Door categorieën bladeren
Ontdekken
Fiverr Pro
Nederlands
$
USD
Ik bouw een realtime ongevaldetectiesysteem
Over deze dienst
CrashVisionAI is een AI-aangedreven computer vision systeem dat is ontworpen om voertuigongelukken te detecteren uit verkeer- en CCTV-beelden met behulp van YOLOv8, OpenCV en Flask. Het systeem analyseert geüploade video's frame voor frame, detecteert voertuigen in real time, volgt hun beweging met BotSort tracking en identificeert mogelijke botsingen met behulp van aangepaste bewegingsanalyse-algoritmes.
Het project combineert objectdetectie, voertuigvolging, overlapanalyse (IoU), snelheidschatting en richtingsbeweginganalyse om valse positieven te verminderen en de nauwkeurigheid van ongevallen detectie te verbeteren. CrashVisionAI kan ongevallen classificeren in LOW, MEDIUM en HIGH ernstniveaus en genereert tijdstempels en betrouwbaarheidscores voor elke gedetecteerde crash.
Een moderne Flask-gebaseerde webinterface stelt gebruikers in staat om verkeerbeelden te uploaden en direct AI-gegenereerde rapporten over crashes te ontvangen. Het systeem ondersteunt ook meerdere crashdetecties binnen één video en biedt een professioneel dashboard voor het weergeven van de resultaten.
Dit project toont praktische toepassingen van deep learning, computer vision, video-analyse en AI-gestuurde automatisering voor slimme verkeersmonitoringsystemen.
Programmeertaal:
Python
•
SQL
•
Java
Tools:
Jupyter-notitieboek
•
opencv
•
tensorflow
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Q1. Wat doet CrashVisionAI?
CrashVisionAI analyseert verkeer- of CCTV-beelden en detecteert automatisch mogelijke voertuigongelukken met behulp van AI en computer vision technieken.
Q2. Welke technologieën zijn gebruikt in dit project?
Het project is gebouwd met YOLOv8, OpenCV, Flask, Python en BotSort tracking.
Q3. Kan het systeem meerdere ongevallen in één video detecteren?
Ja. CrashVisionAI ondersteunt meerdere botsingen binnen één geüploade video.
Q4. Classificeert het systeem de ernst van ongevallen?
Ja. Gedetecteerde ongevallen worden ingedeeld in LOW, MEDIUM of HIGH ernstniveaus op basis van bewegingsanalyse.
Q5. Welke soorten video's worden ondersteund?
Het systeem werkt met verkeer camera beelden, dashcam-video's, snelwegopnames en CCTV-beelden.
Q6. Is dit een real-time systeem?
De huidige versie verwerkt voornamelijk geüploade video's, maar de architectuur kan worden uitgebreid voor real-time CCTV-monitoring.
Q7. Bevat het project een webinterface?
Ja. Een Flask-gebaseerd webdashboard stelt gebruikers in staat om video's te uploaden en AI-gegenereerde crash-rapporten te bekijken.
Q8. Welke AI-model wordt gebruikt voor voertuigdetectie?
YOLOv8 wordt gebruikt voor realtime voertuigdetectie en tracking.
Q9. Kan dit project worden aangepast?
Ja. Het systeem kan worden aangepast voor verschillende verkeersomgevingen, aangepaste datasets of geavanceerde analysemogelijkheden.
Q10. Welke vaardigheden toont dit project?
Het project toont vaardigheden in computer vision, deep learning, AI-modelintegratie, Flask-ontwikkeling, OpenCV en video-analyse.
