YOLOv3+DeepSort异常行为检测模型TensorFlow多目标跟踪

基于 YOLOv3 的多目标检测，加上 DeepSort 的跟踪能力，组合出来的这个人员异常行为检测系统，实用性还挺强的。摔倒、越线、徘徊这些常见场景它都能应对，在 TensorFlow 框架下跑起来也还不错，响应还算快。

YOLOv3 的检测效果蛮靠谱的，尤其在目标边界框的识别上，定位精度不错。配合DeepSort后，人员的跟踪更稳，ID 切换的问题也做了不少优化。比如有小目标漏检、跟踪跳号的情况，文里都有讲怎么应对。

判断异常行为的方法也比较接地气。像摔倒就是看目标框的宽高比例变化；越线就用底部中心点和预设警戒线的位置关系；徘徊通过轨迹搞定。思路不复杂，但挺有效。

还有个优点我蛮喜欢的——扩展性强。你要是想加点儿别的检测模块，比如打架、奔跑什么的，加上去就行，框架设计得比较灵活。

适合搞视频监控、公共安全这类项目的开发者用，比如车站、商场那种人多的地方。如果你也在做类似系统，可以参考一下这套思路。相关资源也整理好了，直接上手不难。