# wisVideo

**Repository Path**: huang-leiguang_admin/wisVideo

## Basic Information

- **Project Name**: wisVideo
- **Description**: wisVideowisVideowisVideowisVideo
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-12-27
- **Last Updated**: 2025-08-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI视频监控项目

## 项目概述
本项目搭建目的，是检验AI模型在视频监控中的应用效果，可将训练好的模型部署到视频监控系统中，实现实时检测和报警。同时也便于向客户展示AI模型的效果。

## 现有模型
- `smoking.pt`: 训练好的抽烟检测YOLOv8模型
- `tool.pt`: 训练好的工具检测YOLOv8模型
- `yolov8n.pt`: YOLOv8预训练模型

## 数据集结构
- `datasets/`
  - `smoking_yolo/`: 抽烟检测数据集
    - `train/`: 训练集
    - `val/`: 验证集
    - `dataset.yaml`: 数据集配置文件

## 项目迭代
   下一版本迭代目标：
    - 误报优化
      - 多级阈值：设置不同级别的警报阈值，根据严重程度触发不同的响应。
      - 多视频：支持多视频同时检测，提高检测效率。
      - 多传感器融合：结合多个传感器的数据，提高检测的准确性。
      - 后处理规则：在检测结果后应用规则过滤，去除明显的误报。
      - 人工验证：在关键警报触发后，增加人工验证步骤。
        - 用户反馈：允许用户标记误报，收集反馈以改进系统。
      - 反馈机制：
        - 自动学习：利用反馈数据自动调整模型和规则。
      - 警报聚合和抑制：
        - 警报聚合：将相似的警报聚合为一个，减少重复警报。
        - 警报抑制：在短时间内抑制重复的警报，避免过多干扰。
  

    - 进度一：多级阈值 （已完成）
      - 1. 在alertinf数据模型中（包括数据库表），增加警报级别（低、中、高）；
      - 2. 在设置settings增加警报阈值设置，也就是低 中 高 分别对应多少阈值，以及对应的报警显示的颜色设置，需要更新到数据库；
      - 3. 根据阈值，在app.py 和 camera.py的相应部分的报警信息这里，给出相应报警；
      - 4. 在首页和报警管理页面的报警信息中，更新报警信息的颜色来调整显示方式；

    - 进度二：人工验证(已完成)
      - 1. 在报警管理页面，增加人工验证按钮，点击后，弹出确认对话框，确认后，将报警信息标记为已验证；
      - 2. 在报警管理页面，增加人工误报按钮，点击后，弹出确认对话框，确认后，将报警信息标记为误报；
      - 3. 在报警管理页面，增加选项卡，分为未验证、已验证、误报，分别显示不同状态的报警信息；

    - 进度三：警报聚合和抑制(进行中)
      - 1. 警报抑制：在短时间内抑制重复的警报，避免过多干扰。（已完成）
        - 设置警报抑制时间间隔，默认10秒，可以设置
        - 设置警报抑制位置阈值，默认50，可以设置
      - 2. 警报聚合：将相似的警报聚合为一个，减少重复警报。

## 项目目标
1. 抽烟检测
   - 检测视频中抽烟行为
   - 记录抽烟开始和结束时间

2. 工具检测
   - 检测视频中工具使用情况
   - 记录工具使用的开始和结束时间

3. 联合检测
   - 结合抽烟和工具检测
   - 综合分析和报警

4. 系统部署
   - 部署到视频监控系统
   - 实现实时检测和报警

## 开发配置

### 环境配置
- Python虚拟环境 (venv)
- YOLOv8
- PyTorch
- OpenCV
- FFmpeg

### 数据库配置
使用 SQLite 数据库存储：
- 日志数据
- 系统配置
- 模型信息
- 任务相关数据（训练、验证、推理、报警等）

### Web服务配置
- 采用B/S架构
- Flask框架
- 支持：
  - RTSP流
  - 本地视频文件
  - 本地摄像头

### 可视化功能
使用ECharts实现数据可视化：
- 每日统计
- 每周统计
- 每月统计
- 每年统计
- 抽烟行为分析
- 工具使用分析