feat: 新增人员徘徊/静止行为分析功能

本次提交实现了完整的人员行为分析系统，包括：
1. 新增基于位置和跟踪ID的两种行为检测算法
2. 新增徘徊检测服务与行为处理器模块
3. 前后端集成算法配置界面与告警展示
4. 支持图片和视频流场景下的行为分析
5. 新增算法配置接口与文档说明

具体改动：
- 新增loitering_detection模型目录与算法实现
- 新增AlgorithmConfig组件实现可视化配置
- 扩展图片/视频检测接口支持算法参数传递
- 新增行为告警推送与前端展示页面
- 优化检测服务，集成行为分析逻辑
- 移除冗余日志输出，完善代码注释

models/README.md

@@ -38,6 +38,169 @@ cp /path/to/behavior_detection/Loitering-Detection/yolov8n.pt models/loitering_d
 bash scripts/setup-models.sh
 ```
 
+## 算法目录规范
+
+当需要在检测模型基础上添加自定义算法逻辑时，请在对应模型目录下创建以下子目录：
+
+### `algorithms/` - 独立算法模块
+
+用于存放独立的算法实现，如密度估计、流动分析、行为识别等。
+
+```
+crowd_detection/
+├── yolov8l.pt
+└── algorithms/
+    ├── __init__.py
+    ├── density_estimator.py      # 人群密度估计算法
+    ├── flow_analysis.py          # 人群流动分析算法
+    ├── anomaly_detector.py       # 异常行为检测算法
+    └── crowd_counting.py         # 人群计数算法
+```
+
+**示例代码：**
+```python
+# crowd_detection/algorithms/density_estimator.py
+import numpy as np
+
+class DensityEstimator:
+    """人群密度估计器"""
+    
+    def __init__(self, grid_size=10):
+        self.grid_size = grid_size
+    
+    def estimate(self, detections, image_shape):
+        """
+        根据检测结果估计人群密度
+        
+        Args:
+            detections: YOLO检测结果 [(x1,y1,x2,y2,conf,cls), ...]
+            image_shape: (height, width)
+        
+        Returns:
+            density_map: 密度热力图
+        """
+        h, w = image_shape
+        grid_h, grid_w = h // self.grid_size, w // self.grid_size
+        density_map = np.zeros((grid_h, grid_w))
+        
+        for det in detections:
+            cx, cy = int((det[0] + det[2]) / 2), int((det[1] + det[3]) / 2)
+            grid_x, grid_y = cx // self.grid_size, cy // self.grid_size
+            if 0 <= grid_x < grid_w and 0 <= grid_y < grid_h:
+                density_map[grid_y, grid_x] += 1
+        
+        return density_map
+    
+    def is_crowded(self, density_map, threshold=5):
+        """判断是否拥挤"""
+        return np.max(density_map) > threshold
+```
+
+### `processors/` - 检测结果二次处理
+
+用于对模型检测结果进行后处理，如过滤、分析、告警判断等。
+
+```
+crowd_detection/
+├── yolov8l.pt
+└── processors/
+    ├── __init__.py
+    ├── post_processor.py         # 检测结果后处理
+    ├── crowd_analyzer.py         # 人群分析器
+    └── alert_rules.py            # 告警规则判断
+```
+
+**示例代码：**
+```python
+# crowd_detection/processors/alert_rules.py
+from datetime import datetime, timedelta
+
+class CrowdAlertRules:
+    """人群检测告警规则"""
+    
+    def __init__(self):
+        self.alert_history = []
+        self.cooldown_minutes = 5
+    
+    def check_crowd_gathering(self, person_count, density, duration_seconds):
+        """
+        检查是否触发人群聚集告警
+        
+        Args:
+            person_count: 检测到的人数
+            density: 人群密度值
+            duration_seconds: 持续时长
+        
+        Returns:
+            alert: 告警信息或None
+        """
+        # 规则：人数>20 且 密度>0.5 且 持续>30秒
+        if person_count > 20 and density > 0.5 and duration_seconds > 30:
+            if self._can_trigger_alert("crowd_gathering"):
+                alert = {
+                    "type": "crowd_gathering",
+                    "level": "high" if person_count > 50 else "medium",
+                    "message": f"检测到人群聚集，人数: {person_count}",
+                    "timestamp": datetime.now()
+                }
+                self._record_alert("crowd_gathering")
+                return alert
+        return None
+    
+    def check_intrusion(self, detections, restricted_zones):
+        """
+        检查是否触发区域入侵告警
+        
+        Args:
+            detections: 检测结果
+            restricted_zones: 限制区域列表 [(x1,y1,x2,y2), ...]
+        """
+        alerts = []
+        for det in detections:
+            person_box = (det[0], det[1], det[2], det[3])
+            for zone in restricted_zones:
+                if self._is_intersect(person_box, zone):
+                    alerts.append({
+                        "type": "zone_intrusion",
+                        "level": "high",
+                        "message": "检测到人员进入限制区域"
+                    })
+        return alerts
+    
+    def _can_trigger_alert(self, alert_type):
+        """检查是否可以通过冷却期触发告警"""
+        cutoff_time = datetime.now() - timedelta(minutes=self.cooldown_minutes)
+        recent_alerts = [
+            a for a in self.alert_history 
+            if a["type"] == alert_type and a["timestamp"] > cutoff_time
+        ]
+        return len(recent_alerts) == 0
+    
+    def _record_alert(self, alert_type):
+        """记录告警历史"""
+        self.alert_history.append({
+            "type": alert_type,
+            "timestamp": datetime.now()
+        })
+    
+    @staticmethod
+    def _is_intersect(box1, box2):
+        """判断两个框是否相交"""
+        x1 = max(box1[0], box2[0])
+        y1 = max(box1[1], box2[1])
+        x2 = min(box1[2], box2[2])
+        y2 = min(box1[3], box2[3])
+        return x1 < x2 and y1 < y2
+```
+
+### 目录选择建议
+
+| 场景 | 推荐目录 | 说明 |
+|------|----------|------|
+| 实现新的检测算法（如密度估计、行为识别） | `algorithms/` | 独立的算法逻辑，可复用 |
+| 对检测结果进行过滤、分析 | `processors/` | 针对业务场景的后处理 |
+| 简单的工具函数 | `utils/` | 辅助函数，无状态逻辑 |
+
 ## 注意
 
 模型文件较大，未包含在 Git 仓库中。请从原始位置复制或创建符号链接。