Skip to main content

10.6.2 项目：智能安防系统

本节定位

安防项目很容易做成“检测到人就画框”的 demo。 但真正能交付的安防系统，关注的通常不是框本身，而是：

  • 告警准不准
  • 会不会重复报警
  • 时延够不够低
  • 误报会不会把人烦死

所以这节课的重点是把它做成一个作品级系统项目，而不是单次检测展示。

学习目标​

  • 学会定义一个可交付的安防检测任务边界
  • 学会把检测、规则、告警和去重串成一条闭环
  • 学会设计最基础的评估与失败分析
  • 学会把这个项目做成有说服力的作品集展示

一、先把项目题目定义清楚​

一个适合练手、又很像真实业务的题目可以是：

做一个“禁区入侵告警系统”，输入监控帧序列，输出“是否触发告警 + 告警发生在哪一帧”。

这个题目好在：

  • 目标简单
  • 业务意义清楚
  • 很容易解释误报和漏报

为什么不建议一开始就做很大？​

例如：

  • 同时做烟火检测、摔倒检测、安全帽检测、车辆识别

这种范围太大，项目容易只剩功能堆叠，没有一个清楚主线。

二、作品级安防项目最小闭环长什么样？​

  1. 定义监控目标和禁区
  2. 做检测
  3. 把检测框映射成告警逻辑
  4. 做去重 / 跟踪
  5. 评估告警质量
  6. 展示成功与失败案例

如果只做前两步，那更像模型 demo； 做到后面几步，才更像一个系统项目。

一张更像真实系统的告警闭环图​

这张图很重要，因为它提醒你：

  • 安防系统真正交付的是告警体验
  • 不是单张图上的框

安防检测、规则、跟踪与告警去重图

读图提示

安防项目的输出不是“画框”，而是可信告警。读图时重点看检测结果如何进入规则判断，track_id 如何避免重复报警，最后再进入人工确认、日志和失败复盘。

三、先跑一个“检测 -> 告警 -> 去重”的最小闭环​

下面这个示例会做三件非常关键的事：

  1. 读取逐帧检测结果
  2. 判断是否进入危险区域
  3. 对同一目标的连续多帧命中做告警去重
detections = [
    {"frame": 1, "track_id": 101, "label": "person", "box": (40, 40, 80, 120)},
    {"frame": 2, "track_id": 101, "label": "person", "box": (42, 42, 82, 122)},
    {"frame": 3, "track_id": 101, "label": "person", "box": (44, 45, 84, 125)},
    {"frame": 4, "track_id": 202, "label": "person", "box": (150, 150, 180, 210)},
]

danger_zone = (30, 30, 100, 140)


def is_inside(box, zone):
    bx1, by1, bx2, by2 = box
    zx1, zy1, zx2, zy2 = zone
    return bx1 >= zx1 and by1 >= zy1 and bx2 <= zx2 and by2 <= zy2


def build_alerts(detections, zone):
    active_tracks = set()
    alerts = []

    for det in detections:
        inside = det["label"] == "person" and is_inside(det["box"], zone)
        if inside and det["track_id"] not in active_tracks:
            alerts.append(
                {
                    "frame": det["frame"],
                    "track_id": det["track_id"],
                    "alert": "intrusion",
                }
            )
            active_tracks.add(det["track_id"])
        elif not inside and det["track_id"] in active_tracks:
            active_tracks.remove(det["track_id"])

    return alerts


alerts = build_alerts(detections, danger_zone)
print(alerts)

预期输出：

[{'frame': 1, 'track_id': 101, 'alert': 'intrusion'}]

只有 101 这条轨迹第一次进入危险区域时会触发告警。第 2、3 帧不会重复告警，因为同一条轨迹已经处于 active 状态。

这个例子为什么比“检测到人就报警”强得多？​

因为它已经体现了安防系统里最重要的一层工程判断：

  • 同一个人连续 3 帧都在禁区
  • 不能报警 3 次

为什么 track_id 很重要？​

没有跟踪信息，你很难判断：

  • 这是同一个人
  • 还是三个不同的人

所以安防项目从“检测”走向“系统”， 往往就卡在这一层。

四、一个作品级项目最该怎么评估？​

不是只看检测精度​

安防项目更应该至少拆成两层评估：

  1. 检测层 目标有没有找到
  2. 告警层 告警触发是否合理

最小告警评估示例​

pred_alerts = [
    {"frame": 1, "track_id": 101, "alert": "intrusion"},
]

gold_alerts = [
    {"frame": 1, "track_id": 101, "alert": "intrusion"},
    {"frame": 8, "track_id": 303, "alert": "intrusion"},
]


def alert_recall(pred_alerts, gold_alerts):
    gold_set = {(x["frame"], x["track_id"], x["alert"]) for x in gold_alerts}
    pred_set = {(x["frame"], x["track_id"], x["alert"]) for x in pred_alerts}
    hit = len(gold_set & pred_set)
    return hit / len(gold_set) if gold_set else 1.0


print("alert_recall:", round(alert_recall(pred_alerts, gold_alerts), 4))

预期输出：

alert_recall: 0.5

系统只命中了 2 个应触发告警中的 1 个。这也是为什么告警层指标能暴露单张检测截图看不出来的问题。

为什么“告警层指标”比 mAP 更像项目价值？​

因为实际交付给用户的不是框，而是：

  • 告警

如果检测很准但告警策略很糟， 项目实际体验仍然会很差。

再看一个最小“告警疲劳”示例​

alerts_per_hour = [1, 2, 18, 3, 21]


def alert_fatigue(hours):
    too_many = sum(1 for x in hours if x >= 10)
    return "告警过密，用户很可能开始忽略系统" if too_many >= 2 else "告警密度初步可接受"


print(alert_fatigue(alerts_per_hour))

预期输出：

告警过密，用户很可能开始忽略系统

这一步把告警数量变成了用户体验信号。告警太多时，系统可能技术上还在运行，但实际已经没人愿意相信它。

这个例子想强调的不是精确公式，而是一个很真实的系统问题：

  • 告警不是越多越好
  • 误报太多会让用户逐渐不相信系统

五、安防项目最值得展示的失败案例​

误报​

例如：

  • 背景人像海报被识别成真人

漏报​

例如：

  • 光线很暗时漏掉入侵者

重复报警​

例如：

  • 同一个目标每帧都触发一次

为什么这些要单独展示？​

因为这类失败恰好最能体现：

  • 系统设计是否成熟

六、怎么把这个项目做成作品级展示？​

建议页面至少展示：

  1. 任务定义
  2. 危险区域示意图
  3. 检测结果和告警结果的对比
  4. 一条连续视频片段中的告警轨迹
  5. 误报 / 漏报 / 重复报警分析

这样它就不再像“检测 demo”，而更像完整安防系统。

第一次做这类项目时，最稳的默认顺序​

更稳的顺序通常是：

  1. 先把目标收窄成一种告警
  2. 先做单摄像头、单场景 baseline
  3. 先把禁区和规则画清楚
  4. 再补去重和简单跟踪
  5. 最后再做告警质量分析

这样会比一开始就做：

  • 多摄像头
  • 多告警类型
  • 多规则联动

更容易把项目做完整。

如果把它做成作品集，最值得强调什么​

最值得强调的通常不是：

  • 模型有多花哨

而是：

  1. 你的告警规则为什么这样设计
  2. 你怎么处理重复报警
  3. 误报和漏报主要来自哪里
  4. 你的系统边界是什么

这会让项目更像真实业务系统，而不是一个视觉 demo。

七、最常见误区​

只看模型精度，不看告警体验​

没有去重逻辑​

只展示成功视频​

小结​

这节最重要的是建立一个作品级判断：

安防系统的价值，不在于它能画出多少框，而在于它能否把检测结果稳定、低误报地转成可信告警。

只要这一层做扎实，这个项目就会非常像真实业务系统。

这节最该带走什么​

  • 安防项目真正交付的是告警，而不是检测框
  • 去重、跟踪和规则判断，往往和模型本身一样重要
  • 一个像样的作品级安防项目，必须展示误报、漏报和告警体验

版本路线建议​

版本目标交付重点
基础版跑通最小闭环能输入、能处理、能输出，并保留一组示例
标准版形成可展示项目增加配置、日志、错误处理、README 和截图
挑战版接近作品集质量增加评估、对比实验、失败样本分析和下一步路线

建议先完成基础版，不要一开始就追求大而全。每提升一个版本，都要把“新增了什么能力、怎么验证、还有什么问题”写进 README。

练习​

  1. 给示例再加一个 helmet 类别，并设计“未戴安全帽”告警。
  2. 想一想：为什么安防项目比普通检测项目更需要跟踪和去重？
  3. 如果误报很多，你会先查数据、模型还是告警逻辑？为什么？
  4. 如果把这个项目做成作品集，你最想突出哪一条完整视频 trace？