安全帽佩戴检测系统-YOLOv11

项目描述 安全帽佩戴检测系统
本项目是安全帽佩戴检测系统，基于 YOLOv11 目标检测模型，对图片、视频或摄像头实时流进行安全帽佩戴状态识别，自动框出”hat（已戴安全帽）”与”person（未戴帽人员）”两类目标，输出带标注的结果与计数统计，用于施工/现场人员安全装备监管。

## 项目功能
– 图片检测：上传单张图片，模型输出每目标的边界框、标签与置信度，生成带标注的结果图。
– 视频检测：上传视频文件，逐帧推理并写入带标注的结果视频，统计峰值 hat/person 数量与累计帧计数。
– 摄像头实时检测：调用本地摄像头实时取流，每帧检测并显示带框画面，适用于现场监管。
– Web 上传式 Demo：浏览器拖拽上传图片或视频，自动返回带标注结果文件并支持在线播放，提供历史记录、缩略图、统计汇总、单条删除与一键清空。
– 树莓派现场版（原版）：CSI 摄像头实时取流，GPIO 联动 LED/蜂鸣器/舵机告警，前端展示实时视频流、统计柱状图、检测日志与时间轴。
## 运行环境
– 桌面端（Windows 演示）：Python 3.13，依赖 ultralytics、opencv-python、flask、imageio-ffmpeg，CPU 即可推理，无需任何外部硬件。
– 现场端（树莓派 5）：Raspberry Pi 5 + OV5647 CSI 摄像头 + GPIO 外设（LED、蜂鸣器、舵机），依赖 picamera2、gpiozero、lgpio，通过 start.sh 启动。
– 模型权重自带：best.pt 已训练完成并包含在项目内，无需下载任何额外数据集或模型即可启动。
## 项目技术
– 检测模型：YOLOv11（hat / person 二类目标检测），基于 ultralytics 框架，权重 best.pt。
– 视频转码：OpenCV 输出 mp4v 后用 ffmpeg（imageio-ffmpeg 自带静态二进制）转 H.264 + yuv420p + faststart，保证浏览器 video 标签可直接流式播放。
– Web 后端：Flask，提供上传、历史、删除、清空、文件服务等 REST 接口，历史记录以 JSON 持久化。
– Web 前端：原生 HTML/CSS/JS（靛蓝主色、卡片化布局），支持拖拽上传、结果展示、历史卡片列表与统计汇总。
– 边缘端硬件联动：picamera2 取流、gpiozero/lgpio 控制 LED、蜂鸣器、舵机，实现未戴帽告警联动。
– 推理脚本：predict_image.py、predict_video.py、predict_webcam.py 分别覆盖图片、视频、摄像头三种输入方式，均基于 ultralytics 原生 API。

以上系统源码经过技术整理与调试，确保能正常运行