Je vais créer un système de détection de masque facial en temps réel avec yolov8


À propos de ce service
Traduction automatique
Bonjour ! Cherchez-vous un système de détection de masque facial en temps réel prêt pour la production avec une interface web moderne ?
Je vais construire un système complet de détection de masque facial en temps réel alimenté par YOLOv8 + ONNX fonctionnant sur CPU sans GPU requis ! Le système diffuse en direct la vidéo de la webcam via un backend FastAPI via WebSocket et affiche les résultats annotés dans une interface HTML/CSS propre, le tout dans votre navigateur.
Ceci est basé sur un projet entièrement fonctionnel avec une pipeline de bout en bout complète.
Ce que vous obtiendrez
Modèle YOLOv8 Nano entraîné pour la détection masque / pas de masque
Modèle exporté en ONNX pour une inférence optimisée sur CPU
Serveur backend FastAPI (app.py)
Diffusion en temps réel via WebSocket
Capture webcam et traitement des frames avec OpenCV
Interface HTML/CSS avec superposition de boîtes de délimitation en direct
Code source annoté complet (propre et commenté)
requirements.txt pour une installation en une commande
Instructions d'installation et d'exécution (README)
Pipeline en temps réel
Webcam YOLO ONNX Modèle FastAPI WebSocket Interface HTML
Stack technologique
YOLOv8 (Ultralytics) Détection d'objets
Inférence optimisée pour CPU avec ONNX
Serveur API backend FastAPI
Diffusion en temps réel via WebSocket
Capture webcam avec OpenCV (cv2)
Interface utilisateur HTML / CSS
Langage principal Python 3.x
Découvrez Haseeb Qaiser
AI Engineer
- DePakistan
- Membre depuisavr. 2022
Langues
Anglais, Pachto, Ourdou
Traduction automatique
Mon portfolio
FAQ
Traduction automatique
Q : Cela nécessite-t-il un GPU pour fonctionner ?
R : Non ! Le modèle est exporté au format ONNX qui fonctionne efficacement sur CPU. Aucun CUDA ou GPU requis — il fonctionne sur n'importe quel ordinateur portable moderne
Q : À quoi ressemble l'interface frontend ?
R : Une page navigateur propre qui affiche le flux en direct de votre webcam avec des boîtes de délimitation en temps réel et des étiquettes « masque » / « pas de masque » — accessible à l'adresse http://127.0.0.1:8000.
Q : Puis-je réentraîner le modèle avec mes propres données ?
R : Oui, avec le package Premium, je réentraînerai YOLOv8 sur votre dataset personnalisé étiqueté et réexporterai le modèle ONNX mis à jour.
Q : Le code source complet est-il inclus ?
R : Oui, tous les packages incluent app.py, best.onnx, index.html, style.css et requirements.txt — le projet complet, rien de caché
Q : Peut-on déployer cela sur un serveur ou dans le cloud ?
R : Oui. Le déploiement avec Docker et l'hébergement dans le cloud sont disponibles dans le package Premium. C'est une amélioration future déjà prévue dans la feuille de route du projet.

