SkillAgentSearch skills...

VisionFlow

VisionFlow is a backend application for image recognition and notification systems, built with Flask, PostgreSQL, Redis, and Docker. It supports multi-camera setups, real-time image processing, and provides APIs for user authentication, camera management, and notifications via LINE and email.

GenerateConvertImprove

Install / Use

/learn @dan246/VisionFlow
About this skill

Quality Score

0/100

Supported Platforms

Universal

README

<div align="center">

🎯 VisionFlow

智能影像辨識與監控系統 - 個人學習開發歷程記錄

⚠️ 免責聲明與專案性質：
📖 這是一個個人學習開發歷程記錄專案，記錄我在學習 AI 影像辨識技術過程中的實作經驗與心得。
🎓 本專案僅供學習參考使用，屬於個人技術學習的成果展示與紀錄。
⚠️ 請勿直接用於生產環境或商業用途，作者不對使用本專案所造成的任何問題負責。
🔧 如有實際應用需求，請基於本專案進行重新設計、安全審查及完整測試。
💡 歡迎其他學習者參考交流，但請理解這只是個人學習過程的記錄，非完整的產品級解決方案。

Docker Python Flask PostgreSQL Redis License Learning Project

🇹🇼 中文 | 🇺🇸 English

</div>

📋 專案概述

VisionFlow 是我在學習 AI 影像辨識與監控系統開發過程中的實作專案。這個專案記錄了我在學習微服務架構、深度學習技術和現代化部署方案時的開發歷程與實作經驗。

📝 學習歷程記錄：
這個專案完整記錄了我從零開始學習以下技術的過程：

  • 🤖 深度學習與電腦視覺 (YOLO 模型應用)
  • 🏗️ 微服務架構設計與實作經驗
  • 🐳 Docker 容器化技術與服務編排
  • 🌐 Flask Web 框架與 RESTful API 開發
  • 🗄️ 資料庫設計與管理 (PostgreSQL + Redis)
  • 📡 即時通訊技術與 WebSocket 實作

⚠️ 學習專案聲明：

  • 這是我個人的學習實作記錄，程式碼可能存在不完善之處
  • 未經過完整的安全性檢查和企業級測試
  • 主要目的是記錄學習過程和技術實驗
  • 如需用於實際專案，請自行評估並進行必要的改進

🌟 核心特色

💡 學習重點：透過實作以下功能來學習相關技術

  • 🚀 實時影像辨識 - 使用 YOLO 模型進行高效物件檢測
  • 🎥 多攝影機支援 - 同時管理多個攝影機串流
  • 🔒 用戶權限管理 - 完整的身份驗證與授權系統
  • 🎨 自定義檢測區域 - 支援多邊形 ROI 繪製
  • 📱 響應式介面 - 現代化的 Web 管理界面
  • 🐳 容器化部署 - 完整的 Docker 支援
  • ⚡ 高效能架構 - Redis 快取與負載均衡

🛠️ 技術架構

📚 學習技術棧：

  • 後端框架: Flask + RESTful API
  • 資料庫: PostgreSQL (主要) + Redis (快取)
  • AI 模型: YOLO v11 物件檢測
  • 容器化: Docker + Docker Compose
  • 前端: 現代化 JavaScript + Bootstrap
  • 通訊: WebSocket 實時串流

🖼️ 功能展示

<div align="center">

🔐 登入介面

<details> <summary>點擊查看詳細畫面</summary>

用戶可以輸入賬號與密碼進行登入，並進入管理系統。

登入介面

</details>

📝 註冊介面

<details> <summary>點擊查看詳細畫面</summary>

提供用戶創建新賬號的功能，確保用戶權限管理的靈活性。

註冊介面

</details>

🎬 實時辨識串流

<details> <summary>點擊查看詳細畫面</summary>

核心功能亮點：

  • ⚡ 實時顯示攝影機的辨識結果
  • 🎯 支援多攝影機影像流展示
  • 🏷️ 根據模型輸出的物件標籤進行顯示
  • 📊 即時檢測統計資訊

辨識串流

</details>

📹 攝影機管理

<details> <summary>點擊查看詳細畫面</summary>

管理功能：

  • ➕ 新增、修改、刪除攝影機
  • 🔧 為攝影機指定辨識模型
  • ⚙️ 配置攝影機參數（URL、名稱、地點等）
  • 🔄 即時狀態監控

攝影機管理

</details>

🎨 智能檢測區域設定

<details> <summary>點擊查看詳細畫面</summary>

進階功能：

  • 🖌️ 支援多邊形 ROI 繪製
  • ⏰ 可為每個區域設置警報時間
  • 🎯 自定義檢測靈敏度
  • 📐 精確的座標定位

辨識區域繪製

</details> </div>

🚀 快速開始

⚠️ 重要提醒：以下步驟僅適用於學習環境，這只是我個人學習過程的記錄！
📚 如果你也在學習相關技術，歡迎參考我的實作經驗，但請注意這並非完整的產品級解決方案。

📋 系統需求

在開始之前，請確保您的系統已安裝：

| 工具 | 版本要求 | 說明 | |------|----------|------| | 🐳 Docker | 20.10+ | 容器化平台 | | 🏗️ Docker Compose | 2.0+ | 多容器編排工具 | | 💻 作業系統 | Linux/macOS/Windows | 支援跨平台部署 |

⚡ 快速體驗（學習用途）

<details> <summary><strong>📦 標準部署（適合學習測試）</strong></summary> 
# 1️⃣ 克隆專案
git clone https://github.com/yourusername/VisionFlow.git
cd VisionFlow

# 2️⃣ 啟動所有服務
docker-compose -f docker-compose.optimized.yaml up -d

# 3️⃣ 等待服務啟動完成（約 2-3 分鐘）
docker-compose -f docker-compose.optimized.yaml ps

# 4️⃣ 初始化資料庫
docker-compose -f docker-compose.optimized.yaml exec backend flask db upgrade

🎓 學習提示：觀察 docker-compose 的編排過程，了解微服務的啟動順序

</details> <details> <summary><strong>🔧 開發者模式（適合程式碼學習）</strong></summary> 
# 1️⃣ 克隆專案
git clone https://github.com/yourusername/VisionFlow.git
cd VisionFlow

# 2️⃣ 啟動基礎服務
docker-compose -f docker-compose.yaml up -d

# 3️⃣ 啟動 Redis 工作節點
docker-compose -f docker-compose-redis.yaml up -d

# 4️⃣ 資料庫遷移
docker-compose exec backend flask db upgrade

🎓 學習提示：可以透過修改程式碼來觀察系統行為變化

</details>

🎯 驗證部署

部署完成後，請訪問以下地址確認服務狀態：

| 服務 | 地址 | 說明 | |------|------|------| | 🌐 Web 界面 | http://localhost:5001 | 主要管理界面 | | 📹 攝影機串流 | http://localhost:15440 | 攝影機控制器 | | 📊 Redis 管理 | http://localhost:6379 | Redis 資料庫 | | 🗄️ PostgreSQL | http://localhost:5433 | 主資料庫 |

🔧 自定義配置

<details> <summary><strong>📝 環境變數設定</strong></summary>

創建 .env 檔案並設定以下變數：

# 資料庫設定
POSTGRES_DB=visionflow_db
POSTGRES_USER=admin
POSTGRES_PASSWORD=your_secure_password

# Redis 設定
REDIS_HOST=redis
REDIS_PORT=6379

# 應用程式設定
FLASK_ENV=production
SECRET_KEY=your_secret_key_here

# 模型設定
MODEL_PATH=/app/models/yolo11n.pt
CONFIDENCE_THRESHOLD=0.5
</details>

📚 API 文檔

<div align="center">

🔗 完整 API 參考

| 文檔類型 | 連結 | 說明 | |----------|------|------| | 📖 基礎 API | API_Doc.md | 核心 API 使用說明 | | 🚀 進階 API | API_ENHANCED.md | 高級功能與擴展 API | | 🎯 專案總覽 | PROJECT_SUMMARY.md | 專案架構與設計理念 |

</div>

🌟 主要 API 功能

<details> <summary><strong>🎥 影像串流 API</strong></summary> 
# 獲取實時串流
GET /recognized_stream/{camera_id}

# 獲取原始串流
GET /get_stream/{camera_id}

# 獲取快照
GET /get_snapshot/{camera_id}
</details> <details> <summary><strong>📹 攝影機管理 API</strong></summary> 
# 獲取所有攝影機
GET /api/camera/cameras

# 新增攝影機
POST /api/camera/cameras

# 更新攝影機
PATCH /api/camera/cameras/{id}

# 刪除攝影機
DELETE /api/camera/cameras/{id}
</details> <details> <summary><strong>🔐 認證與授權 API</strong></summary> 
# 用戶登入
POST /api/auth/login

# 用戶註冊
POST /api/auth/register

# Token 刷新
POST /api/auth/refresh
</details>

🛠️ 開發指南

💻 本地開發環境

<details> <summary><strong>🐍 Python 環境設定</strong></summary> 
# 1️⃣ 創建虛擬環境
python3 -m venv venv

# 2️⃣ 啟用虛擬環境
# Linux/macOS:
source venv/bin/activate
# Windows:
venv\Scripts\activate

# 3️⃣ 安裝依賴套件
pip install -r requirements.txt

# 4️⃣ 啟動開發伺服器
flask run --debug
</details> <details> <summary><strong>🧪 測試與品質檢查</strong></summary> 
# 🔍 執行單元測試
pytest tests/ -v

# 📊 程式碼覆蓋率
pytest --cov=./ tests/

# 🎨 程式碼格式化
black . --line-length 88

# 🔧 靜態分析
flake8 . --max-line-length 88
</details>

🏗️ 專案架構

VisionFlow/
├── 🌐 web/                 # Web 後端服務
├── 📹 camera_ctrler/       # 攝影機控制器
├── 🤖 object_recognition/  # AI 辨識服務
├── 📦 redisv1/            # Redis 工作節點
├── 🗄️ db/                 # 資料庫檔案
├── 📊 shared/             # 共享模組
└── 🐳 docker-compose.*.yaml # 容器編排配置

🤝 貢獻與支援

<div align="center">

🌟 加入我們的開發者社群

GitHub Issues Pull Requests Discussions

</div>

📞 聯絡方式

| 聯絡管道 | 資訊 | 說明 | |----------|------|------| | 📧 Email | sky328423@gmail.com | 學習交流與技術討論 | | 🐛 Bug 回報 | GitHub Issues | 問題回報與功能建議 | | 💬 討論 | GitHub Discussions | 學習心得分享與經驗交流 |

🎯 如何貢獻

<details> <summary><strong>🔧 程式碼貢獻</strong></summary>
  1. Fork 本專案
  2. 創建您的功能分支 (git checkout -b feature/AmazingFeature)
  3. 提交您的更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 開啟一個 Pull Request
</details> <details> <summary><strong>📝 文檔貢獻</strong></summary>
  • 改善 README 或 API 文檔
  • 翻譯文檔到其他語言
  • 增加使用範例和教學
</details> <details> <summary><strong>🐛 問題回報</strong></summary>

回報問題時請包含：

  • 作業系統版本
  • Docker 版本
  • 錯誤訊息截圖
  • 重現步驟
</details>

📄 授權條款

<div align="center">

License: MIT

本專案採用 MIT 授權條款 - 詳見 LICENSE 檔案

</div>
<div align="center">

🌟 如果這個學習記錄對您有幫助，請給我一個 Star ⭐

感謝您的支持！這是我持續學習和改進的動力！

GitHub stars GitHub forks

🚀 VisionFlow - 個人學習歷程記錄專案

記錄我在 AI 影像辨識領域的學習與成長 📚

</div>

dan246

View profile

View on GitHub
GitHub Stars104
CategoryDevelopment
Updated2mo ago
Forks1
dan246/VisionFlow

Languages

Python

Security Score

100/100

Audited on Jan 27, 2026

No findings