انتقل إلى المحتوى

مشروع نظام إنذار أمني باستخدام Ultralytics YOLOv8

نظام إنذار أمني

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

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

import smtplib

server = smtplib.SMTP("smtp.gmail.com: 587")
server.starttls()
server.login(from_email, password)

وظيفة إرسال البريد الإلكتروني

from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText


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

from time import time

import cv2
import torch

from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator, colors


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 / 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):
        """Run object detection on video frames from a camera stream, plotting and showing the results."""
        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

detector = ObjectDetection(capture_index=0)
detector()

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.

عينة البريد الإلكتروني المستلمة

عينة البريد الإلكتروني المستلمة



Created 2023-12-02, Updated 2024-06-19
Authors: ambitious-octopus (1), glenn-jocher (6), IvorZhu331 (1), RizwanMunawar (1)

التعليقات