yihong1120/Construction-Hazard-Detection

解决的问题

本项目提供一个面向建筑工地的AI驱动安全监控系统。它利用实时摄像头流，自动实时检测安全违规行为，例如工人未佩戴安全帽或安全背心、工人进入由安全锥划定的禁区，或人员站在危险机械、车辆和电线杆附近过近。

工作原理

该系统采用基于YOLO的物体检测模型来识别工人、安全装备和设备。系统采用分布式架构设计：

• 处理流水线：main.py 管理摄像头流，本地YOLO工作进程通过共享内存进行GPU加速推理，以最大化吞吐量。
• 媒体处理：MediaMTX负责接收RTSP流，并通过HLS或WebRTC分发用于实时查看。
• 协调机制：Redis管理认证缓存和实时元数据，PostgreSQL存储现场配置、用户数据和违规记录。
• 通知与API：一组FastAPI服务处理通知（通过FCM）、违规日志记录和流媒体元数据。

适用对象

本系统专为建筑工地管理人员、安全员和安保团队设计，帮助他们实现对危险环境的自动化、实时监控，以减少事故并确保合规性。

主要亮点

• 实时危险检测：识别缺少PPE（安全帽、背心）和接近危险源（机械、车辆、电线杆）的情况。
• 多语言支持：标签和通知支持英文、繁体中文、简体中文、法语、泰语、越南语、印尼语和日语。
• 区域监控：检测进入由安全锥划定的受控区域的工人。
• 高吞吐量架构：采用共享内存YOLO工作进程和Intel iGPU编码（h264_vaapi）以优化GPU资源使用。
• 全面的工具链：包含Flutter前端（独立仓库）、数据增强工具和AI代理用的MCP服务器。