AI Smart Monitoring System
边缘端实时人脸识别与跌倒姿态检测综合监控平台
项目介绍与痛点
传统的监控系统通常停留在单纯的人脸抓拍或离线视频录制，无法在低功耗边缘端设备上同时处理多路并发、高精度人脸识别以及毫秒级的突发跌倒告警。在真实工程场景中，多模型并发容易争抢显存、卡顿甚至崩溃。
本项目构建了一套生产级、端到端的边缘智能监控平台，将 轻量级人脸检测识别（SCRFD + ByteTrack + ArcFace） 与 姿态跌倒检测（YOLOv8-Pose TensorRT FP16） 深度融合，兼具高吞吐量与极低延迟。
核心技术架构与实践
1. 轻量化人脸检测与跨帧追踪：选用 SCRFD 算法作为前置检测器，在 CPU/轻量 GPU 上实现极低推理开销；结合 ByteTrack 算法分配持久化 Track ID，有效解决目标在遮挡、晃动时的频闪和 ID 切换问题；后接 InsightFace ArcFace 提取 512 维特征向量，支持动态底库毫秒级比对。
2. 独立 GPU Worker 跌倒检测与 TensorRT 加载：为了避免大模型锁死主异步事件循环，跌倒检测模块采用独立的 GPU 工作进程部署。通过 NVIDIA TensorRT 将 YOLOv8-Pose 量化加速为 FP16 引擎，大幅削减显存占用与推理耗时，确保复杂多姿态动作下的实时骨骼捕捉。
3. 零丢帧事件流与异步流水线：使用 FastAPI 异步非阻塞网络层构建实时 WebSocket 与 REST API，告警事件持久化到 PostgreSQL；前端采用 React 18 构建现代化监控大屏，实现低延迟实时视频流展示与历史回溯。