【标题】 社会服务 + 蜂群智眼——AI无人机洪涝搜救辅助平台
【标签】 按所选赛道选择话题标签：社会服务
【正文】 不少于 100 字，至少包含以下 4 个部分，可增加其他部分
1.Demo简介
是什么：一套面向洪涝灾害场景的AI搜救辅助平台，通过接入无人机航拍视频，自动识别疑似被困人员，标注坐标位置，生成灾情地图和救援建议，辅助指挥中心进行快速调度。
面向谁：应急指挥中心、消防救援队伍、无人机救援团队、基层应急管理人员。
主要功能：
- AI疑似目标识别：结合可见光图像、人体轮廓、挥手动作、红外热成像等综合判断，输出疑似目标位置、截图、置信度等级
- 灾情点位地图：自动在地图上标注疑似目标位置，显示已搜索区域、发现目标区域和未覆盖区域
- 救援优先级判断：根据目标位置、置信度、周围水域风险、目标数量、呼救动作等信息进行优先级排序
主要创作思路：用AI把无人机拍到的画面变成可用的救援信息，让系统先帮助人发现疑似目标，再由救援人员确认执行，提高救援效率和安全性。
2.Demo创作思路
灵感来源：近年来极端天气和洪涝灾害频发，很多救援现场都会遇到"知道有人被困，但不知道人在哪里"的问题。无人机已经可以快速进入灾区拍摄画面，但大量视频仍需要人工查看，效率不够高。
想解决的问题：洪涝灾害发生后，受灾区域范围大、环境复杂，被困人员分散，救援队很难快速发现目标。传统搜救依赖人工巡查，效率低、容易遗漏，夜间和恶劣天气下识别难度更高。
为什么做这个方向：我希望用AI技术解决真实的公共安全问题，让无人机从"只会拍摄的工具"升级为"能辅助发现、定位和判断的智能搜救助手"，帮助指挥中心更快做出判断，让有限的救援力量优先前往最需要帮助的地方。
3.Demo体验地址
交互式可体验的HTML格式文件，请使用Zip格式打包上传到社区。
4.TRAE实践过程
完整开发流程：
第一步：项目规划与架构设计
使用TRAE的代码分析和规划能力，设计了基于FastAPI的后端架构和HTML/CSS/JavaScript的前端界面，确定了视频上传、AI检测、地图展示、优先级排序等核心模块。
第二步：后端服务开发
利用TRAE生成了完整的FastAPI后端代码，包括视频上传接口、模拟AI检测服务、优先级计算算法、人工确认接口和任务清单生成接口。
第三步：前端界面开发
使用TRAE创建了专业的救援科技风格前端界面，包含视频上传区域、统计信息面板、疑似目标列表、救援任务清单和Leaflet地图展示。
第四步：功能整合与测试
通过TRAE的代码编辑和调试能力，完成了前后端联调，修复了PIL图像绘制的导入问题，确保整个系统能够流畅运行。
创意展示页面.zip (5.8 KB)