Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich entwickle ein Echtzeit-Unfallerkennungssystem
Angehende Data Scientist
Ich bin Student im zweiten Jahr der Automation & Robotics Engineering am Army Institute of Technology (AIT) und habe großes Interesse an Data Science und Machine Learning. Ich arbeite gerne mit Daten,...
Über diesen Service
CrashVisionAI ist ein KI-gestütztes Computer-Vision-System, das entwickelt wurde, um Fahrzeugunfälle aus Verkehrs- und CCTV-Aufnahmen mit YOLOv8, OpenCV und Flask zu erkennen. Das System analysiert hochgeladene Videos Frame für Frame, erkennt Fahrzeuge in Echtzeit, verfolgt ihre Bewegungen mit BotSort-Tracking und identifiziert mögliche Kollisionen anhand eigener Bewegungsanalyse-Algorithmen.
Das Projekt kombiniert Objekterkennung, Fahrzeugverfolgung, Überlappungsanalyse (IoU), Geschwindigkeitsschätzung und Richtungsbewegungsanalyse, um Fehlalarme zu reduzieren und die Genauigkeit bei der Unfallerkennung zu verbessern. CrashVisionAI kann Unfälle in niedrigen, mittleren und hohen Schweregraden klassifizieren und erstellt Zeitstempel sowie Vertrauenswerte für jeden erkannten Crash.
Eine moderne Flask-basierte Weboberfläche ermöglicht es Nutzern, Verkehrsaufnahmen hochzuladen und sofort KI-generierte Unfallberichte zu erhalten. Das System unterstützt auch mehrere Unfälle in einem einzigen Video und bietet ein professionelles Dashboard zur Ergebnisanzeige.
Dieses Projekt zeigt praktische Anwendungen von Deep Learning, Computer Vision, Videoanalyse und KI-gestützter Automatisierung für intelligente Verkehrsüberwachungssysteme.
Programmiersprache:
Python
•
SQL
•
Java
Tools:
Jupyter-Notizbuch
•
opencv
•
tensorflow
Mein Portfolio
FAQ
Automatische Übersetzung
Q1. Was macht CrashVisionAI?
CrashVisionAI analysiert Verkehrs- oder CCTV-Aufnahmen und erkennt automatisch mögliche Fahrzeugunfälle mithilfe von KI- und Computer-Vision-Techniken.
Q2. Welche Technologien wurden in diesem Projekt verwendet?
Das Projekt wurde mit YOLOv8, OpenCV, Flask, Python und BotSort-Tracking entwickelt.
Q3. Kann das System mehrere Unfälle in einem Video erkennen?
Ja. CrashVisionAI unterstützt die Erkennung mehrerer Kollisionen innerhalb eines einzigen hochgeladenen Videos.
Q4. Klassifiziert das System die Schwere des Unfalls?
Ja. Erkannte Unfälle werden anhand der Bewegungsanalyse in niedrige, mittlere oder hohe Schweregrade eingeteilt.
Q5. Welche Videoarten werden unterstützt?
Das System arbeitet mit Verkehrsaufnahmen von Kameras, Dashcam-Videos, Autobahnenaufnahmen und CCTV-Überwachungsvideos.
Q6. Ist das ein Echtzeitsystem?
Die aktuelle Version verarbeitet hauptsächlich hochgeladene Videos, aber die Architektur kann für Echtzeit-CCTV-Überwachung erweitert werden.
Q7. Enthält das Projekt eine Weboberfläche?
Ja. Ein Flask-basiertes Web-Dashboard ermöglicht es Nutzern, Videos hochzuladen und KI-generierte Unfallberichte anzusehen.
Q8. Welches KI-Modell wird für die Fahrzeugerkennung verwendet?
YOLOv8 wird für die Echtzeit-Fahrzeugerkennung und -verfolgung eingesetzt.
Q9. Kann dieses Projekt angepasst werden?
Ja. Das System kann für verschiedene Verkehrsbedingungen, eigene Datensätze oder erweiterte Analysefunktionen modifiziert werden.
Q10. Welche Fähigkeiten zeigt dieses Projekt?
Das Projekt demonstriert Fähigkeiten in Computer Vision, Deep Learning, KI-Modell-Integration, Flask-Entwicklung, OpenCV und Videoanalyse.
