随着科技的发展社会的进步以及人民收入的增加，道路上的车辆也日渐变得越来越多。车辆的增多造成了交通压力日益增大局面。面对日益严重的交通拥堵状况，日常生活中选择乘坐公交车的人日渐增多。当前各大城市基本都建成了公交车实时位置查询系统，帮助乘客掌握公交车的实时位置。进一步掌握公交车内部的拥挤度情况，对乘客的乘车舒适性、疫情大背景下指导乘客合理乘车保障人身健康以及公交车的合理调度都具有重大的意义。本文采用目标检测的方式对公交车内拥挤度检测进行相关研究，具体工作如下:(1)利用得到的公交车内监控视频截取相关视频帧，利用标注软件labelImg标注图像中的空余座椅以及过道站立乘客制作了公交车内部检测数据集。
　　(2)选用经典的一阶段目标检测网络YOLOv3用于公交车内空余座椅以及过道站立乘客的检测，主要目的是根据检测到的空余座椅以及过道站立乘客数量判断公交车内的拥挤度及安全预警类别。由于公交车内部环境的复杂性，站立乘客以及座椅之间存在着遮挡，最终实验测试结果准确率偏低。
　　(3)针对原始YOLOv3网络存在的问题进行网络结构改进，对darknet-53的每一个res_unit中加入SENet模块，共加入了23个SENet模块，提高网络的特征提取能力，用DIOU-NMS替换原来使用的NMS以及用CIOU_Loss替换网络原来的均方误差损失函数，以降低网络漏检情况的发生。对改进后的网络在公交车内部检测数据集上进行训练测试，改进后的YOLOv3的测试结果与原始的YOLOv3的测试结果相比有明显提高，mAP值大约有9.62％的提高;拥挤度及安全预警判断准确率大约有10％的提升，准确率最终达到了85％。
　　(4)基于训练好的模型设计了公交车内拥挤度检测及安全预警系统，选中想要检测的公交车内图片，系统可以将选中的图片提交到训练好的网络模型，然后根据网络模型返回的拥挤度及安全预警类别给出当前公交车内剩余座椅的数量以及乘车建议。