专为搭载 NVIDIA RTX 显卡（如 RTX 4070 / Ada Lovelace 架构）深度定制的现代化桌面端全景智能视觉与自动驾驶感知系统。
融合 YOLOPv2 全景驾驶感知、YOLOv8 骨骼姿态估计、赛博朋克火控瞄准 与 上帝视角 3D 俯视雷达，单帧推理低至 6ms，帧率高达 150+ FPS！
实时锁定多目标并进行三级威胁评估，同步分割可行驶路面（翡翠绿）与激光车道线（猩红），并在右下角 3D BEV 雷达中动态投影空间相对位姿：
《赛博朋克 2077》/《看门狗》风格全息悬浮卡片，具备电路引线、实时 Bio-Pulse 心电波形、威胁评估与公民数据：
毫秒级多任务并发处理，精确提取复杂光照与道路条件下的路面与车道几何结构：
- 三段式动态旋转瞄准环：内外环反向差速旋转，中心十字瞄准星与四角战术切角括号。
- 动态测距与三级威胁评估：
- 🔴 CRITICAL (< 6m)：极度危险，警报红框与快速扫描，最高处置优先级。
- 🟡 ELEVATED (6m ~ 15m)：中度威胁，琥珀金战术标记。
- 🔵 NOMINAL (>= 15m)：常规环境目标，赛博青色锁定。
- 智能焦点抑制：自动区分 Primary 主目标与 Secondary 次要目标，避免屏幕密集混乱。
- Watch Dogs / 赛博朋克 2077 视觉风格：
- 半透明深黑底板搭配激光青色霓虹边框。
- 折角电路引线连接目标头部，跟随人物运动动态拉伸对齐。
- 动态公民唯一身份编码 (
#NET-xxxx)、职业特征推断、安全许可等级。 - 实时 Bio-Pulse 心电图：正弦叠加微扰动的动态心跳 ECG 波形，模拟活体生命体征监测。
- Bottom-Right 悬浮雷达罗盘：
- 三重动态同心距离环（10m / 25m / 50m）与网格坐标线。
- 60° 前向主传感器可视锥形光区 (Sensor FOV Cone)。
- 360° 旋转声纳扫描光束：带有高保真指数衰减的雷达扫描余晖效果。
- 自车位置青色战术箭头指示，视野内车辆与行人实时投影为动态雷达光斑点 (Blips)。
- 基于 YOLOPv2 全景多任务端到端网络：
- Drivable Area：毫秒级全分辨率路面语义分割，翡翠绿平滑羽化渲染。
- Lane Lines：高精激光车道线提取与边缘重构，猩红激光线条高亮。
- 毫秒级多人体骨架拓扑构建（头部、躯干、双臂、双腿关节）。
- 动态关节发光点与自适应骨架连线，全身动作体态实时解析。
- 针对轿车 (Car)、卡车 (Truck)、公交车 (Bus)、摩托车 (Motorcycle)、自行车 (Bicycle) 精准过滤与高亮。
- 界面专属统计看板实时统计周边机动车与非机动车总数。
- 支持主流格式：
MP4,AVI,MKV,MOV,WMV,FLV。 - 时间轴拖拽、播放/暂停、逐帧单步分析。
- 高清导出功能：后台全自动多线程推理，一键导出带有完整科幻 HUD、道路分割与目标锁定的高品质 MP4 视频。
针对 NVIDIA RTX 4070 (Ada Lovelace 架构, sm_89) 进行深度调优：
- 4th-Gen Tensor Core FP16 半精度矩阵乘加加速。
- cuDNN 卷积动态基准自优化 (
torch.backends.cudnn.benchmark = True)。 - TF32 & FP16 混合精度管道。
| 运行模式 | 分辨率 | 显存占用 | 单帧推理耗时 | 实时吞吐帧率 (FPS) |
|---|---|---|---|---|
| YOLOv8n 目标检测 | 640x640 | ~1.1 GB | 2.8 ms | 180+ FPS |
| YOLOv8n-Pose 骨骼估计 | 640x640 | ~1.2 GB | 3.6 ms | 160+ FPS |
| YOLOPv2 全景驾驶 (路面+车道+检测) | 640x384 | ~1.4 GB | 6.2 ms | 130 ~ 150 FPS |
| 双模型全景融合 + 完整科幻 HUD | 640x640 | ~1.8 GB | 7.5 ms | 120+ FPS |
- 从 Releases 页面 下载
TensorVisionAI-v2.0-Win64.zip。 - 解压后，双击运行目录内的
TensorVisionAI.exe即可直接体验全部功能，无需配置 Python 环境！
git clone https://github.com/skyi7943-cmd/TensorVision-AI.git
cd TensorVision-AI推荐使用 Python 3.10+，并安装支持 CUDA 12.4 的 PyTorch：
# 安装 PyTorch (CUDA 12.4)
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124
# 安装项目依赖
pip install -r requirements.txt运行自动化下载脚本，将自动拉取所有 YOLOv8 与 YOLOPv2 预训练模型：
python download_models.pypython main.py或在 Windows 下直接双击运行根目录下的 run_app.bat。
本项目内置针对 PyTorch CUDA 与 PySide6 的深度打包脚本：
python build_exe.py打包成功后，将在 dist/TensorVisionAI/ 目录下生成可脱离 Python 环境独立运行的 Windows 64位绿色软件包。
TensorVision-AI/
├── assets/ # 高清效果演示截图与图标
│ ├── app_icon.ico
│ ├── demo_tactical_road_radar.jpg
│ ├── demo_cyber_profiler_radar.jpg
│ ├── demo_road_perception.jpg
│ └── demo_yolopv2_masks.jpg
├── core/ # 核心业务逻辑
│ ├── inference_worker.py # 多线程异步推理管道 (QThread)
│ ├── video_stream.py # 摄像头/本地视频高帧率读取器
│ ├── video_exporter.py # 后台高清视频导出器
│ └── visualizer.py # 战术瞄准、赛博档案、3D雷达与全景渲染器
├── models/ # 深度学习推理引擎
│ └── engine.py # Tensor Core FP16 / CUDA 极致优化引擎 (YOLOv8 + YOLOPv2)
├── ui/ # 现代化桌面交互界面
│ └── main_window.py # PySide6 赛博暗黑主题 GUI 控制台
├── weights/ # 预训练模型存放目录 (通过 download_models.py 自动下载)
├── build_exe.py # PyInstaller 自动化一键打包脚本
├── download_models.py # 自动化模型权重下载管理脚本
├── requirements.txt # 项目依赖列表
├── run_app.bat # Windows 一键极速启动脚本
└── main.py # 应用程序总入口
本项目基于 MIT License 开源协议，欢迎自由学习、商用与扩展开发。