Dev7z的博客

摘要：随着教育信息化的不断发展，传统人工监考方式在实际考试过程中逐渐暴露出人力成本高、监控效率低以及主观性强等问题。为提升考试监考的智能化与规范化水平，本文设计并实现了一种基于 YOLOv12 深度学习算法的考试异常行为检测与分析系统。

随着智能交通系统的快速发展，车辆识别技术在交通管理、智能停车、安全监控等领域发挥着越来越重要的作用。传统的车辆识别方法存在识别精度低、实时性差、适应性弱等问题，难以满足实际应用需求。本文设计并实现了一个基于YOLO11深度学习算法的车辆品牌与类型智能识别系统，旨在提高车辆识别的准确性和实时性。

摘要：随着服装制造行业规模不断扩大，生产过程中产生的布料边角料、缝纫线团以及皮革碎料等废弃物数量显著增加。传统人工分拣方式存在效率低、误分率高、劳动强度大等问题，难以满足智能化生产与绿色回收需求。为提高服装厂废料分类效率与可回收资源利用率，本研究设计并实现了一种基于机器视觉的服装厂废料（边角料）分类检测系统。

随着人工智能技术的发展，基于计算机视觉的行为检测系统逐渐成为公共安全领域的重要工具。本研究提出了一种基于YOLOv11模型的行为异常检测与智能识别系统。该系统能够实时监控公共场所中的员工行为，通过视频监控和图像识别技术，识别四种主要的异常行为：涉嫌打架、涉嫌斗殴、涉嫌抢劫和涉嫌盗窃。系统采用YOLOv11进行目标检测，结合多种数据处理方法进行异常行为识别，并通过语音告警和邮件告警系统及时通知相关人员，确保安全事件得到快速响应。

随着城市轨道交通客流量的不断增加，车站内的拥挤状况已成为影响乘客安全和出行体验的关键因素。为了实现对车站内客流密度的实时监控与拥挤预警，本研究提出了一种基于YOLO11目标检测模型的智能监测系统。该系统通过对车站监控视频进行实时处理，采用YOLO11模型对车站内的乘客进行精确识别与计数，并计算每个区域的客流密度。