مشروع نظام إنذار أمني باستخدام Ultralytics YOLOv8
مشروع نظام الإنذار الأمني باستخدام Ultralytics YOLOv8 يدمج قدرات رؤية الكمبيوتر المتقدمة لتعزيز التدابير الأمنية. YOLOv8، تم تطويره بواسطة Ultralytics، يوفر الكشف عن الأجسام في الوقت الحقيقي، مما يسمح للنظام بتحديد التهديدات الأمنية المحتملة والاستجابة لها على الفور. يقدم هذا المشروع العديد من المزايا:
- الكشف في الوقت الحقيقي: YOLOv8، تمكن كفاءة نظام الإنذار الأمني من اكتشاف الحوادث الأمنية والاستجابة لها في الوقت الفعلي ، مما يقلل من وقت الاستجابة.
- دقة: YOLOv8 معروف بدقته في اكتشاف الأشياء وتقليل الإيجابيات الخاطئة وتعزيز موثوقية نظام الإنذار الأمني.
- قدرات التكامل: يمكن دمج المشروع بسلاسة مع البنية التحتية الأمنية الحالية ، مما يوفر طبقة مطورة من المراقبة الذكية.
شاهد: مشروع نظام إنذار أمني مع Ultralytics YOLOv8 كشف الكائن
رمز
استيراد المكتبات
import torch
import numpy as np
import cv2
from time import time
from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator, colors
import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText
إعداد معلمات الرسالة
ملاحظه
إنشاء كلمة مرور التطبيق ضروري
- انتقل إلى App Password Generator ، وقم بتعيين اسم تطبيق مثل "مشروع أمان" ، واحصل على كلمة مرور مكونة من 16 رقما. انسخ كلمة المرور هذه والصقها في حقل كلمة المرور المخصص وفقا للتعليمات.
password = ""
from_email = "" # must match the email used to generate the password
to_email = "" # receiver email
إنشاء الخادم والمصادقة عليه
وظيفة إرسال البريد الإلكتروني
def send_email(to_email, from_email, object_detected=1):
"""Sends an email notification indicating the number of objects detected; defaults to 1 object."""
message = MIMEMultipart()
message['From'] = from_email
message['To'] = to_email
message['Subject'] = "Security Alert"
# Add in the message body
message_body = f'ALERT - {object_detected} objects has been detected!!'
message.attach(MIMEText(message_body, 'plain'))
server.sendmail(from_email, to_email, message.as_string())
الكشف عن الكائن وتنبيه المرسل
class ObjectDetection:
def __init__(self, capture_index):
"""Initializes an ObjectDetection instance with a given camera index."""
self.capture_index = capture_index
self.email_sent = False
# model information
self.model = YOLO("yolov8n.pt")
# visual information
self.annotator = None
self.start_time = 0
self.end_time = 0
# device information
self.device = 'cuda' if torch.cuda.is_available() else 'cpu'
def predict(self, im0):
"""Run prediction using a YOLO model for the input image `im0`."""
results = self.model(im0)
return results
def display_fps(self, im0):
"""Displays the FPS on an image `im0` by calculating and overlaying as white text on a black rectangle."""
self.end_time = time()
fps = 1 / np.round(self.end_time - self.start_time, 2)
text = f'FPS: {int(fps)}'
text_size = cv2.getTextSize(text, cv2.FONT_HERSHEY_SIMPLEX, 1.0, 2)[0]
gap = 10
cv2.rectangle(im0, (20 - gap, 70 - text_size[1] - gap), (20 + text_size[0] + gap, 70 + gap), (255, 255, 255), -1)
cv2.putText(im0, text, (20, 70), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (0, 0, 0), 2)
def plot_bboxes(self, results, im0):
"""Plots bounding boxes on an image given detection results; returns annotated image and class IDs."""
class_ids = []
self.annotator = Annotator(im0, 3, results[0].names)
boxes = results[0].boxes.xyxy.cpu()
clss = results[0].boxes.cls.cpu().tolist()
names = results[0].names
for box, cls in zip(boxes, clss):
class_ids.append(cls)
self.annotator.box_label(box, label=names[int(cls)], color=colors(int(cls), True))
return im0, class_ids
def __call__(self):
"""Executes object detection on video frames from a specified camera index, plotting bounding boxes and returning modified frames."""
cap = cv2.VideoCapture(self.capture_index)
assert cap.isOpened()
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
frame_count = 0
while True:
self.start_time = time()
ret, im0 = cap.read()
assert ret
results = self.predict(im0)
im0, class_ids = self.plot_bboxes(results, im0)
if len(class_ids) > 0: # Only send email If not sent before
if not self.email_sent:
send_email(to_email, from_email, len(class_ids))
self.email_sent = True
else:
self.email_sent = False
self.display_fps(im0)
cv2.imshow('YOLOv8 Detection', im0)
frame_count += 1
if cv2.waitKey(5) & 0xFF == 27:
break
cap.release()
cv2.destroyAllWindows()
server.quit()
استدعاء فئة الكشف عن الكائنات وتشغيل الاستدلال
هذا هو! عند تنفيذ التعليمات البرمجية ، ستتلقى إشعارا واحدا على بريدك الإلكتروني إذا تم اكتشاف أي كائن. يتم إرسال الإشعار على الفور ، وليس بشكل متكرر. ومع ذلك ، لا تتردد في تخصيص الكود ليناسب متطلبات مشروعك.