Ich werde ein Echtzeit-Gesichtsmaskenerkennungssystem mit yolov8 erstellen


Über diesen Service
Automatische Übersetzung
Hallo! Suchst du nach einem einsatzbereiten, Echtzeit-Gesichtsmaskenerkennungssystem mit einer modernen Weboberfläche?
Ich werde ein vollständiges Echtzeit-Gesichtsmaskenerkennungssystem entwickeln, das auf YOLOv8 + ONNX basiert und auf CPU läuft – keine GPU erforderlich! Das System streamt Live-Webcam-Videos über ein FastAPI-Backend via WebSocket und zeigt die annotierten Ergebnisse in einem sauberen HTML/CSS-Frontend, alles in deinem Browser.
Das basiert auf einem voll funktionierenden Projekt mit einer kompletten End-to-End-Pipeline.
Was du bekommst
YOLOv8 Nano Modell, trainiert für Masken- / No-Masken-Erkennung
Modell exportiert nach ONNX für optimierte CPU-Inferenz
FastAPI-Backend-Server (app.py)
WebSocket-Frame-Streaming in Echtzeit
OpenCV-Webcam-Erfassung & Frame-Verarbeitung
HTML/CSS-Frontend mit Live-Bounding-Box-Overlay
Vollständiger kommentierter Quellcode (sauber & kommentiert)
requirements.txt für eine Kommando-Installation
Setup- & Startanleitung (README)
Echtzeit-Pipeline
Webcam YOLO ONNX Modell FastAPI WebSocket HTML-Frontend
Technologie-Stack
YOLOv8 (Ultralytics) Objekterkennung
ONNX CPU-optimierte Inferenz
FastAPI Backend API-Server
WebSocket Echtzeit-Frame-Streaming
OpenCV (cv2) Webcam-Erfassung
HTML / CSS Frontend UI
Python 3.x Kernsprache
Lerne Haseeb Qaiser kennen
AI Engineer
- AusPakistan
- Mitglied seitApr. 2022
Sprachen
Englisch, Paschtunische Sprache, Urdu
Automatische Übersetzung
Mein Portfolio
FAQ
Automatische Übersetzung
Q: Braucht das eine GPU zum Laufen?
Ans: Nein! Das Modell ist im ONNX-Format exportiert, läuft effizient auf CPU. Keine CUDA oder GPU erforderlich – es funktioniert auf jedem modernen Laptop
Q: Wie sieht das Frontend aus?
Ans: Eine saubere Browserseite, die dein Live-Webcam-Feed mit Echtzeit-Bounding-Boxes und "Maske" / "Keine Maske"-Labels zeigt – erreichbar unter http://127.0.0.1:8000.
Q: Kann ich das Modell mit meinen eigenen Daten neu trainieren?
Ans: Ja, mit dem Premium-Paket trainiere ich YOLOv8 auf deinem eigenen, gelabelten Datensatz neu und exportiere das aktualisierte ONNX-Modell erneut.
Q: Ist der vollständige Quellcode enthalten?
Ans: Ja, alle Pakete enthalten app.py, best.onnx, index.html, style.css und requirements.txt – das komplette Projekt, nichts versteckt
Q: Kann das auf einem Server oder in der Cloud bereitgestellt werden?
Ans: Ja. Docker-Bereitstellung und Cloud-Hosting sind im Premium-Paket enthalten. Es ist eine zukünftige Verbesserung, die bereits in der Projekt-Roadmap geplant ist.

