本文详细介绍了在Windows系统上安装WSL2和Ubuntu 22.04的完整流程。首先检查WSL状态并更新组件，然后提供自动安装（推荐）和手动安装两种方案。安装完成后，可通过命令行或微软商店安装Ubuntu 22.04，并设置用户名密码。针对C盘空间不足问题，还提供了将WSL系统迁移至其他磁盘的详细步骤，包括导出系统镜像、注销原系统、导入新位置及恢复默认用户等操作。整个过程涵盖从安装到迁移的完

摘要： 本指南介绍在Docker Desktop中部署沙盘视觉(Shapan Vision)实验环境并启用GPU加速的步骤。首先需确保已安装Docker Desktop和NVIDIA显卡驱动。操作包括：通过WSL2进入目录、从华为云拉取镜像、验证下载、启动容器时添加--gpus all参数开启GPU支持并映射端口。随后需检查容器状态，记录ID并通过docker exec进入容器。常见问题涉及驱动识

本教程详细介绍了在Orange Pi AI Pro开发板上的部署流程。主要内容包括：1) 部署目录结构说明，包含模型文件、C++推理引擎和Web仪表盘；2) 硬件和软件环境要求；3) 详细的安装步骤，包括依赖安装和环境配置；4) 三种运行模式：CPU测试、完整ONNX链路测试和NPU加速测试；5) 多种输入源配置方式；6) Web仪表盘的启动和使用方法。该教程特别强调了环境检查和ONNX Runt

本文档提供了本地电脑研发与运行教程，适用于除部署外的所有项目内容。教程详细说明了在Windows系统下搭建开发环境（Python 3.8+、Anaconda、OpenCV等）、项目目录结构认知以及完整的研发流程。核心内容包括：通过YOLO Pose提取关键点特征训练GRU分类器、MindIR模型离线评估、无界面实时推理（支持视频/摄像头输入）、Streamlit原型界面开发等标准运行步骤。此外还提

本教程只针对deploy/目录，也就是项目的最终部署成果。CANN EP。

本文档描述了一个基于人体关键点序列的暴力行为检测系统项目。项目采用YOLO11n-pose提取17个关键点，通过轻量时序分类模型实现暴力行为判别。系统分为本地研发和Orange Pi AI Pro板端部署两部分，包含完整的训练、评估和推理链路。技术核心包括固定153维单帧特征和41帧时序窗口，支持最多3人同时检测。项目文档提供了本地开发和板端部署的详细指南，并明确了当前技术边界，如MindIR评估

在监控场景中，真正决定“是否发生暴力行为”的核心信息，并不是墙壁、桌椅、灯光或者背景纹理，而是人体姿态、肢体相对关系和短时间内的运动变化。所以，严格地说，项目的真正设计思想不是“某一个具体的 RNN 单元一定最优”，而是“在端侧约束下，采用一个足够轻、足够稳、足够容易迁移的时序分类器”。这正是轻量化的核心。换句话说，这类项目的本质不是“离线跑一个不错的分类模型”，而是“在有限算力下，把检测、判断、