YOLOv9目标检测实战:用Python搭建你的第一个实时交通监控系统

一、前期准备：别慌，就装俩工具

首先得有Python，建议3.8以上版本，3.10最稳，兼容性拉满。不用懂环境配置，就像装手机APP一样简单。

然后是代码编辑器，VSCode就行，免费好用，打开就能写代码。

重点说下虚拟环境，这东西就像你的“专属工具箱”，把项目用到的库都装在这里面，不会和电脑里其他软件冲突。打开命令行，输入下面两行，一键创建并进入环境：

python -m venv yolov9_traffic
yolov9_traffic\Scripts\activate（Windows）
source yolov9_traffic/bin/activate（Mac/Linux）

看到命令行前面多了(yolov9_traffic)，就说明进对地方了。

二、一键装依赖：复制粘贴就完事

环境准备好了，接下来装干活的库。YOLOv9现在有Ultralytics封装好的包，不用自己编译，不用下一堆源码，一行命令搞定所有依赖，包括PyTorch、OpenCV这些核心工具，相当于给系统装完“驱动”。

pip install ultralytics opencv-python

等个一两分钟，所有库自动装好，不用管版本冲突，不用手动配置CUDA，CPU就能跑，有GPU的话会自动加速，简直是新手福音。

三、先跑通demo：确认环境没毛病

装完依赖，先跑个小demo，确保环境没问题。新建一个Python文件，叫test.py，复制下面代码：

from ultralytics import YOLO
model = YOLO("yolov9s.pt")
results = model("bus.jpg")
results[0].show()

随便找一张有车有人的图片，和代码放同一个文件夹，改名叫bus.jpg，运行代码。如果弹出带检测框的图片，框出公交车、人，说明环境完全没问题，接下来就能改造交通监控了。

四、核心改造：做成实时交通监控

现在进入重头戏，把demo改成能实时读视频、实时检测、实时显示的交通监控系统。咱们支持两种输入：本地交通视频、电脑摄像头（模拟实时监控），代码全程注释，每一行都给你讲明白。

新建traffic_monitor.py，复制下面完整代码：

import cv2
from ultralytics import YOLO
import time

model = YOLO("yolov9s.pt")
video_source = 0
cap = cv2.VideoCapture(video_source)

fourcc = cv2.VideoWriter_fourcc(*"mp4v")
out = cv2.VideoWriter("traffic_result.mp4", fourcc, 20.0, (640, 480))

traffic_classes = [0, 1, 2, 3, 5, 7]

print("交通监控启动，按q退出")
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    frame = cv2.resize(frame, (640, 480))
    results = model(frame, classes=traffic_classes, conf=0.5)
    annotated_frame = results[0].plot()

    car_num = len([box for box in results[0].boxes if box.cls == 2])
    person_num = len([box for box in results[0].boxes if box.cls == 0])
    cv2.putText(annotated_frame, f"Car:{car_num} Person:{person_num}",
                (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

    cv2.imshow("Traffic Monitor", annotated_frame)
    out.write(annotated_frame)

    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

cap.release()
out.release()
cv2.destroyAllWindows()

五、参数微调：让监控更准更快

新手跑起来可能会遇到两个问题：要么误识别（把路灯当成车），要么画面有点卡，咱们调两个参数就能解决，比调手机相机参数还简单。

1. 置信度conf：默认0.5，改成0.6，误识别直接减少，AI只认更确定的目标。

2. 缩帧尺寸：把640×480改成480×360，速度直接提升，低配电脑也能流畅跑。

3. 类别过滤：只保留需要检测的目标，减少计算压力。

六、进阶小功能：让监控更实用

1. 拥堵提醒

if car_num > 10:
    cv2.putText(annotated_frame, "Congestion!", (10, 60),
                cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

2. 时间戳显示

now_time = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())
cv2.putText(annotated_frame, now_time, (10, 90),
            cv2.FONT_HERSHEY_SIMPLEX, 0.8, (255, 255, 255), 2)

七、常见问题：踩过的坑都给你填好

八、项目拓展：想升级就这么改

咱们这个基础系统，扩展性拉满，想进阶的话，直接往这几个方向改：

• 多摄像头监控：循环打开多个摄像头，分屏显示

• 数据统计：把车辆、人数存到Excel，生成日报表

• 边缘部署：放到树莓派、工控机上，做成离线监控设备

• 车牌识别：配合OCR模型，实现车牌检测+识别

九、总结

今天咱们从零开始，用几十行代码，搭了一个完整的YOLOv9实时交通监控系统，全程不用懂复杂算法，不用写复杂逻辑，复制粘贴就能跑，还能按需改功能。

AI视觉没那么神秘，不用怕数学，不用怕编程，找对简单的工具，跟着实战流程走，普通人也能做出能用的AI项目。