), color, 2)# 显示帧cv2.imshow("Social Distance Monitoring", frame)# 按'q'退出if cv2.waitKey(1) & 0xFF == ord('q'):break# 清理资源
video_capture.release()
cv2.destroyAllWindows()