Los dispositivos de circuito cerrado de televisión (CCTV) de tráfico pueden usarse para detectar y seguir objetos en las carreteras mediante el diseño y la aplicación de modelos de inteligencia artificial y aprendizaje profundo. Sin embargo, extraer información útil de los objetos detectados y determinar la ocurrencia de accidentes de tráfico suele ser difícil. Este documento propone un modelo de clasificación de accidentes de tráfico híbrido basado en fotogramas de CCTV que permite identificar si un fotograma incluye accidentes mediante la generación de trayectorias de objetos. El modelo propuesto utiliza un Transformador de Visión (ViT) y una Red Neuronal Convolucional (CNN) para extraer representaciones latentes de cada fotograma y las trayectorias correspondientes. La fusión de las características de fotogramas y trayectorias se realizó para mejorar la capacidad de clasificación de accidentes de tráfico del método híbrido propuesto. En los experimentos, se utilizó el conjunto de datos de Detección y Predicción de Accidentes de Coche (CADP) para entrenar el modelo híbrido, y la precisión del modelo fue de aproximadamente 97%. Los resultados experimentales indican que el método híbrido propuesto muestra un rendimiento de clasificación mejorado en comparación con los modelos tradicionales.