基于YOLOv8和ByteTrack的企业级自主安防监控系统

本项目是一个使用Python、OpenCV、YOLOv8和ByteTrack构建的企业级自主安防监控系统，具备多边形地理围栏、动态威胁评分、自动取证捕获等功能，可在无人值守情况下实时检测入侵行为并记录证据，适用于数据中心、仓库、办公室等需24小时监控的场所。

随着安防需求增长，传统监控存在成本高、人工漏检等问题，基于计算机视觉和深度学习的智能安防成为趋势。本项目将标准物体检测升级为完整安防解决方案，实现无需人工干预的实时视频处理、入侵检测、威胁评估及证据保存。

核心技术

• YOLOv8：实时目标检测引擎，具备高速度、高精度、多尺度支持及易部署特性
• ByteTrack：多目标跟踪组件，利用低置信度检测框恢复遮挡目标，采用卡尔曼滤波+匈牙利算法实现高精准实时跟踪
• OpenCV：负责视频读取、预处理、可视化及取证保存

系统架构

采用模块化设计，包括主监控循环（main.py）、配置管理（config.py）、检测管道（detector.py）、跟踪集成（tracker.py）、几何计算（utils/geometry.py）及告警系统（utils/alert_system.py）等模块。

1. 实时人员检测：使用YOLOv8n轻量级模型，保证多路视频流的实时处理
2. 持久化跟踪ID：ByteTrack为每个人员分配唯一ID，保持连续帧一致性
3. 多边形地理围栏：支持任意形状禁区，以人员脚部位置为参考点判断入侵
4. 动态威胁评分：基于入侵时长、人数及评分衰减计算威胁值
5. 三级威胁等级：LOW（绿色）、MEDIUM（黄色）、HIGH（红色）对应不同告警提示
6. 自动取证捕获：威胁达标时自动保存带时间戳、入侵者ID及评分的图像
7. 非工作时间监控：可配置监控时间段，避免工作时间误报

适用于办公室安防、服务器机房保护、仓库物流监控、受限区域监控及智能楼宇系统集成等场景。

安装步骤

1. 创建虚拟环境
2. 安装依赖：pip install -r requirements.txt
3. 运行：python main.py（首次运行自动下载YOLOv8预训练权重）

自定义配置

• 在config.py中设置视频源、检测阈值、监控时间段、多边形禁区顶点等参数
• 调整DETECTION_CONF（检测置信度）、THREAT_PER_INTRUSION（威胁分值）、EVIDENCE_MIN_INTERVAL_S（取证间隔）等参数适配场景

本项目技术亮点包括：

1. 端到端实时处理流程
2. 智能动态威胁评估机制
3. 灵活可配置的参数系统
4. 模块化架构便于维护扩展
5. 完整的取证链满足合规要求

该项目为计算机视觉与安防系统开发提供了实践参考。