yolov11安全帽检测网页版（html+Fastapi） 超简单

源码：

「yolov11安全帽检测网页版（HTML+Fastapi）」
链接：https://pan.quark.cn/s/6fcb4556215e

链接：https://pan.quark.cn/s/6fcb4556215e

链接：https://pan.quark.cn/s/6fcb4556215e

快速开始
1、双击打开【yolov11车牌识别网页.html】即可看见网页

2、安装Python3.9以上的解释器

3、下载Python的第三方库

pip install fastapi uvicorn ultralytics opencv-python-headless pillow numpy pydantic paddlepaddle paddleocr

4、使用 "python main.py" 命令直接运行此服务前端系统（Vue.js + Element-UI）
 

•  可以绘制中文标签，自定义标签颜色
• 支持上传 JPG/PNG 图片，显示原图与检测结果对比
• 上传本地 MP4 等格式视频，实时显示原始视频与检测后的视频帧
• 支持播放 / 暂停控制、检测状态监控（连接状态、置信度阈值调整）

系统演示

1. 图片检测流程：
   • 上传图片 → 选择模型 → 调整参数 → 点击检测 → 显示标注结果。
2. 视频检测流程：
   • 上传视频 → 点击开始检测 → 实时显示原始视频与检测帧 → 支持暂停 / 继续 / 停止。

• 图片检测：
  • 接收 Base64 编码图片，通过 YOLO 检测目标（车辆、车牌）。
  • 对检测到的车牌区域调用 PaddleOCR 识别文字，并在原图标注结果。

技术栈

• 框架：Vue.js 2.x（响应式数据驱动）。
• UI 组件：Element-UI（提供菜单、按钮、滑块等组件）。
• 通信：WebSocket（实时传输视频帧与检测结果）。
• 工具：HTML5 <video> 和 <canvas>（视频播放与帧抓取）。

本项目是基于 Vue.js + Element-UI 前端框架和 FastAPI 后端框架开发的安全帽识别系统，支持图片和视频的实时目标检测。系统通过 YOLOv8 实现目标检测

 用户交互

• 图片预览：支持弹窗预览检测结果，支持鼠标缩放和平移（基于 Canvas 实现）。
• 状态反馈：通过 Element-UI 的消息提示（$message）和标签（el-tag）显示连接状态、检测进度和错误信息。

(2) 参数配置

• 模型选择：支持切换不同 YOLO 模型
• 动态调参：通过滑块实时调整置信度阈值（Confidence）和交并比阈值（IoU），影响检测结果的灵敏度。

 总结

《YOLOv11安全帽检测网页版》是一个基于Vue.js+Element-UI前端和FastAPI后端的智能检测系统。该系统支持图片/视频上传检测，通过YOLOv8模型实现目标识别，并集成PaddleOCR进行文字识别。主要功能包括：可视化参数配置（置信度/IoU阈值调整）、实时视频帧检测、检测结果对比展示、状态监控等。技术栈涵盖WebSocket通信、HTML5视频处理、Canvas绘图等。用户只需安装Python环境及依赖库，即可通过网页界面便捷地进行安全帽检测。系统提供完整的图片/视频检测流程