📚 课程目录第1章课程导学与项目全景

1. 课程导学与项目全景：YOLO安防行业现状、课程目标、项目技术栈总览、最终效果演示

说实话，这几年安防行业的变化，比我入行前十年加起来都大。

以前我们做监控，靠的是人海战术。一个保安盯着几十块屏幕，看久了眼睛都花了。漏报率有多高？我见过一个园区项目，部署了200路摄像头，实际有效告警不到三成。剩下的，全被值班人员“看漏”了。

现在不一样了。深度学习，尤其是YOLO这类目标检测算法，把安防系统的“眼睛”和“大脑”真正连在了一起。摄像头不再是录像工具，而是实时感知的传感器。

我个人的判断是：未来三年，没有AI能力的安防系统，就跟没有网络的手机一样——基本没法用。

核心趋势： 安防行业正从“事后录像回查”转向“事前实时预警”。YOLO是这场转型中最关键的技术引擎之一。

你可能已经看过不少YOLO教程了。但说实话，大部分都停留在“跑通一个demo”的阶段。

你想想看，实际安防项目里会遇到什么？

这些问题，我在项目里都踩过坑。这门课的目标，就是带你从头到尾走一遍“真实安防项目”的完整链路。

避坑提醒： 我曾经在一个项目中，直接用训练好的YOLOv5模型去处理1080p的RTSP流，结果帧率只有3FPS。后来才发现，瓶颈根本不在模型推理，而在视频解码和预处理。这个坑，我帮你提前填上了。

整个项目涉及的技术栈，我把它分成四层。每一层都有明确的分工。

每一层我都会在课程里详细拆解。从视频流的拉取、解码，到模型的加载、推理，再到告警逻辑的编写和Web展示，一个环节都不会少。

我先给你看看，学完这门课你能做出什么。

假设你有一个园区大门摄像头，RTSP实时流接入。系统启动后：

个人经验： 我做过一个工厂项目，部署了这套系统后，安全违规事件从每月15起降到了2起。不是算法多神奇，而是“实时告警”这件事本身，就改变了人的行为模式。

硬件方面，一张NVIDIA显卡是必须的。GTX 1060以上都能跑，但建议RTX 2060起步。如果你只有CPU，也能跑，但帧率会打折扣。

软件方面，我建议你用Ubuntu 20.04或22.04。Windows也行，但有些坑我会在课程里单独说明。

注意： 如果你用的是macOS，TensorRT用不了。我会在课程里提供ONNX Runtime的替代方案，效果也不错，只是推理速度会慢一些。

30章的内容，我把它分成五个阶段：

每一章都有可运行的代码，每一章结束你都能看到阶段性成果。不是那种“看完就忘”的教程，而是“跟着做就能跑”的实战。