Gần đây các phương pháp phát hiện đối tượng đã đạt được hiệu suất cao trên cả tốc độ và độ chính xác. Bên cạnh đó, việc ứng dụng các phương pháp này trong các hệ thống giám sát thông minh đang thu hút được nhiều sự quan tâm. Bài báo này tìm hiểu sự phát triển của mô hình phát hiện đối tượng một giai đoạn You Only Look Once (YOLO) gồm: YOLOv3, YOLOv4 và YOLOv5. Các phiên bản này sẽ được đánh giá dựa trên tốc độ xử lý khung hình, F1-score và độ chính xác trung bình khi thực hiện suy luận. Các kết quả thí nghiệm cho thấy tính khả thi của các mô hình này khi được sử dụng cho giám sát video trong thành phố  thông minh.