Zum Inhalt springen

Sicherheitsalarmsystem Projekt mit Ultralytics YOLOv8

Sicherheitsalarmanlage

Das Projekt "Security Alarm System", das Ultralytics YOLOv8 nutzt, integriert fortschrittliche Computer Vision FĂ€higkeiten, um die Sicherheitsmaßnahmen zu verbessern. YOLOv8 Das von Ultralytics entwickelte System zur Erkennung von Objekten in Echtzeit ermöglicht es dem System, potenzielle Sicherheitsbedrohungen sofort zu erkennen und darauf zu reagieren. Dieses Projekt bietet mehrere Vorteile:

  • Erkennung in Echtzeit: Die Effizienz von YOLOv8 ermöglicht es dem Sicherheitsalarmsystem, SicherheitsvorfĂ€lle in Echtzeit zu erkennen und darauf zu reagieren, wodurch die Reaktionszeit minimiert wird.
  • Genauigkeit: YOLOv8 ist fĂŒr seine Genauigkeit bei der Objekterkennung bekannt, die Fehlalarme reduziert und die ZuverlĂ€ssigkeit des Sicherheitssystems erhöht.
  • IntegrationsfĂ€higkeiten: Das Projekt kann nahtlos in die bestehende Sicherheitsinfrastruktur integriert werden und bietet eine zusĂ€tzliche intelligente Überwachungsebene.



Pass auf: Sicherheitsalarmsystem-Projekt mit Ultralytics YOLOv8 Objekterkennung

Code

Bibliotheken importieren

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

import cv2
import numpy as np
import torch

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

Richte die Parameter der Nachricht ein

Hinweis

App Passwortgenerierung ist notwendig

  • Navigiere zum App-Passwort-Generator, gib einen App-Namen ein, z. B. "Sicherheitsprojekt", und erhalte ein 16-stelliges Passwort. Kopiere dieses Passwort und fĂŒge es wie angegeben in das vorgesehene Passwortfeld ein.
password = ""
from_email = ""  # must match the email used to generate the password
to_email = ""  # receiver email

Server erstellen und authentifizieren

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

E-Mail senden Funktion

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())

Objekterkennung und Warnsender

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()

Rufe die Klasse Object Detection auf und fĂŒhre die Inferenz aus

detector = ObjectDetection(capture_index=0)
detector()

Das war's! Wenn du den Code ausfĂŒhrst, erhĂ€ltst du eine einzige Benachrichtigung per E-Mail, wenn ein Objekt entdeckt wird. Die Benachrichtigung wird sofort und nicht wiederholt gesendet. Du kannst den Code jedoch gerne an die Anforderungen deines Projekts anpassen.

Empfangene E-Mail Probe

Empfangene E-Mail Probe



Created 2023-12-02, Updated 2024-06-09
Authors: IvorZhu331 (1), glenn-jocher (5), RizwanMunawar (1)

Kommentare