一、项目演示视频

二、技术栈

前端：Vue3+TypeScript+Element Plus+ECharts+Vite+高德地图API
后端：SpringBoot3+MyBatis-Plus+MySQL8+JWT
算法端：Flask+PyTorch+Yolo+OpenCV+Qwen-VL

三、核心特性

1. 实时AI智能分析：电动车驾驶员头盔佩戴检测，识别电动车是否违规载人（非儿童人员）,确保安全防护
2. 自动记录证据：画面截取和保存，便于事后取证和分析
3. 多级预警机制：即时弹窗提醒、违规行为截取，确保及时响应，通知短信发送
4. 地图监控：通过地图查看摄像头违规分布情况，合理调用执法检查人员
5. 权限管理：管理员和普通用户分级权限控制

四、技术创新点

1. 多模态AI融合：结合YOLO目标检测和大语言模型，实现"视觉感知+语义理解"的双重检测机制
2. 实时流处理：基于WebSocket的实时视频流分析，支持多路并发检测
3. 电动车安全行为分析：通过算法识别驾驶员头盔佩戴和载人情况，重点监控安全驾驶行为
4. 智能预警系统：多级风险评估，减少误报率，提高检测准确性

五、项目链接

链接: https://pan.baidu.com/s/1Tmb7kPHVSNPg1C2SW7tvdg?pwd=p5ii 提取码: p5ii

1. 完整系统源码
   (1)前端源码(web-vue)
   (2)后端源码(web-springboot)
   (3)算法端源码(web-flask)
2. 项目介绍文档
   (1)项目概述
   (2)项目技术栈
   (3)项目目录结构
   (4)系统架构图、功能模块图
3. 项目启动教程
   (1)项目演示
   (2)环境安装包
   (3)视频教程（环境安装和项目启动）
   (4)视频教程对应的项目启动命令
4. 电动车检测数据集（目前数据量不多，模型训练效果差强人意，数据量有待扩充）
   (1)训练集: 121条数据
   (2)验证集: 31条数据