本專案為成功大學鄭憲宗教授開設智慧網路及安全技術課程的期末報告。
以Youtube: 桃園大溪老街即時影像做為範例，透過Python的VidGear套件，將即時影像接入Python內。接下來以OpenCV載入YOLOv4-tiny模型，進行物件偵測。並將物件偵測完後的照片，以socket方式傳到Flask搭建的WEB前端，提供給使用者觀看。
在WEB上，使用者可以看到以下畫面：
本專案在VMware虛擬機上，以Docker Compose搭建4個容器，共有2個前端，1個後端，以及Nginx做負載平衡。
-
backend: 負責接收Youtube串流影像及物件偵測，並以socket方式將照片傳入到前端
- yolo_model: YOLOv4-tiny的設定檔與權重檔，下載位置:[Github: AlexeyAB/darknet]
- Dockerfile: Docker部署相關設定
- requirements.txt: Python所需相關套件
- server.py: 負責接收Youtube即時影像，進行物件偵測後以socket方式傳輸給Frontend
- yolo_detect.py: 物件偵測程式
-
frontend: 以Flask建立的WEB
- templates: Flask模板
- app.py: Flask Web，以socket方式接收backend傳來物件偵測後的照片
- Dockerfile: Docker部署相關設定
- requirements.txt: Python所需相關套件
-
nginx: 用於負載平衡
- default.conf: Nginx設定檔案
- Dockerfile: Docker部署相關設定
-
docker-compose.yml: docker compose設定檔
在有安裝Docker的Linux環境下，執行以下指令：
git clone https://github.com/SuYenTing/live_streaming_object_detect.git
cd live_streaming_object_detect
docekr compose up -d
部署完後，輸入本機IP即可查看WEB接收到物件偵測辨識完後的影片。