智慧校园公共区域异常检测系统产品系统

校园公共区域传统人工值守监控存在效率低、响应滞后、覆盖不全等问题，管控区域越界、遗留物、违规停车等安防痛点难以有效解决。本系统面向智慧校园安防场景，完成一套异常检测的完整方案设计，依托 YOLOv5 目标检测模型，实现三类校园异常的识别、实时预警、事件记录留存，满足校园安防精细化管控需求。

智慧校园公共区域异常检测系统采用前后端分离架构，后端基于 Flask，结合 OpenCV、PyTorch 深度学习框架开发，前端使用 Vue3+Element‑Plus，通过 Socket.IO 实现消息实时推送，数据库选用 SQLite。
本项目完成完整业务方案设计：基于 YOLOv5 进行模型优化，引入 CBAM 注意力机制、重新聚类适配校园数据集的锚框、轻量化主干网络；设计越界、遗留物、违规停车三类异常判定规则，实现 RTSP 视频流接入、目标检测、多目标追踪、异常预警推送、异常记录管理、数据集管理、多版本模型管理等功能。
**项目全部业务代码通过向 AI 明确需求、业务规则、技术要求，由 AI 生成；本人主要负责完整需求与业务规则设计、拆解任务指令、对 AI 输出代码进行功能验证、排查运行 bug、开展系统测试、完成全部毕业论文撰写。**
项目源码地址：https://gitee.com/GuangLun_GL/campus-abnormal-detection-system

本人负责该毕设项目**全流程方案与需求设计**，梳理校园安防业务，定义越界、遗留物、违规停车的判定逻辑与阈值规则；将系统拆分为算法、后端接口、前端页面、数据库、业务规则引擎等子模块，向 AI 下达详细开发指令；对 AI 产出的全部代码进行运行验证，复现功能，修复运行报错，完成系统功能测试、性能测试；完成数据集方案设计、模型改进实验方案设计，撰写完整毕业论文。