智慧校园视频监控系统助力学校传统安防监控智能升级，借助智慧校园视频监控系统可以避免传统视频监控“被动”监控，有效监控价值低，不能及时预警预防的能力。智慧校园视频监控具备大规模智能检测、多场景智能分析、机器自主学习、实时告警、实时分析、全天运行，实现校园管理数字化，高效化，智能化。
基于YOLOv7的目标检测应用的用户界面。它使用PyQt5库创建了一个窗口，并在窗口中显示了两个标签和四个按钮。标签1和标签2用于显示图像，标签3用于显示检测结果的文本。按钮1和按钮2用于选择图像或视频文件进行检测，按钮3和按钮4用于开始和停止检测。
在程序的后面部分，定义了一个Thread_1类，用于创建一个线程来运行目标检测的函数det_yolov7。det_yolov7函数接受一个参数info1，根据info1的后缀判断是图像文件还是视频文件，然后调用run函数进行目标检测，并将检测结果显示在图像上。如果检测到未戴安全帽的工人，会在文本框中显示警告信息。
传统校园视频监控具有1.开放性差：无法提取有效图像元数据、难以和其他专业IT系统进行数据集成、视频内容复杂，质量低劣，无法仔细辨别 2、高度依赖监控人员：海量视频图像的需要耗费大量人力、高度依赖监控人员的责任心、精神状态、人力资源数量和有效工作时间 3、安全性差，运维复杂：监控系统体量庞大，仅靠人力维护投入高，效果不明显，系统越庞大安全性难以充分保障 4、被动监控：被动人力监控，事后回放查证、监控有效时间不长，监控内容少。
try:
import thop # for FLOPs computation
except ImportError:
thop = None
LOGGER = logging.getLogger(__name__)
@contextmanager
def torch_distributed_zero_first(local_rank: int):
"""
Decorator to make all processes in distributed training wait for each local_master to do something.
"""
if local_rank not in [-1, 0]:
dist.barrier(device_ids=[local_rank])
yield
if local_rank == 0:
dist.barrier(device_ids=[0])
def date_modified(path=__file__):
# return human-readable file modification date, i.e. '2021-3-26'
t = datetime.datetime.fromtimestamp(Path(path).stat().st_mtime)学校部署一台SuiJi-AI视频监控智能分析仪，使用视频监控智能分析仪进行视频取流和视频告警事件的处理，生成告警事件和记录，并可联动IP音箱进行告警事件语音广播和实时广播喊话。前端各场景点位的摄像机通过局域网内的交换机与视频监控智能分析仪进行数据交互。
