项目介绍
本系统是一个面向校园课堂场景的异常行为检测平台，采用前后端分离架构实现。前端基于 Vue3、Vite 与 Element Plus 构建，提供登录注册、图片识别、识别记录、资讯文章、个人中心以及管理员后台等页面，用户可以上传课堂图片并直观查看检测结果。后端采用 Flask 搭建 RESTful 接口服务，通过 JWT 完成身份认证，结合 SQLAlchemy 与 SQLite 保存用户信息、文章信息和识别记录。算法部分使用 YOLOv8n 目标检测模型，对课堂图片中的交谈、吵架等行为目标进行识别，并返回类别、置信度、边界框坐标和绘制后的检测结果图。
选题背景与意义
随着智慧校园建设不断推进，课堂教学质量评价逐渐从人工巡查向智能化、数据化方向发展。传统课堂管理主要依赖教师现场观察或课后人工复盘，存在主观性强、覆盖范围有限、实时性不足等问题。当班级人数较多或课堂监控画面较复杂时，教师很难持续关注每名学生的听课状态，诸如睡觉、玩手机、交头接耳、走神等异常行为容易被忽略，从而影响教学秩序和学习效果。将目标检测算法引入课堂行为分析，可以利用图像识别技术自动定位异常行为目标，为教师提供更加客观、直观的辅助信息。
关键技术栈：YOLOv8
YOLOv8 是 Ultralytics 推出的单阶段目标检测算法，延续了 YOLO 系列端到端检测速度快、部署方便的特点，同时在网络结构、训练策略和推理效果方面进行了优化。系统选用 YOLOv8n 作为核心算法模型，其中 n 表示 nano 版本，模型参数量较小，推理速度快，更适合普通毕设环境、本地服务器或轻量级 Web 应用部署。YOLOv8 通过 Backbone 提取图像特征，通过 Neck 融合多尺度信息，再由 Head 输出目标类别、置信度和边界框位置，能够在一张课堂图片中同时识别多个学生行为目标。
技术架构图
系统功能模块图
