用Django做视频检测，视频最直接的检测路子是把视频拆成帧，逐帧丢给检测模型，视频再把结果拼回去。检测我去年帮一个做安防的视频朋友搭过一套，摄像头是检测海康的，RTSP流拉过来，视频Django负责调度和展示，检测检测用的视频YOLOv5。整套跑下来，检测延迟大概在1.2秒左右，视频对他来说够用了。检测

先说视频怎么进Django。视频很多人第一反应是检测上传文件，但监控场景基本是视频实时流。我的做法是单独起一个进程用OpenCV的VideoCapture拉流，Django这边通过Celery下发任务，检测完把结果帧存到Redis或者本地磁盘，前端用MJPEG流的方式推给浏览器。这里有个坑：Django的runserver是单线程的，别指望它同时处理视频流和页面请求，必须上gunicorn加gevent，不然页面直接卡死。

检测环节本身不复杂。YOLOv5的推理代码就那几行，难的是怎么和Django的请求周期解耦。我试过在视图函数里直接调model()，结果一个请求占住worker十几秒，并发一上来整个服务就崩。后来改成Celery异步任务，视图只负责返回task_id，前端轮询或者用WebSocket拿结果。这样Django只做它擅长的事——路由、鉴权、ORM，脏活累活扔给Celery worker。

数据库设计上，别把检测结果一股脑塞进JSONField。我一开始图省事，每帧的bbox坐标全存成JSON，查起来想死。后来拆成三张表：VideoTask记录任务元信息，DetectionFrame存帧号和时间戳，DetectionObject存每个目标的类别、置信度和坐标。这样要查“某个时间段内出现的人”，一条JOIN就搞定，不用在Python里遍历JSON。

前端展示用video标签加Canvas叠加框。注意视频的原始分辨率和前端显示尺寸往往不一致，坐标要按比例缩放。我见过有人直接把模型输出的像素坐标画上去，结果框全偏到姥姥家。另外，如果检测帧率低于视频帧率，画面会一顿一顿的，解决办法是前端做插值，或者干脆只展示有检测结果的关键帧，中间用淡入淡出过渡。

性能方面，GPU不是必须的，但CPU推理1080p视频大概只有3-5 FPS，体验很差。如果预算有限，可以把视频降采样到640×640再送进模型，精度掉一点，速度能翻好几倍。我那个朋友后来加了块二手Tesla P4，帧率直接拉到25 FPS，成本不到一千块。

最后说个容易忽略的点：视频检测的“检测”二字，不光是目标检测，还包括异常行为判断。比如有人翻越围栏，单纯靠YOLO输出的框是判断不了的，得结合时序信息。我的做法是在DetectionObject表里加一个track_id，用简单的IOU匹配做跟踪，然后规则引擎判断轨迹是否穿越了预设区域。这套逻辑写在Django的signals里，检测任务完成后触发，比在视图里硬编码优雅得多。

整套方案跑下来，Django更像一个胶水层，把视频流、推理引擎、存储和前端粘在一起。它的ORM和Admin确实省事，但别让它碰视频解码和模型推理，那不是它的战场。