Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais concevoir un système de détection d'accidents en temps réel
Data scientist en devenir
Je suis étudiant en deuxième année d’ingénierie en automatisation et robotique à l’Army Institute of Technology (AIT), avec un fort intérêt pour la Data Science et le Machine Learning. J’aime travaill...
À propos de ce service
CrashVisionAI est un système de vision par ordinateur alimenté par l'IA conçu pour détecter les accidents de véhicule à partir de vidéos de trafic et de CCTV en utilisant YOLOv8, OpenCV et Flask. Le système analyse les vidéos téléchargées image par image, détecte les véhicules en temps réel, suit leurs mouvements à l’aide du suivi BotSort, et identifie les collisions possibles grâce à des algorithmes d’analyse de mouvement personnalisés.
Le projet combine la détection d’objets, le suivi de véhicules, l’analyse de chevauchement (IoU), l’estimation de la vitesse et l’analyse du mouvement directionnel pour réduire les faux positifs et améliorer la précision de la détection des accidents. CrashVisionAI peut classer les accidents en niveaux de gravité FAIBLE, MOYEN et ÉLEVÉ tout en générant des horodatages et des scores de confiance pour chaque collision détectée.
Une interface web moderne basée sur Flask permet aux utilisateurs de télécharger des vidéos de trafic et de recevoir instantanément des rapports d’analyse de crash générés par l’IA. Le système supporte également la détection multiple de crash dans une seule vidéo et propose un tableau de bord professionnel pour afficher les résultats.
Ce projet illustre des applications concrètes de l’apprentissage profond, de la vision par ordinateur, de l’analyse vidéo et de l’automatisation alimentée par l’IA pour des systèmes de surveillance du trafic intelligents.
Mon portfolio
FAQ
Traduction automatique
Q1. Que fait CrashVisionAI ?
CrashVisionAI analyse les vidéos de trafic ou de CCTV et détecte automatiquement les accidents de véhicule possibles en utilisant des techniques d’IA et de vision par ordinateur.
Q2. Quelles technologies ont été utilisées dans ce projet ?
Le projet a été construit en utilisant YOLOv8, OpenCV, Flask, Python et le suivi BotSort.
Q3. Le système peut-il détecter plusieurs accidents dans une seule vidéo ?
Oui. CrashVisionAI supporte la détection de plusieurs collisions dans une seule vidéo téléchargée.
Q4. Le système classe-t-il la gravité des accidents ?
Oui. Les accidents détectés sont classés en niveaux de gravité FAIBLE, MOYEN ou ÉLEVÉ en fonction de l’analyse de mouvement.
Q5. Quel type de vidéos est supporté ?
Le système fonctionne avec des vidéos de caméras de trafic, des vidéos de dashcam, des enregistrements d’autoroute et des vidéos de surveillance CCTV.
Q6. S’agit-il d’un système en temps réel ?
La version actuelle traite principalement les vidéos téléchargées, mais l’architecture peut être étendue pour la surveillance CCTV en temps réel.
Q7. Le projet inclut-il une interface web ?
Oui. Un tableau de bord web basé sur Flask permet aux utilisateurs de télécharger des vidéos et de consulter les rapports de crash générés par l’IA.
Q8. Quel modèle d’IA est utilisé pour la détection de véhicules ?
YOLOv8 est utilisé pour la détection et le suivi en temps réel des véhicules.
Q9. Ce projet peut-il être personnalisé ?
Oui. Le système peut être modifié pour différents environnements de trafic, jeux de données personnalisés ou fonctionnalités d’analyse avancée.
Q10. Quelles compétences ce projet démontre-t-il ?
Le projet démontre des compétences en vision par ordinateur, apprentissage profond, intégration de modèles d’IA, développement Flask, OpenCV et analyse vidéo.
