（正式版本部署在学校服务器环境不对外展示源码 这里展示的版本是我整理出来的开源版 ） 核心目标： 构建基于AI视频分析的实时校园安全监控系统，自动识别危险行为（如摔倒、霸凌）并提供智能交互。 技术实现： 后端架构： 使用 FastAPI + Uvicorn 搭建高性能Web服务，处理实时视频流输入与分发。 AI模型集成： 将视频流实时传输至 Qwen-VL 多模态大模型 进行图像识别与分析，检测预设危险场景。 将预警信息、事件日志结构化存储为 本地RAG知识库。 通过 WebSocket 实现与前端实时双向通信。接收用户输入，调用后端服务与 Moonshot API 交互，基于本地知识库生成上 下文相关的安全响应。 数据处理： 设计并实现预警信息、分析结果、用户交互日志的存储与检索方案。 成果亮点： 实时性保障： 系统响应延迟控制在 500ms 以内，满足实时监控需求。 智能交互： 结合 RAG 与 Moonshot 大模型，提供精准、可解释的安全报告和用户问答。 实用价值： 成功识别人员摔倒、异常聚集等风险行为，提升校园安防效率。