校园智能视频监控系统 YOLOv7

校园智能视频监控系统通过互联网或专网把分析后的告警数据传给管理中心的分析管理服务器进行数据汇总和业务应用，由校园智能视频监控系统管理平台进行业务层的告警事件汇总，通过SDK、Webservices与（教育综合管理系统）第三方系统进行对接，可以把数据传输给后端监管部门的综合管理平台，进行数据的应用和业务的管理。

这个类封装了YOLOv7 Tiny模型，包括了backbone和head部分。其中，backbone是一个由多个Yolov7TinyEElan模块和MaxPool2d模块组成的序列，head是一个由多个Yolov7TinySPP模块、Conv2d模块、Upsample模块、EVCBlock模块和IDetect模块组成的序列。forward方法定义了前向传播的过程，其中使用了route_layers列表来保存backbone中的某些层的输出，然后在head部分的某些位置使用了torch.cat函数将某些层的输出与当前层的输入进行拼接。最后，输出的结果存储在outputs列表中返回。

# Clean up the column names
results_df.columns = results_df.columns.str.strip()

# Now let's plot the metrics again with the cleaned column names

# Plot the loss metrics
plot_metrics(results_df, 'box_loss', 'Box Loss During Training and Validation', 'Loss')
plot_metrics(results_df, 'obj_loss', 'Objectness Loss During Training and Validation', 'Loss')
# Since 'cls_loss' is zero, it's not plotted.

# Plot the precision and recall
plot_metrics(results_df, 'precision', 'Precision During Training and Validation', 'Precision')
plot_metrics(results_df, 'recall', 'Recall During Training and Validation', 'Recall')

# Plot mAP metrics
plot_metrics(results_df, 'mAP_0.5', 'mAP at IoU=0.5 During Training and Validation', 'mAP')
plot_metrics(results_df, 'mAP_0.5:0.95', 'mAP at IoU=0.5:0.95 During Training and Validation', 'mAP')

当校园智能视频监控系统通过监控摄像头监测楼梯走道的人群拥挤程度，当达到拥挤时，主动告警提示相关工作人员进行关注，并进行广播通知，避免发生踩踏事件。SuiJi智能视频监控系统监测围墙周界是否有人员进出攀爬、翻越，当发现攀爬、翻越行为时，系统及时触发告警。

除此之外校园智能视频监控系统还具备通过安防监控摄像头监测围墙周界是否有人员进出攀爬、翻越，当发现攀爬、翻越行为时，系统及时触发告警。在操场、教学大楼等部位设立该报警模式。当区域内人群密度达到系统预定值后，系统会触发告警。当有可疑人员在校门口指定区域内徘徊逗留超过一定合理时间，系统识别为异常情况，视频分析系统发出告警提醒安保人员采取相应的处置措施。