jc-video-recognize/README.md

jc-video-web

视频模型检测平台 - 基于YOLO的实时视频检测系统

项目架构

jc-video-web/
├── apps/
│   ├── web/              # 前端应用 (Vue 3 + Vite)
│   └── server/           # 后端服务 (FastAPI)
├── packages/
│   └── shared-types/     # 前后端共享类型定义
├── models/               # AI模型文件
│   ├── fire_detection/   # 火灾检测模型
│   ├── helmet_detection/ # 安全帽检测模型
│   ├── crowd_detection/  # 人群检测模型
│   └── smoking_detection/# 抽烟检测模型
├── scripts/              # 构建/开发脚本
└── docker/               # Docker配置

技术栈

前端

• 框架: Vue 3 + Composition API
• 构建工具: Vite 5
• UI组件库: Element Plus
• 状态管理: Pinia
• 路由: Vue Router 4
• HTTP客户端: Axios

后端

• 框架: FastAPI
• 服务器: Uvicorn
• AI推理: Ultralytics (YOLO)
• 图像处理: OpenCV, Pillow
• 实时通信: WebSocket

快速开始

环境要求

• Node.js >= 18
• Python >= 3.9
• pnpm >= 9.0

安装依赖

# 运行初始化脚本
bash scripts/setup.sh

或手动安装：

# 安装根依赖
pnpm install

# 安装前端依赖
cd apps/web
pnpm install
cd ../..

# 创建 Python 虚拟环境并安装依赖
cd apps/server
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
cd ../..

开发模式

# 同时启动前后端
pnpm dev

# 只启动前端
pnpm dev:web

# 只启动后端
pnpm dev:server

访问地址：

• 前端: http://localhost:5173
• 后端: http://localhost:8000
• API文档: http://localhost:8000/docs

功能特性

检测模型

1. 火灾检测 - 基于YOLOv10的火焰和烟雾检测
2. 安全帽检测 - 基于YOLOv8的工地安全检测
3. 人群检测 - 基于YOLOv8的人群聚集检测
4. 抽烟检测 - 基于YOLOv8的吸烟行为检测

输入方式

• 图片上传检测
• 摄像头实时检测

核心功能

• 可拖拽布局配置
• 实时WebSocket视频流
• 检测结果可视化
• 多模型切换
• 置信度阈值调整

项目脚本

pnpm dev          # 启动开发服务器
pnpm build        # 构建生产版本
pnpm build:web    # 只构建前端
pnpm test         # 运行测试
pnpm lint         # 代码检查
pnpm clean        # 清理构建产物

模型配置

模型文件存放在 models/ 目录下，需要在 apps/server/services/model_service.py 中配置模型路径。

贡献指南

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送分支 (git push origin feature/AmazingFeature)
5. 创建 Pull Request

许可证

MIT