青春科创落地校城：YOLOv5+DeepSort 守护人流安全防线

2026年12月，玉林师范学院人工智能学院 “基于物联网的人流量监控设备” 大学生创新创业团队走出实验室，分赴校外城市商业街区、校内户外步道、教学楼出入口等不同类型的真实复杂场景，依托 YOLOv5 目标检测与 DeepSort 多目标跟踪核心算法，开展为期两个月的实地部署、数据采集与设备迭代测试，聚焦人流量精准统计、多目标追踪、复杂环境适配三大核心方向，提升物联网智能监控设备的实用化落地能力，以人工智能技术同步赋能校园公共区域人流治理与城市街区智慧管控。

团队由樊柳岑、黄付德、谢春声、周建明、张晓倩五名成员组成，大家分工协作、兵分两路，紧密配合开展实地攻坚：一路聚焦校外城市商业街区高密度人流场景，另一路针对校内步道与骑行道交错区、食堂周边开放路口等高频人流区域展开测试验证。团队始终以技术落地、场景精准适配为核心目标，通过联合现场调试、实时数据比对、一线需求调研，协同优化算法精度与硬件稳定性，在分工中聚力、在协作中突破，以实干践行 “以创促用、以践促研” 的青春担当，推动智能人流量监控技术全面适配城市开放街区与校园开放环境的复杂应用需求。

初心如磐：扎根校城实景，践行科技为民使命

团队始终锚定 “用技术解决实际问题” 的核心初心，积极响应智慧校园建设与城市精细化治理的双重号召，主动走出校园实验室，扎根校园街头巷尾与城市商业街区的真实场景。在实地测试过程中，团队成员分别与校园公共区域管理方、路段运维人员，以及城市商业街区运营管理团队并肩协作，亲身体验校园课间、就餐高峰，城市商圈通勤、消费高峰的人流疏导压力，深度感知校城两方一线工作者对精准人流数据的迫切需求。

这段实践不仅让团队积累了城市、校园两类不同场景的海量真实数据，更锤炼了成员的社会责任感 —— 他们深刻认识到，青年学子的创新不应止步于实验室的参数优化，更要聚焦校城民生实际需求，用专业知识为校园治理、城市街区管理减负提效，以青春之力践行科技为民的担当。

场景攻坚（一）：城市商业街区，双算法破解密集人流精准计数难题

针对校外城市商业步行街 “行人高度密集重叠、各类静态物体干扰多、人流流动性强” 的核心痛点，团队在街区核心区域部署视觉采集硬件与边缘计算单元，采用 “人工核数 + 设备统计” 双比对方式开展数据校准。测试初期，因行人近距离结伴而行导致目标重叠、街区绿植盆栽、广告灯箱等干扰物影响，人流量统计存在明显误差。团队随即以 YOLOv5 为核心，重点优化小目标、密集目标的识别能力，同时接入 DeepSort 多目标跟踪算法，为每位行人分配独立追踪 ID，实现行人轨迹连续绑定与去重精准计数，有效区分行人与街区各类静态干扰物体。

经过多轮现场参数调优与算法迭代，设备在校外城市商业步行街密集人流场景下的统计误差率成功控制在 3% 以内，实现了城市开放街区大流量、高重叠场景下的高精度、连续化人流量监测。

图 1 团队人流量监控设备在城市商业步行街的实测界面

场景攻坚（二）：校园复合场景，全时段稳定监测破局

面对校内 “步道与骑行道交错、课间短时人流高度集中、树荫遮挡导致光照不均、楼宇间逆光频繁” 的复杂场景挑战，团队重点验证 YOLOv5 与 DeepSort 算法在校园场景的协同适配能力。软件开发成员黄付德对 YOLOv5 模型进行轻量化剪枝与推理加速，将单帧图像处理时间压缩至 0.08 秒，保障校园高清监控画面下的目标实时检测；同时优化 DeepSort 算法的轨迹匹配逻辑，提升运动目标的抗遮挡、抗干扰能力，即便在学生群体密集穿行、自行车与行人轨迹交叉干扰的情况下，仍能保持行人 ID 不丢失、计数不重复。

针对校园内树荫遮挡、楼宇逆光等专属光照问题，团队集成低光照增强与逆光抑制算法，搭配硬件遮光结构优化，让 YOLOv5 检测模型在校园复杂光线下稳定提取目标特征，最终实现设备在校园场景下的全时段识别准确率超 95%，完美适配校园步道、教学楼出入口、食堂周边等区域的全天候人流量监测需求。

图 2校园复合场景下，YOLOv5+DeepSort算法实测画面，精准识别不同置信度的行人目标

需求迭代：软硬协同升级，打造校城通用实用化监测方案

测试过程中，团队始终以 “用户需求” 为导向，同步收集校园管理方、运维人员与城市商业街区运营团队的 32 项有效反馈，推动设备从 “能监测” 向 “好用、耐用、通用” 升级。针对校园多雨多尘、城市街区环境复杂的共同特点，选用 IP65 级防水防尘外壳，优化接口密封工艺，全面提升设备户外适应性；基于 DeepSort 算法的 ID 追踪核心数据，新增分时段人流汇总、区域密度分析、历史数据导出功能，让人流量数据可溯源、可分析、可应用，同时适配校园管理与城市商业运营的数据分析需求。

从算法参数精准调优到硬件防护全面升级，从核心功能完善到附加需求落地，团队通过 “需求收集 - 技术迭代 - 实景验证” 的闭环模式，让设备不仅满足技术指标要求，更贴合校园管理、城市商业运营的实际场景需求，真正成为校城两方一线工作者的 “智慧帮手”。

青春淬炼：以践促研成长，实干书写青年担当

为期两月的校城双场景实地攻坚，既是技术落地的过程，更是团队成长的历练。从实验室模型到室外校城实景，从针对不同场景的参数调试到各类技术难题的破解，团队累计完成校城各场景 150 小时连续测试，完成 20 项 YOLOv5 与 DeepSort 算法针对性调优，攻克 8 项核心技术痛点，新增 5 项实用功能模块，最终实现城市密集人流场景误差率≤3%、校园场景全时段识别准确率超 95% 的技术突破。

这段历程中，成员们在协同攻坚中锤炼了工程实践、团队协作与场景化问题解决能力，在反复校验中深化了对 “以创促用、以践促研” 理念的理解，用脚踏实地的实干诠释了新时代青年大学生的责任与担当，让青春在服务校城需求的创新实践中绽放光彩。

智启新程：青年科创深耕，赋能城校智治

展望未来，团队将继续坚守 “实景创新” 初心，深耕人流量监测核心领域，持续精进 YOLOv5、DeepSort 等人工智能核心技术，进一步优化算法鲁棒性与设备在校园、城市不同场景的适配能力。通过完善人流量数据可视化管控平台，构建 “实时监测 - 精准计数 - 智能分析 - 数据应用” 的全链条智慧管控闭环，让智能监测技术深度服务于校园公共管理、城市商业客流分析与区域安全疏导。

团队也将以此次校城双场景实践为起点，在创新创业的道路上步履不停、精进不止，用青春实干攻克更多技术难题，让科技成果在校园、城市落地生根，为智慧校园治理升级、城市精细化治理注入源源不断的青春动能，书写青年创新赋能校城协同发展的奋进篇章。（供稿：张晓倩）