🌟 功能特性

• 🔥 火灾与烟雾检测 – 实时火灾检测与蔓延分析
• 🪖 安全帽检测 – 监控安全帽佩戴合规性
• 🚨 跌倒检测 – 即时检测人员跌倒
• 👥 人员检测 – 监控限制区域
• 📹 实时视频流 – 低延迟 MJPEG 视频流
• 📊 蔓延分析 – 先进的火灾蔓延检测算法
• 📈 系统监控 – 实时 CPU、内存和延迟指标

适用场景

• 智慧工地: 监控工人是否佩戴安全帽、反光衣，识别危险区域入侵，预防高空坠物和火灾。
• 智能制造工厂: 监控生产线安全，防止人员误入机器人工作区，检测设备跑冒滴漏引发的初期火灾。
• 智慧仓储物流: 监控仓库内的烟火隐患，管理叉车和人员的活动区域，保障仓储安全。
• 石油化工园区: 对高危区域进行全天候智能巡检，及时发现泄漏、明火等重大安全隐患。

🔄 系统处理流程与架构

从视频输入到智能检测输出的完整流程

🚀 快速开始

前置要求

• Python 3.8+
• Node.js 16+
• 摄像头（用于实时检测）

🧠 核心技术架构

该系统是计算机视觉与深度学习技术在工业生产安全领域的典型应用，其技术栈通常包含以下几个核心层面：

1. AI 视觉算法层
   这是系统的“大脑”，负责从视频流中理解和识别安全隐患。

   • YOLO (You Only Look Once) 模型: 作为核心的目标检测算法，YOLO 以其高速度和精度著称，非常适合实时视频分析。系统会使用在大量工业安全数据集上训练过的 YOLO 模型，来精准识别“火焰”、“烟雾”、“未佩戴安全帽的人”、“跌倒的人”等特定目标。
   • 蔓延分析算法: 针对火灾检测，系统不仅识别火源，还会通过连续的图像帧分析火焰和烟雾的面积、位置变化，从而预测其蔓延趋势和速度，为应急响应提供关键决策依据。

2. 后端服务层
   这是系统的“中枢神经”，负责协调所有任务。

   • 视频流处理: 使用如 OpenCV 等库接收来自摄像头（RTSP/RTMP/USB）的实时视频流，并将其解码为算法可以处理的图像帧。
   • API 服务: 通常基于 Python 的 Web 框架（如 Flask 或 FastAPI）构建，提供 RESTful API 接口，用于接收前端请求、返回检测结果、处理告警信息等。
   • 任务调度: 负责管理视频流的读取、AI 模型的推理、结果的后处理等并发任务，确保系统低延迟、高效率运行。

3. 前端展示层
   这是系统的“面孔”，为用户提供直观的交互界面。

   • 实时视频流: 将后端处理后的视频（带有检测框和标签）通过低延迟的 MJPEG 或 WebSocket 等技术推送到浏览器，实现近乎实时的监控画面。
   • 数据可视化: 利用前端框架（如 Vue.js, React）和图表库（如 ECharts），将系统监控指标（CPU、内存占用）、告警统计、事件日志等数据以图表形式清晰展示。

📦 核心功能模块

该系统将复杂的技术封装为多个易于理解和使用的功能模块：

• 🔥 火灾与烟雾检测模块

  • 实时检测: 7×24 小时不间断分析视频画面，一旦发现火焰或烟雾，立即触发告警。
  • 蔓延分析: 独有的高级算法，能够动态分析火情发展趋势，评估危险等级。

• 🪖 人员安全合规检测模块

  • 安全帽检测: 自动识别进入特定区域的人员是否按规定佩戴安全帽，对违规行为进行抓拍和告警。
  • 跌倒检测: 能够识别人员意外跌倒的姿态，对于工厂、工地等高危环境，可以实现快速救援响应。

• 👥 区域入侵与人员管理模块

  • 人员检测: 识别画面中是否有人，可用于统计人数或判断区域是否有人活动。
  • 限制区域监控: 可设定电子围栏，当检测到未经授权的人员进入危险或限制区域时，立即发出警报。

• 📊 系统监控与运维模块

  • 实时视频流: 提供低延迟的 MJPEG 视频流，确保监控画面的实时性。
  • 系统指标监控: 实时展示服务器的 CPU、内存使用率和处理延迟，帮助运维人员掌握系统健康状况。

在工业生产、建筑施工以及各类高危作业环境中，“实时发现安全故障”不仅是一项技术要求，更是保障生命安全、维持企业运转和履行法律责任的底线。AI 视觉安全监控系统，实时发现安全故障的重要性主要体现在以下四个核心维度：

1. 守护生命安全：将事故扼杀在萌芽状态

这是最核心、最根本的价值。传统的安全管理往往依赖人工巡检，存在不可避免的视觉盲区、疲劳疏忽以及时间差。

• 抢占黄金救援期：例如火灾或有毒气体泄漏，从初起阶段到全面爆发往往只有几分钟甚至几十秒。实时监控系统能够在烟雾或火苗刚出现的瞬间触发警报，为人员疏散和初期扑救争取最宝贵的时间。
• 即时干预违规行为：对于未佩戴安全帽、违规闯入危险区域等行为，实时监控可以立即通过现场语音或声光报警器进行干预，阻止人员继续处于危险之中，从而避免跌倒、机械伤害等意外发生。

2. 保障生产连续性：避免“停机”带来的巨额损失

在现代工业体系中，安全故障往往与生产故障紧密相连。

• 防止设备灾难性损坏：一个小小的电气火花或设备过热，如果未被及时发现，可能导致整条生产线烧毁甚至厂房爆炸。实时监控相当于给设备装上了“全天候不眨眼的眼睛”，一旦发现异常立即联动停机，防止小故障演变成大灾难。
• 减少非计划停机：通过实时监测和早期预警，企业可以在设备彻底损坏前进行维护，避免突发性的全线停产，保障生产计划的顺利交付。

3. 降低综合成本：从“事后赔偿”转向“事前预防”

安全故障一旦发生，其带来的经济损失往往是呈指数级放大的。

• 直接成本：包括事故赔偿、设备维修、厂房重建、消防出警等巨额费用。
• 间接成本：包括停产造成的订单违约、企业声誉受损、后续面临的监管罚款以及保费的大幅上涨。实时发现故障本质上是一种“高性价比的风险投资”，用极低的系统运行成本，规避了可能高达数百万甚至上千万的潜在损失。

4. 满足合规要求与数据沉淀

• 应对严格监管：随着国家对安全生产的重视，各行业对安全监控的覆盖率、响应时间都有明确的法律法规要求。实时监控系统及其产生的报警日志，是企业合规运营的重要证明。
• 优化安全管理策略：实时系统不仅用于“报警”，还能用于“分析”。通过长期记录哪些区域最容易发生违规、哪个时间段最容易出现隐患，管理者可以基于真实数据进行针对性的安全培训、流程优化或硬件改造，实现安全管理的闭环与持续升级。

总结而言，实时发现安全故障是将安全管理从“被动响应”升级为“主动防御”的关键。它打破了人类生理极限的束缚，构建了一张无形且严密的安全防护网，是现代企业实现高质量、可持续发展不可或缺的基础设施

🌟 功能特性

• 🔥 火灾与烟雾检测 – 实时火灾检测与蔓延分析
• 🪖 安全帽检测 – 监控安全帽佩戴合规性
• 🚨 跌倒检测 – 即时检测人员跌倒
• 👥 人员检测 – 监控限制区域
• 📹 实时视频流 – 低延迟 MJPEG 视频流
• 📊 蔓延分析 – 先进的火灾蔓延检测算法
• 📈 系统监控 – 实时 CPU、内存和延迟指标

适用场景

• 智慧工地: 监控工人是否佩戴安全帽、反光衣，识别危险区域入侵，预防高空坠物和火灾。
• 智能制造工厂: 监控生产线安全，防止人员误入机器人工作区，检测设备跑冒滴漏引发的初期火灾。
• 智慧仓储物流: 监控仓库内的烟火隐患，管理叉车和人员的活动区域，保障仓储安全。
• 石油化工园区: 对高危区域进行全天候智能巡检，及时发现泄漏、明火等重大安全隐患。