emreyvz/overseer

 # overseer **看得更多。知道得更早。不漏任何细节。** overseer 将任意一组摄像头转化为单一的实时智能操作系统。它能在事件发生时识别人物、车辆、武器和危险行为，跨越多个摄像头持续跟踪目标，并允许你仅仅通过描述外观特征，就能在数小时的录像中进行回溯搜索。当有重要事件发生时，它会及时通知你，并准确指出需要关注的位置。 ## 功能 ### 实时指挥中心 **[观看演示视频](demo/initial_map_demo_view.mp4)** 每一个摄像头都是世界地图上的一个实时节点。观察匿名化的移动轨迹在不同视频源之间流动，一键切入任意摄像头，只需一块屏幕即可掌控整个网络。 ### 地图与跨摄像头追踪  同时查看所有摄像头。实时绘制它们的布局、运行状态，以及目标在相邻视频源之间移动的路径，随着人员的走动同步更新。 ### 摄像头管理  几秒钟内添加并管理视频源。原生支持 MJPEG、RTSP、RTMP 和 YouTube 直播 URL。 ### 实时视图与图像处理  全分辨率实时分析，配备“拉近查看”工具，可对画面中的任意位置进行裁剪、放大和锐化，从而提取出肉眼和检测器都会遗漏的细节。 ### 目标跟踪  锁定任何检测目标，生成包含类别、属性和预测路径的实时目标卡片。如果目标离开画面后再次出现，overseer 会自动重新捕获它。 ### 取证搜索  根据外貌特征查找任何人。无论是颜色、身高、体型、配饰，还是上传一张照片。你都会得到一个确切的结果，而不是一堆模棱两可的猜测。 ### 监视列表与视觉匹配  只需录入一次人员、车辆或物体，随后即可仅凭外观在所有实时视频源中对其进行定位。 ### 智能警报规则  为区域和行为设定规则。包括禁区、徘徊、人群聚集、跌倒、打架、遗留物、越线等。或者直接用自然语言输入规则，让助手为你构建。 ### 异常与威胁报告  事件按严重程度排序，并在重复发生时进行分组。你可以回放任意事件，画面上会覆盖精确标记触发原因的图层，并附有关于其重要性的书面解释。 ### AI 助手  这是一个可选的助手，兼容任何支持 OpenAI 接口的服务商。它能执行自然语言搜索，将相关的警报串联成同一个事件，生成交接班摘要，建议下一步行动，并根据需要描述场景。每个功能都有独立的开关，即使完全不配置任何 AI，overseer 也能完美运行。 ## 快速开始 克隆本仓库，然后运行适用于你系统的一键启动脚本。它会自动安装所有必需组件并打开应用。接下来只需等待即可。 ``` git clone https://github.com/emreyvz/overseer.git cd overseer ``` **Windows** 双击 `overseer.cmd`，或在终端中运行： ``` overseer.cmd ``` **macOS 和 Linux** ``` chmod +x overseer.sh ./overseer.sh ``` 首次运行时会自动安装 Python 工具链，拉取依赖项并下载视觉模型，因此请耐心等待几分钟。如果已安装 Node.js，它将构建并打开完整的桌面应用。如果没有，它会在浏览器中打开 `http://127.0.0.1:8787`。无论哪种方式，你都能获得完整的体验。 ### 视觉模型 首次启动时，`overseer.cmd` / `overseer.sh` 会为你下载视觉模型。如果下载被跳过或失败，应用依然可以运行，只是准确度会降低，并且会在每个结果中注明，因此模型获取失败绝不会导致系统崩溃。你可以随时重新运行获取命令： ``` uv run python -m match.tools.export_models ``` 大多数模型都是全自动下载的。两个专用的重新识别模型能提供最佳的识别准确度，但它们托管在 Google Drive / 发布页面背后，因此你需要手动下载一次 checkpoint，随后使用相同的命令进行转换。即使没有它们，应用也能很好地工作，因为通用的 DINOv2 embedder 可以作为替代。 | 模型 | 功能 | 获取方式 | |-------|--------------|----------------| | YOLO11 detector (`yolo11s.pt`) | 识别人物、车辆、动物、武器 | 自动（首次分析时） | | YOLO11-seg (`yolo11n-seg.pt`) | 提供前景掩码以实现更清晰的匹配 | 自动 | | DINOv2 ViT-S/14 (`dinov2_vits14.torchscript`) | 通用外观 embedding；也作为人员/车辆的备选方案 | 自动 (torch.hub) | | EasyOCR | 用于车辆身份识别的车牌读取 (ANPR) | 通过 `uv sync --extra ai-extras` 自动获取 | | OSNet-AIN (`osnet_ain_x1_0.torchscript`) | 专用人员重新识别 | 手动获取 checkpoint，见下文 | | VeRi R50-ibn (`veri_sbs_R50-ibn.torchscript`) | 专用车辆重新识别 | 手动获取 checkpoint，见下文 | **人员重新识别 (OSNet-AIN)。** 从 torchreid 模型库下载一个跨域 OSNet-AIN checkpoint，将其放入 `models/` 目录，然后运行获取命令将其转换为 `models/osnet_ain_x1_0.torchscript`。 - 模型库: https://github.com/KaiyangZhou/deep-person-reid/blob/master/docs/MODEL_ZOO.md - 推荐（多数据源，泛化至未知摄像头）: https://drive.google.com/file/d/1nIrszJVYSHf3Ej8-j6DTFdWz8EnO42PB/view **车辆重新识别。** 下载 fast-reid VeRi 模型，将其放入 `models/`，并进行转换。这一步需要 fast-reid 框架，因此请先克隆该框架，并在运行获取命令前将 `FASTREID_ROOT` 指向它。 - 权重（直接下载）: https://github.com/JDAI-CV/fast-reid/releases/download/v0.1.1/veri_sbs_R50-ibn.pth - 框架: `git clone https://github.com/JDAI-CV/fast-reid` 然后 `export FASTREID_ROOT=/path/to/fast-reid` 模型文件位于 `models/` 目录下，并且已配置 git 忽略，因此它们绝不会使仓库变得臃肿。 ### 将 YouTube 视频作为摄像头 将 YouTube 视频 URL 添加为视频源，overseer 会以最高 1080p 的分辨率一次性下载该视频，并像实时视频流一样从头到尾循环播放，同时对其实时运行与真实摄像头相同的检测和跟踪。该视频仅需下载一次并可重复使用，因此永远不会重新流式传输，也不会过期。在视频下载期间，摄像头会显示该视频的海报画面和下载进度徽标。 ### 可选的 AI 设置 在你为其配置服务商之前，助手将保持关闭状态。复制模板并填入你的 API 密钥： ``` cp config/ai_secret.json.example config/ai_secret.json ``` 然后编辑 `config/ai_secret.json`。该文件已被 git 忽略，绝对不会离开你的本地设备。任何兼容 OpenAI 的 endpoint 均可使用，你也可以在助手内部的设置面板中进行配置。 ### 开发者设置 想要进行代码开发？你可以手动运行各个组件： ``` uv sync # backend and its Python deps cd web && npm install && npm run build # build the interface npm run electron # desktop app, or: uv run python -m server for browser mode ``` ## 负责任的使用 overseer 旨在用于防御性态势感知、公共安全和取证工作。你需对自己如何使用它承担全部责任。 - 仅将其指向你拥有或获得授权访问的摄像头和视频流。 - 遵守你所在地区适用的所有隐私、监控和数据保护法律。 - 绝不将其用于跟踪、骚扰、画像分析或伤害任何人。 本软件按“原样”提供，不提供任何形式的保证。对于任何滥用行为或因使用本软件而产生的任何损害，作者概不负责。 ## 贡献 欢迎提交 Issue 和 pull request，特别欢迎 Bug 报告和有针对性的修复。如果有较大的改动，请先创建 Issue；遵守现有的代码风格，并确保在提交前 `uv run pytest` 和 `npm run build` 均能顺利通过。 ## 许可证 仅供个人使用。你可以出于个人非商业目的使用和修改 overseer。你不得出售它、出售其修改版本，或将其作为商业产品或服务的一部分发布。完整条款请参见 [LICENSE](LICENSE)。 如需申请其他许可或有任何投诉，请通过 [github.com/emreyvz](https://github.com/emreyvz) 联系作者。

标签：MITM代理, Petitpotam, 图像检索, 智能安防, 暗色界面, 目标跟踪, 视频监控, 计算机视觉, 逆向工具