智能视频分析平台后端系统

项目概述

本系统是基于FastAPI构建的智能视频分析平台后端，提供视频流处理、设备管理、算法部署和实时监控等功能。支持与多种视频源（RTSP流、本地视频文件）集成，并可通过WebSocket实现实时视频流传输。

主要功能

核心模块

• 🛡️ 用户认证与权限管理

  • JWT令牌认证（/token端点）
  • 多级用户权限（普通用户/超级管理员）
  • 用户注册审核机制（待审核/通过/拒绝状态）

• 📷 视频设备管理（RTSP流接入）

  • 设备增删改查接口
  • RTSP流连通性检测
  • WebSocket实时预览（/ws/device-preview/{device_id}）

• 🧠 算法模型管理

  • 支持YOLOv8模型上传与管理
  • 权重文件版本控制
  • 算法-任务依赖关系检查

• 🚦 任务调度与监控

  • 两种任务类型：
    • 实时监控任务（持续处理RTSP流）
    • 测试任务（处理上传视频文件）
  • 任务状态机管理（stopped/running/error）
  • 进程级资源隔离

• 🔌 实时视频处理

  • 多进程架构（Process + Queue）
  • 帧级处理流水线：
    1. OpenCV帧捕获
    2. YOLO目标检测
    3. 结果可视化渲染
    4. WebSocket实时推送

特色功能

• 智能资源管理

  • 自动重连机制（RTSP流中断恢复）
  • 进程池管理（process_dict/queue_dict）
  • 队列溢出保护（maxsize=30）

• 可视化支持

  • 实时检测框渲染
  • 关键帧保存（每30帧存储JPEG）
  • 处理日志追踪（/tasks/{id}/log）

• 安全机制

  • WebSocket令牌验证
  • 敏感操作审计（用户状态变更记录）
  • 文件沙箱存储（隔离weights/videos/results目录）

• 诊断工具

  • 视频文件校验接口（/results/{task_name}/check-video）
  • 处理进度查询（通过日志文件）
  • 错误追踪（自动生成error.txt）

平台展示

技术栈

后端框架

• FastAPI
• SQLAlchemy (异步)
• Pydantic
• JWT认证

视频处理

• OpenCV
• YOLOv8
• 多进程处理

基础设施

• PostgreSQL
• Redis（可选）
• Docker

快速开始

环境要求

• Python 3.9+
• PostgreSQL 12+
• OpenCV 4.7+
• FFmpeg

安装步骤

1. 克隆仓库

git clone https://github.com/your-repo/stream-intellect-backend.git
cd stream-intellect-backend

2. 安装依赖

pip install -r requirements.txt

3. 配置环境变量 创建 .env 文件：

DATABASE_URL=postgresql+asyncpg://user:password@localhost/dbname
SECRET_KEY=your-secret-key
ALGORITHM=HS256
ACCESS_TOKEN_EXPIRE_MINUTES=30

4. 初始化数据库

python -m database.init_db

5. 启动服务

uvicorn backend.main:app --reload

API文档

访问 http://localhost:8000/docs 查看交互式API文档，包含：

• 用户认证接口
• 设备管理接口
• 算法管理接口
• 任务调度接口
• WebSocket实时流接口

系统架构

graph TD
    A[客户端] --> B{NGINX}
    B --> C[认证服务]
    B --> D[视频流服务]
    C --> E[FastAPI应用]
    D --> F[视频处理集群]
    E --> G[(数据库)]
    F --> H[存储服务]

Loading

开发指南

代码结构

backend/
├── main.py            # 主入口
├── database/          # 数据库模块
├── models/           # 数据模型
├── schemas/          # Pydantic模型
├── routes/           # API路由
└── utils/            # 工具类

贡献流程

1. Fork项目仓库
2. 创建特性分支 (git checkout -b feature/your-feature)
3. 提交修改 (git commit -m 'Add some feature')
4. 推送到分支 (git push origin feature/your-feature)
5. 创建Pull Request

许可证

MIT License

---

提示：生产环境部署建议使用Docker容器化部署，并配置Nginx反向代理和SSL证书。