基于YOLOv8的课堂行为检测与管理系统

本项目设计并实现了一套基于YOLOv8的课堂行为检测与管理系统，主要针对传统课堂中教师难以持续、客观地掌握学生课堂状态的问题，利用计算机视觉技术对课堂行为进行智能识别和数据化管理。系统以提升课堂管理效率、辅助教师分析学生学习状态为目标，可识别专注听讲、举手、记笔记、走神、睡觉、玩手机、讨论等课堂行为，并对异常行为进行记录和告警。
系统按照不同用户角色提供相应功能，包括管理员、教师、班主任及校级管理人员等。管理员可进行用户、班级、学生、摄像头和检测参数管理，并查看年级、学科、教师等维度的统计数据；教师可查看课程安排、课堂实时监控、学生行为记录和异常告警，并能够进行行为纠正、告警处理以及班级报告生成；系统同时支持摄像头实时视频检测以及图片、视频文件上传检测。整体业务流程为用户登录系统后，根据角色进入对应管理界面，选择课堂或检测数据源，系统调用YOLOv8模型进行行为识别，将检测结果保存至数据库，并进一步形成行为记录、异常告警和统计报告，为课堂教学管理提供数据支持。

本项目采用前后端分离的设计思路，前端使用PyQt5构建桌面端可视化操作界面，通过Requests调用后端REST API；后端基于Flask框架开发，使用Blueprint划分认证、管理员、教师和行为检测等业务模块，并使用Flask-SQLAlchemy连接MySQL数据库完成数据持久化。用户身份认证采用JWT机制，前后端之间通过HTTP接口进行数据交互。课堂行为识别部分采用Ultralytics YOLOv8模型结合OpenCV实现，对摄像头视频流、上传图片及视频进行目标检测，并根据模型识别结果生成课堂行为记录。
项目核心实现内容包括登录与权限控制、用户和学生管理、班级及摄像头管理、课堂实时监控、文件行为检测、异常行为告警、检测参数配置、行为数据统计和课堂报告管理等功能。数据库建立了用户、学校、年级、班级、学生、课程、教室、摄像头、课程表、行为记录、告警、报告和座位映射等数据模型。项目实现过程中较为关键的问题是YOLO模型推理与图形界面实时显示之间的协调，为避免检测任务阻塞界面，前端的视频及文件检测使用线程机制处理；同时通过设置置信度阈值、IOU阈值以及统一的视频帧尺寸等参数提高检测过程的稳定性。后端还加入JWT异常处理、数据库事务回滚、日志记录以及跨域配置，提高系统运行的可靠性和可维护性。