Recurrex/Recurrex-Deep-Sheild-360

# 🛡️ Deep-Shield 360 **AI-Driven Video Analysis and Intelligence System** *Developed by Recurrex* ## 📖 概述 现代安保力量被无人机、佩戴式摄像头和固定CCTV网络产生的海量连续视频数据淹没。**Deep-Shield 360** 是一个自动化的智能软件解决方案，旨在实时处理并解读这些数据。 通过自主检测异常、追踪移动并识别潜在威胁，Deep-Shield 360 显著减少了手动监控的需求。它在最小的人工干预下提取有意义的见解，有效地充当了安保操作员那永不眨眼、高度精确的“智能之眼”。 ## ✨ 关键功能与黑客松要求满足 * **Multi-Source Video Input:** 原生接受实时 RTSP/HTTP 流（IP 摄像头、无人机）、本地网络摄像头以及存档视频片段（MP4/AVI），无缝集成现代与遗留基础设施。 * **Intelligent Feature Extraction:** 由 YOLOv8 提供支持，它逐帧检测和追踪物体、活动与模式，具有高精度。 * **Real-Time Threat Analysis:** 即时识别特定的感兴趣物体（例如可疑包裹、刀具）并向操作员发出警报。具备可配置的置信度阈值以消除误报。 * **Live Heatmap Generation:** 通过将高活跃区域直接映射到实时画面上，可视化地总结随时间推移的移动数据，使操作员立即了解流量与徘徊情况。 * **Actionable Dashboard Visualization:** 采用 Streamlit 构建的响应式、军事级 UI，展示实时画面、FPS 指标以及持续更新的智能事件日志。 ## 🛠️ 技术栈 * **Core AI/ML Engine:** YOLOv8（Ultralytics）用于实时物体检测。 * **Computer Vision:** OpenCV（cv2）用于流摄入、帧操作与热图渲染。 * **Backend Processing:** Python、NumPy 与 Pandas 用于高速数组操作与日志管理。 * **Frontend UI:** Streamlit 用于实时仪表盘与事件可视化。 ## 🚀 安装与设置 ### 先决条件 * Python 3.9+ * 稳定的互联网连接（用于初始 YOLOv8 模型下载）

标签：AI视频分析, Apex, CCTV, IP摄像头, Kubernetes, OpenCV, Python, RTSP, Streamlit, YOLOv8, 假阳性过滤, 可疑物品检测, 多源视频输入, 威胁情报, 安全运营中心, 实时分析, 实时威胁检测, 开发者工具, 异常检测, 无人机监控, 无后门, 智能安防, 机器学习, 流媒体处理, 深度学习, 热力图, 物体检测, 网络映射, 自动化监控, 行为识别, 视频监控, 计算机视觉, 访问控制, 运动跟踪, 逆向工具, 高置信度阈值