【项目07】基于YOLOv8实现行人检测

本文来自《AI实战90讲》——90个实战项目，跑出你的AI竞争力。

大家好，欢迎来到第七个项目！前六篇我们一直在做图像分类——判断图片里是什么。今天升级到目标检测：不光要知道有什么，还要知道它在哪里。

一、项目简介

我第一次用 YOLO 是在一个智慧园区的项目里——要在监控画面里统计人流量。当时想的是：这不就是分类 + 定位嘛，写个滑动窗口把每个区域都分类一遍不就行了？结果一张 1920×1080 的图要跑 2000 多次分类，耗时 30 秒。后来同事说你试试 YOLO，一行代码model('image.jpg')，0.03 秒出结果。那一刻我深刻理解了什么叫「不要重新发明轮子」。

YOLO（You Only Look Once）的核心思想非常优雅：把图片分成 S×S 的网格，每个网格只负责检测中心点落在自己范围内的物体。一次前向传播同时预测边界框和类别——所以叫「只看一次」。

YOLOv8 是目前最成熟的稳定版本，v8n（nano）仅 6MB，CPU 上也能跑。这个项目我们就用它来实现行人检测——3 行核心代码，30 行辅助代码，完整可运行。

二、数据集

YOLOv8n 已在COCO 2017数据集上完成预训练（80 个类别，包括 person、car、bus 等