Parth-Mulay/AI-CCTV-SYSTYM

ThreatSys – 基于 AI 的智能监控系统 ThreatSys 是一个由 Artificial Intelligence、Computer Vision 和 Web Technologies 驱动的智能实时监控和威胁检测平台。它通过实时摄像头流和录制的视频，提供自动化监控、异常检测和警报生成。 该系统专为家庭、办公室、校园和受限区域的智能安防解决方案而设计。 📌 功能 ✅ 实时摄像头流传输（Webcam / IP Camera） ✅ 基于运动的异常检测 ✅ 带有观察名单监控的人脸识别 ✅ 安全的用户认证系统 ✅ 基于角色的 AI 模型选择 ✅ 自动化警报生成 ✅ 基于图像的证据存储 ✅ 后台视频处理 ✅ 多用户仪表板 ✅ 低延迟优化流传输 ✅ 基于数据库的用户管理 🧠 技术栈 类别 技术 Backend Python, Flask AI / CV OpenCV, Custom ML Models Frontend HTML, CSS, JavaScript, Bootstrap Database SQLite / MySQL Security Werkzeug Password Hashing, Sessions 其他 Multithreading, Background Processing 📁 项目结构 ThreatSys/ │ ├── app.py ├── utils/ │ ├── camera.py │ ├── detector.py │ ├── motion.py │ ├── alert.py │ └── db.py │ ├── templates/ ├── static/ ├── uploads/ ├── watchlist/ ├── models/ └── logs/ ⚙️ 安装与设置 1️⃣ 克隆仓库 git clone https://github.com/Parth-Mulay/ThreatSys.git cd ThreatSys 2️⃣ 创建虚拟环境（推荐） python -m venv venv source venv/bin/activate # Linux / Mac venv\Scripts\activate # Windows 3️⃣ 安装依赖 pip install -r requirements.txt 4️⃣ 运行应用 python app.py 在浏览器中打开： http://127.0.0.1:5000 📸 工作原理 用户注册并登录 连接摄像头 / IP 流 实时捕获视频帧 AI 模型分析运动和人脸 自动检测威胁 触发带有证据的警报 用户通过仪表板监控活动 🎯 用例 🏠 智能家居监控 🏢 办公室与企业安全 🎓 校园监控 🚧 受限区域保护 🚓 执法支持 📹 基于 AI 的 CCTV 分析 🚀 性能优化 后台线程化摄像头捕获 最小化帧缓冲 分辨率与 FPS 调优 JPEG 压缩优化 减少网络开销 这些优化确保了低延迟的实时流传输。 📈 未来增强功能 云端部署（AWS / Azure / GCP） 移动应用集成 短信 / 电子邮件警报系统 基于 Deep Learning 的异常检测 分布式多摄像头网络 Edge AI 实现 面部情绪分析 👨‍💻 作者 Parth Mulay AI 与 Data Science 开发者 📧 Email: (mulayparth8@gmail.com) 💼 LinkedIn: (https://www.linkedin.com/in/parthmulay) 🌐 GitHub: https://github.com/Parth-Mulay

标签：Flask, OpenCV, Python, 人工智能, 多模态安全, 数据可视化, 无后门, 智能安防, 用户模式Hook绕过, 视频监控, 计算机视觉, 逆向工具