面向自然保护区的野生动物智能检测平台产品系统

自然保护区面积广、地形复杂，野生动物监测长期依赖巡护员和红外相机采集影像，再由人工逐张翻看判读，存在工作量大、响应滞后、易漏检误判等问题。本项目立项的出发点，就是把 AI 目标检测能力做成一个开箱即用的网页工具：巡护人员无需安装任何软件，把相机或无人机采集的照片、视频直接上传，系统即可自动识别画面中的野生动物并标注位置，将原来按小时计的人工判读压缩到秒级，为物种监测、活动规律分析和生态评估提供数据支撑。

平台包含四个功能模块：
1. 用户管理模块：支持账号注册、登录、退出，密码加密存储，基于 Session 的登录状态校验，未登录访问受保护页面自动跳转登录页；
2. 智能检测模块：支持 jpg/jpeg/png 图片与 mp4/avi/mov/mkv 视频的批量上传（单文件最大 100MB），自动识别画面中的动物等目标，返回目标类别、置信度、边界框坐标，并输出绘制好检测框的标注图片或标注视频；
3. 结果管理模块：检测结果在线预览（图片直接展示、视频在线播放）、类别数量统计、检测明细列表、结果文件一键下载；
4. 历史记录与数据可视化模块：查看全部上传文件与检测结果列表，通过图表展示系统统计概览、检测类别分布、检测趋势和时段统计。

本人独立完成该项目的全部前后端开发。后端基于 Python Flask 框架搭建，集成 ultralytics YOLOv8n 预训练模型与 OpenCV 实现目标检测推理：图片走单帧检测流程，视频逐帧检测后用 VideoWriter 按原始帧率重新合成标注视频；用户数据使用 SQLite 持久化，密码经 SHA256 加密后入库；前端采用 Jinja2 模板渲染，配合原生 JavaScript 实现文件拖拽上传，数据可视化基于 Chart.js 绘制柱状图与统计卡片。
实现难点：视频文件需要逐帧解码、推理、再编码，处理耗时随视频长度线性增长，通过统一输出 MP4 格式保证浏览器端播放兼容性；批量上传场景下用时间戳前缀规避文件名冲突，并对每个文件独立捕获异常，保证单个文件失败不影响同批其他文件的检测结果正常返回。