# Fahrzeug- und Objekt-Erkennungssystem

[![Video Demo](https://img.youtube.com/vi/j94-OHGflT8/maxresdefault.jpg)](https://www.youtube.com/watch?v=j94-OHGflT8)

Eine webbasierte Anwendung zur Echtzeit-Objekterkennung und -Verfolgung mittels YOLOv11. Die Anwendung unterstützt sowohl Live-Webcam-Streams als auch die Verarbeitung hochgeladener Videodateien.

## Funktionen

- **Webcam-Erkennung**: Echtzeit-Objekterkennung über die Webcam
- **Video-Upload**: Hochladen und Verarbeiten von Videodateien mit Objekterkennung
- **Objekt-Tracking**: Persistente Verfolgung von Objekten mit eindeutigen IDs über Frames hinweg
- **Visuelle Markierungen**: Bounding Boxes und Labels für erkannte Objekte
- **Browser-basiert**: Einfacher Zugriff über den Webbrowser

## Voraussetzungen

- Python 3.12 oder höher
- Webcam (für Live-Erkennung)
- YOLO-Modell (`yolo11s.pt`) im Hauptverzeichnis

## Installation

1. Repository klonen oder herunterladen

2. Erforderliche Python-Pakete installieren:
```bash
pip3 install flask opencv-python numpy ultralytics
```

3. Sicherstellen, dass die Modelldatei `yolo11s.pt` im Hauptverzeichnis vorhanden ist

## Verwendung

### Anwendung starten

```bash
python3 app.py
```

Die Anwendung ist dann unter `http://localhost:8080` erreichbar.

### Webcam-Erkennung

1. Öffnen Sie `http://localhost:8080` im Browser
2. Klicken Sie auf "Start Webcam Detection"
3. Die Webcam wird aktiviert und Objekte werden in Echtzeit erkannt und markiert
4. Jedes Objekt erhält eine Track-ID und Klassenbeschriftung

### Video-Upload

1. Öffnen Sie `http://localhost:8080` im Browser
2. Wählen Sie eine Videodatei über das Upload-Formular aus
3. Klicken Sie auf "Upload Video"
4. Das Video wird verarbeitet und mit Objekterkennungen angezeigt

## Projektstruktur

```
.
├── app.py                    # Haupt-Flask-Anwendung
├── yolo11s.pt               # YOLOv11-Modell (erforderlich)
├── templates/               # HTML-Templates
│   ├── index.html          # Startseite
│   ├── webcam.html         # Webcam-Anzeige
│   └── play_video.html     # Video-Wiedergabe
├── uploads/                # Hochgeladene Videos (automatisch erstellt)
└── highway1.mp4            # Beispielvideo
```

## Technische Details

### Verwendete Technologien

- **Flask**: Web-Framework für Routing und Template-Rendering
- **OpenCV**: Videobearbeitung und Frame-Manipulation
- **Ultralytics YOLO**: YOLOv11-Modell für Objekterkennung und Tracking
- **NumPy**: Array-Operationen für Bilddaten

### Verarbeitungs-Pipeline

1. **Frame-Erfassung**: Webcam oder Videodatei als Quelle
2. **Frame-Skipping**: Verarbeitung jedes 2. Frames zur Leistungsoptimierung
3. **Größenanpassung**: Alle Frames werden auf 1020x600 Pixel skaliert
4. **YOLO-Tracking**: Objekterkennung mit persistenten Track-IDs
5. **Annotation**: Zeichnen von Bounding Boxes und Labels
6. **Streaming**: Übertragung als MJPEG-Stream an den Browser

### Objekterkennung

- Erkennt verschiedene Objektklassen (abhängig vom YOLO-Modell)
- Vergibt eindeutige Track-IDs für jedes Objekt
- Beschriftung im Format: `{Track-ID} - {Klassenname}`
- Grüne Bounding Boxes um erkannte Objekte
- Magenta-farbene Textbeschriftungen

## Leistungsoptimierung

- **Frame-Skipping**: Nur jeder 2. Frame wird verarbeitet, um CPU-Last zu reduzieren
- **Feste Auflösung**: Einheitliche Größe von 1020x600 Pixel für alle Frames
- **Effizientes Streaming**: JPEG-Kompression für Frame-Übertragung

## Einschränkungen

- Keine Validierung der Upload-Dateigröße
- Keine automatische Bereinigung hochgeladener Dateien
- Feste Frame-Dimensionen (1020x600)
- Keine Fehlerbehandlung bei Webcam-Zugriffsproblemen

## Hinweise

- Bei der ersten Verwendung kann das Laden des YOLO-Modells einige Sekunden dauern
- Die Erkennungsgenauigkeit hängt vom verwendeten YOLO-Modell ab
- Frame-Skipping kann bei sehr schnell bewegten Objekten zu Erkennungslücken führen
- Hochgeladene Videos werden im Ordner `uploads/` gespeichert und müssen manuell gelöscht werden

## Lizenz

Projekt basiert auf Ressourcen von [Pyresearch](https://pyresearch.org/)