Lavanya14hs/Video-analysis-platform

# 视频分析平台 一个包含物体检测、打架检测、事故检测和人群检测的视频事件分析系统。 ## 项目结构 - `api/` - 提供 video 分析 endpoint 的 FastAPI 服务 - `backend/` - 分析逻辑和模型实用工具 - `frontend/` - 用于上传和查看结果的 React UI - `models/` - 分析器使用的已训练模型文件 - `logs/` - 生成的日志文件和快照 - `temp/` - 临时上传存储 ## 快速开始 ### Python 后端 1. 创建 Python 虚拟环境。 ``` python -m venv .venv .\.venv\Scripts\Activate.ps1 ``` 2. 安装所需的 Python 依赖。 ``` pip install fastapi uvicorn opencv-python ultralytics numpy ``` 3. 运行 API 服务器。 ``` uvicorn api.main:app --reload ``` ### 前端 1. 安装前端依赖。 ``` cd frontend npm install ``` 2. 启动 React 应用。 ``` npm start ``` ## 部署 本项目专为支持带有 ML 模型 Python 后端的平台而设计。 ### 推荐：Railway Railway 为此类应用提供了最佳的支持。 1. 在 [railway.app](https://railway.app) 创建账户 2. 安装 Railway CLI：`npm install -g @railway/cli` 3. 登录：`railway login` 4. 初始化：`railway init` 5. 部署：`railway up` 该项目包含用于部署的 `requirements.txt`、`Procfile`、`railway.json` 和 `Dockerfile`。 `Dockerfile` 安装了 OpenCV 在 headless 模式下所需的系统库，这是推荐的部署方式。 ### 其他选项 有关 Railway、Render 和 Heroku 部署的详细说明，请参阅 `DEPLOYMENT.md`。 ### Vercel 的限制 Vercel 不适合本项目，因为： - 没有 ML 模型的 Python runtime - 存储和计算资源有限 - 无法处理 video 处理工作负载 ## 注意事项 - 将你的模型权重保留在 `models/` 文件夹中，尤其是 `yolov8n.pt`、`fight_detection.pt` 和 `accident_detection.pt`。 - 使用 `temp/` 进行上传，并定期对其进行清理。 - 避免将大型模型文件或敏感密钥提交到 Git。

标签：AV绕过, FastAPI, React, Syscalls, 人工智能, 异常检测, 用户模式Hook绕过, 目标检测, 视频分析, 计算机视觉, 请求拦截, 逆向工具