Santoshdn-eng/ai-enabled-anomaly-detection-system

# 🛡️ A.I. 监控异常检测系统 ## 📌 项目概述 **AI 驱动的异常检测系统**是一个企业级、端到端的计算机视觉与动作识别平台。该系统旨在处理静态监控视频片段和连续的实时摄像头流，能够自动检测、分类并预警 **15 种不同的安全异常类别**，整体分类准确率高达 **98.0%**。 通过将 **深度神经时序 Transformer (Bi-LSTM + Multi-Head Attention)** 与 **YOLOv8 姿态骨架估计** 及 **HSV 光学运动分析** 相融合，该平台有效消除了误报，并结合实时人群密度动态计算出 **威胁严重性评分 % (0.0% 到 99.5%)**。 ## 🌟 核心功能 * 🚀 **15 种主动异常类别：** `Fighting`, `Explosion`, `Fire`, `Smoke`, `Guns`, `Weapons`, `Shooting`, `RoadAccidents`, `Traffic Irregularities`, `Burglary`, `Robbery`, `Shoplifting`, `Stealing`, `Abuse` 和 `NormalVideos`。 * ⚡ **低于 20ms 的实时流媒体：** 通过 REST API 和 WebSockets 对本地网络摄像头和 CCTV 视频流进行 250ms (4 FPS) 的高频帧处理。 * 👥 **动态人群密度与风险缩放：** 当异常情况发生在人群密集（$\ge 5$ 人）的环境中时，威胁严重性百分比会动态升级，以保护人类生命安全。 * 📊 **实时模型指标与分类矩阵：** 集成的仪表盘可显示整体准确率、损失、宏/加权平均值，以及每个类别的 Precision、Recall、F1-score 和 Support。 * 🚨 **自动化紧急报警台：** 视觉紧急警报，结合实时音频警报声发送。 * 📦 **Hugging Face Model Hub 集成：** 通过 `SantoshDN/ai-enable-anomaly-detection` 同步模型权重。 ## 🛠️ 技术栈 | 领域 | 使用的技术 | | :--- | :--- | | **前端 UI** | HTML5, Vanilla CSS3 (Dark Glassmorphism & Cyber HUD), JavaScript (ES6+), Chart.js | | **后端 API** | FastAPI, Uvicorn, Python 3.10+, OpenCV, NumPy, SciPy | | **深度学习** | TensorFlow / Keras (`TimeDistributed` EfficientNetB0 + Transformer + Bi-LSTM) | | **目标与姿态检测** | Ultralytics YOLOv8 (`yolov8n-pose.pt` / `yolov8n.pt`) | | **模型注册表** | Hugging Face Hub API (`huggingface_hub`) | ## ⚡ 快速入门指南 ### 1. 克隆仓库并安装依赖 ``` git clone https://github.com/YOUR_USERNAME/ai-enabled-anomaly-detection-system.git cd "AI Enabled Anomaly Detection System" # 激活 Virtual Environment 并安装 Requirements source venv/bin/activate pip install -r requirements.txt ``` ### 2. 启动后端 API 与实时仪表盘服务器 ``` python -m backend.main ``` 在浏览器中打开 **[http://localhost:8000](http://localhost:8000)** 即可访问实时仪表盘。 ## 📈 模型性能与评估矩阵 * **整体准确率：** `98.0%` * **损失：** `0.0521` * **评估数据集支持：** `1,950 Video Sequences` * **宏平均 F1-Score：** `0.980` * **加权平均 F1-Score：** `0.982` ## 🌐 模型仓库 * **Hugging Face Hub：** [`SantoshDN/ai-enable-anomaly-detection`](https://huggingface.co/SantoshDN/ai-enable-anomaly-detection)

标签：AV绕过, FastAPI, YOLOv8, 人工智能, 异常检测, 数据可视化, 用户模式Hook绕过, 目标检测, 视频监控, 计算机视觉, 逆向工具