安保异常行为识别系统

项目概述

基于 YOLO + TensorRT 的安保异常行为识别系统，支持离岗检测和周界入侵检测。

快速开始

1. 安装依赖

pip install -r requirements.txt

2. 生成 TensorRT 引擎

python scripts/build_engine.py --model models/yolo11n.pt --fp16

3. 配置数据库

编辑 config.yaml 配置数据库连接。

4. 启动服务

python main.py

5. 访问前端

打开浏览器访问 http://localhost:3000

目录结构

project_root/
├── main.py                    # FastAPI 入口
├── config.yaml                # 配置文件
├── requirements.txt           # Python 依赖
├── inference/
│   ├── engine.py             # TensorRT 引擎封装
│   ├── stream.py             # RTSP 流处理
│   ├── pipeline.py           # 推理主流程
│   ├── roi/
│   │   └── roi_filter.py     # ROI 过滤
│   └── rules/
│       └── algorithms.py     # 规则算法
├── db/
│   ├── models.py             # SQLAlchemy ORM 模型
│   └── crud.py               # 数据库操作
├── api/
│   ├── camera.py             # 摄像头管理接口
│   ├── roi.py                # ROI 管理接口
│   └── alarm.py              # 告警管理接口
├── utils/
│   ├── logger.py             # 日志工具
│   ├── helpers.py            # 辅助函数
│   └── metrics.py            # Prometheus 监控
├── frontend/                 # React 前端
├── scripts/
│   └── build_engine.py       # TensorRT 引擎构建脚本
├── tests/                    # 单元测试
└── Dockerfile               # Docker 配置

API 接口

摄像头管理

• GET /api/cameras - 获取摄像头列表
• POST /api/cameras - 添加摄像头
• PUT /api/cameras/{id} - 更新摄像头
• DELETE /api/cameras/{id} - 删除摄像头

ROI 管理

• GET /api/camera/{id}/rois - 获取摄像头 ROI 列表
• POST /api/camera/{id}/roi - 添加 ROI
• PUT /api/camera/{id}/roi/{roi_id} - 更新 ROI
• DELETE /api/camera/{id}/roi/{roi_id} - 删除 ROI

告警管理

• GET /api/alarms - 获取告警列表
• GET /api/alarms/stats - 获取告警统计
• PUT /api/alarms/{id} - 更新告警状态
• POST /api/alarms/{id}/llm-check - 触发大模型检查

其他接口

• GET /api/camera/{id}/snapshot - 获取实时截图
• GET /api/camera/{id}/detect - 获取带检测框的截图
• GET /api/pipeline/status - 获取 Pipeline 状态
• GET /health - 健康检查

配置说明

config.yaml

database:
  dialect: "sqlite"  # sqlite 或 mysql
  name: "security_monitor"

model:
  engine_path: "models/yolo11n_fp16_480.engine"
  imgsz: [480, 480]
  batch_size: 8
  half: true

stream:
  buffer_size: 2
  reconnect_delay: 3.0

alert:
  snapshot_path: "data/alerts"
  cooldown_sec: 300

Docker 部署

docker-compose up -d

监控指标

系统暴露 Prometheus 格式的监控指标：

• camera_count - 活跃摄像头数量
• camera_fps{camera_id="*"} - 各摄像头 FPS
• inference_latency_seconds{camera_id="*"} - 推理延迟
• alert_total{camera_id="*", event_type="*"} - 告警总数
• event_queue_size - 事件队列大小