（1）目标检测概述与评价体系：了解目标检测的发展历程、核心任务和应用场景（智能安防、自动驾驶、工业质检、新零售）。掌握目标检测的完整评价体系：交并比（IoU）的计算与应用、非极大值抑制（NMS）的原理、准确率与召回率的平衡、mAP（mean Average Precision）的计算方法。学习目标检测面临的挑战：小目标检测、遮挡处理、实时性要求、多尺度问题。
（2）两阶段目标检测算法：深入理解两阶段检测器的核心思想（先提议后分类）。掌握R-CNN系列检测器的演进脉络：R-CNN的候选区域方法、Fast R-CNN的感兴趣区域池化（RoI Pooling）、Faster R-CNN的区域提议网络（RPN）端到端训练。理解锚框（Anchor Box）的概念、设计策略（尺度、长宽比）和匹配规则（正负样本分配）。学习Mask R-CNN在检测基础上扩展实例分割的原理。
（3）单阶段目标检测算法：掌握单阶段检测器的核心思想（一次前向直接预测位置和类别），理解其相对于两阶段检测器的速度优势。学习SSD（Single Shot MultiBox Detector）的多尺度特征图预测策略。深入理解YOLO系列检测器的技术演进：从YOLOv1的回归思想到YOLOv8/v10的完整技术体系，包括无锚框检测、解耦头、动态标签分配等核心创新。对比分析单阶段与两阶段检测器的适用场景选择。
（4）YOLO系列实战与优化：掌握YOLOv5/v8/v10的完整实战流程，包括环境配置、数据集准备（标注格式转换、数据集划分）、模型训练与验证。学习YOLO模型的核心配置参数理解（网络深度、宽度、训练超参数）。掌握模型优化技巧：数据增强策略（Mosaic、MixUp、Copy-Paste）、学习率调度、权重衰减设置。实战完成自定义数据集（如口罩检测、交通标志识别）的模型训练与调优。
（5）基于Transformer的目标检测：了解Transformer在计算机视觉领域的应用演进。掌握DETR（Detection Transformer）的核心思想：将目标检测视为集合预测问题，去除锚框和NMS等人工设计组件。学习Deformable DETR的改进（可变形注意力机制加速收敛）。了解Swin Transformer在检测中的应用及其层次化架构特点。对比CNN与Transformer检测器的性能与适用场景。
（6）视频分析与目标跟踪基础：理解视频分析与单张图像分析的本质区别（时间维度信息的引入）。掌握视频分析的核心任务：目标检测、多目标跟踪、行为识别、视频语义理解。了解目标跟踪的任务分类：单目标跟踪（SOT）与多目标跟踪（MOT）的区别与应用场景。学习跟踪系统的完整工作流程：检测、特征提取、数据关联、轨迹管理。
（7）多目标跟踪算法：SORT与DeepSORT：深入理解SORT（Simple Online and Realtime Tracking）的核心思想：卡尔曼滤波预测目标状态、匈牙利算法进行数据关联。掌握DeepSORT的改进：引入外观特征（Re-ID特征）解决遮挡下的身份切换问题。学习级联匹配策略优先匹配高置信度轨迹。实战实现基于检测结果的DeepSORT多目标跟踪。
（8）多目标跟踪算法：BYTETrack与BoT-SORT：掌握BYTETrack的核心创新：利用高置信度检测框和低置信度检测框的两阶段关联策略，有效处理遮挡和模糊场景。学习BoT-SORT的改进：融合运动预测和外观特征，使用相机运动补偿提升跟踪稳定性。了解不同跟踪算法的适用场景选择：拥挤场景优先BYTETrack，不可预测运动优先BoT-SORT。实战实现BYTETrack在监控视频中的应用。
（9）视频行为识别与分析：理解行为识别的任务定义：从视频序列中识别目标的动作类别（跑步、跳跃、打架等）。掌握经典行为识别算法：双流网络（空间流+时间流）、3D卷积网络（C3D、I3D）。学习SlowFast算法的核心思想：慢路径捕捉空间语义信息，快路径捕捉时间运动信息，通过侧向连接融合时空特征。了解行为识别与目标检测、多目标跟踪的协同工作：先检测再识别。
（10）视频分析系统实战：检测+跟踪+识别：学习构建完整的视频分析系统，整合目标检测（YOLO）、多目标跟踪（DeepSORT/BYTETrack）和行为识别（SlowFast）模块。掌握视频流处理框架设计：视频帧读取、检测线程、跟踪线程、识别线程的协同与异步处理。实战实现交通监控场景下的车辆检测、跟踪与违章行为识别（如违停检测、逆行检测）。
（11）模型部署与边缘端优化：掌握视频分析模型的部署技术。学习模型转换（ONNX/TensorRT）和推理加速（FP16/INT8量化）。了解边缘端部署方案：树莓派、Jetson Nano等嵌入式平台的YOLO部署实践。掌握推理性能优化技巧：批处理、异步推理、预处理合并。实战完成视频分析模型在边缘设备的部署与实时推理。
（12）综合项目实战：智能视频分析系统开发：结合所学知识，完成一个完整的视频分析项目（如智能安防监控系统、交通流量统计平台、工厂行为规范检测系统）。涵盖需求分析、数据采集与标注、检测模型训练、跟踪算法集成、行为识别模块开发、系统集成与部署、效果评估的全流程，形成规范的视频分析应用项目报告。
