Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Crearé un sistema en tiempo real para detectar accidentes
Acerca de este Servicio
CrashVisionAI es un sistema de visión por computadora impulsado por IA diseñado para detectar accidentes de vehículos a partir de imágenes de tráfico y CCTV usando YOLOv8, OpenCV y Flask. El sistema analiza los videos subidos cuadro por cuadro, detecta vehículos en tiempo real, rastrea su movimiento usando BotSort y identifica posibles colisiones mediante algoritmos personalizados de análisis de movimiento.
El proyecto combina detección de objetos, seguimiento de vehículos, análisis de superposición (IoU), estimación de velocidad y análisis de movimiento direccional para reducir falsos positivos y mejorar la precisión en la detección de accidentes. CrashVisionAI puede clasificar los accidentes en niveles de gravedad BAJO, MEDIO y ALTO, además de generar marcas de tiempo y puntuaciones de confianza para cada choque detectado.
Una interfaz web moderna basada en Flask permite a los usuarios subir imágenes de tráfico y recibir informes de análisis de choques generados por IA de forma instantánea. El sistema también soporta múltiples detecciones de colisiones en un solo video y ofrece un panel profesional para mostrar los resultados.
Este proyecto demuestra aplicaciones prácticas de deep learning, visión por computadora, análisis de videos y automatización impulsada por IA para sistemas de monitoreo de tráfico inteligentes.
Lenguaje de programación:
Python
•
SQL
•
Java
Herramientas:
Jupyter Notebook
•
opencv
•
TensorFlow
Mi porfolio
FAQ
Traducción automática
Q1. ¿Qué hace CrashVisionAI?
CrashVisionAI analiza imágenes de tráfico o CCTV y detecta automáticamente posibles accidentes de vehículos usando técnicas de IA y visión por computadora.
Q2. ¿Qué tecnologías se usaron en este proyecto?
El proyecto fue construido usando YOLOv8, OpenCV, Flask, Python y seguimiento BotSort.
Q3. ¿El sistema puede detectar múltiples accidentes en un video?
Sí. CrashVisionAI soporta la detección de múltiples colisiones en un solo video subido.
Q4. ¿El sistema clasifica la gravedad del accidente?
Sí. Los accidentes detectados se clasifican en niveles de gravedad BAJO, MEDIO o ALTO según el análisis de movimiento.
Q5. ¿Qué tipo de videos soporta?
El sistema funciona con videos de cámaras de tráfico, dashcams, grabaciones de autopistas y videos de vigilancia CCTV.
Q6. ¿Es un sistema en tiempo real?
La versión actual procesa principalmente videos subidos, pero la arquitectura puede extenderse para monitoreo en tiempo real de CCTV.
Q7. ¿Incluye el proyecto una interfaz web?
Sí. Un panel web basado en Flask permite a los usuarios subir videos y ver informes de choques generados por IA.
Q8. ¿Qué modelo de IA se usa para detección de vehículos?
Se usa YOLOv8 para detección y seguimiento de vehículos en tiempo real.
Q9. ¿Se puede personalizar este proyecto?
Sí. El sistema puede modificarse para diferentes entornos de tráfico, conjuntos de datos personalizados o funciones avanzadas de análisis.
Q10. ¿Qué habilidades demuestra este proyecto?
El proyecto demuestra habilidades en visión por computadora, deep learning, integración de modelos de IA, desarrollo con Flask, OpenCV y análisis de videos.
