方案：CV之区域入侵检测技术路线

背景介绍

在一些生产场景和一些危险场景中，往往需要划定一些区域，不让人或者其他的设备进入，一般是一些大型的设备在工作时，需要设置这个区域。从视觉的角度，可以通过目标检测和危险区域划分，来检测是否发生了区域入侵。也可以用于下班之后防盗。

技术路线介绍

目标检测

目标检测算法现在用的比较多的就是yolo，yolo的v3、v4可以用darknet实现，yolo的v5可以使用pytorch去实现，都是非常简单快速的。当然也可以使用其他的深度学习框架，目前主流的就是yolo了。

人体骨骼点检测

人体骨骼点检测，可以使用2种路线，一种是mediapipe，这是一种现成的路线，不需要再训练，直接调用即可使用。另一种是自己训练人体关键点的识别，用自己的模型，这两种都可以。建议先使用mediapipe，然后后面可以用自己的模型提升。

越线检测

在二维图像中，越线检测的核心就是多边形是否包含被检测的目标点，如果包含则是越线，否则就是不越线。

opencv

opencv的方法主要是用一个函数：pointPolygonTest。函数的解析：https://blog.csdn.net/Felaim/article/details/105122757 。

shapely

shapely本身是做地理信息系统的算法轮子，稍加改动之后，就可以应用在图像中的越线检测。
官网：https://shapely.readthedocs.io/en/latest/manual.html#geometric-objects
csdn资源：https://blog.csdn.net/jclian91/article/details/121887135
简书资源：https://blog.csdn.net/jclian91/article/details/121887135

自研算法

自研算法，主要思路就是各类论文的思路，比如多边形的点之间连线，然后目标点做垂线，来判断距离的正负，从而判定是否越线。