Link to this sectionProjet de système d'alarme de sécurité utilisant Ultralytics YOLO26#
Le projet de système d'alarme de sécurité utilisant Ultralytics YOLO26 intègre des capacités avancées de vision par ordinateur pour renforcer les mesures de sécurité. YOLO26, développé par Ultralytics, fournit une détection d'objets en temps réel, permettant au système d'identifier et de répondre rapidement aux menaces de sécurité potentielles. Ce projet offre plusieurs avantages :
- Détection en temps réel : L'efficacité de YOLO26 permet au système d'alarme de sécurité de détecter et de réagir aux incidents de sécurité en temps réel, minimisant ainsi le temps de réponse.
- Précision : YOLO26 est reconnu pour sa précision dans la détection d'objets, ce qui réduit les faux positifs et améliore la fiabilité du système d'alarme de sécurité.
- Capacités d'intégration : Le projet peut être intégré de manière transparente à l'infrastructure de sécurité existante, offrant une couche supplémentaire de surveillance intelligente.
Link to this sectionEnvoie des alertes de sécurité avec YOLO26#
La solution SecurityAlarm suit les objets dans ton flux vidéo et envoie une alerte e-mail unique avec une image annotée en pièce jointe dès que le nombre de détections atteint le seuil records. Authentifie un compte Gmail avec un mot de passe d'application, puis exécute la solution sur ta source.
Remarque
La génération d'un mot de passe d'application est nécessaire
- Accède au générateur de mot de passe d'application, désigne un nom d'application comme "security project," et obtiens un mot de passe à 16 chiffres. Copie ce mot de passe et colle-le dans le champ
passwordprévu à cet effet dans le code ci-dessous.
import cv2
from ultralytics import solutions
cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"
# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("security_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
from_email = "abc@gmail.com" # the sender email address
password = "---- ---- ---- ----" # 16-digits password generated via: https://myaccount.google.com/apppasswords
to_email = "xyz@gmail.com" # the receiver email address
# Initialize security alarm object
securityalarm = solutions.SecurityAlarm(
show=True, # display the output
model="yolo26n.pt", # e.g., yolo26s.pt, yolo26m.pt
records=1, # total detections count to send an email
)
securityalarm.authenticate(from_email, password, to_email) # authenticate the email server
# Process video
while cap.isOpened():
success, im0 = cap.read()
if not success:
print("Video frame is empty or video processing has been successfully completed.")
break
results = securityalarm(im0)
# print(results) # access the output
video_writer.write(results.plot_im) # write the processed frame.
cap.release()
video_writer.release()
cv2.destroyAllWindows() # destroy all opened windowsLorsque tu exécutes le code, tu recevras une seule notification par e-mail si un objet est détecté. La notification est envoyée immédiatement, et non de façon répétée. Tu peux personnaliser le code pour répondre aux exigences de ton projet.
Link to this sectionExemple d'e-mail reçu#
Link to this sectionArguments SecurityAlarm#
Voici un tableau avec les arguments SecurityAlarm :
| Argument | Type | Défaut | Description |
|---|---|---|---|
model | str | None | Chemin d'accès vers un fichier de modèle YOLO d'Ultralytics. |
records | int | 5 | Nombre total de détections pour déclencher un e-mail avec le système d'alarme de sécurité. |
La solution SecurityAlarm prend en charge une variété de paramètres track :
| Argument | Type | Défaut | Description |
|---|---|---|---|
tracker | str | 'botsort.yaml' | Spécifie l'algorithme de suivi à utiliser. Options intégrées : botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.1 | Définit le seuil de confiance pour les détections ; des valeurs plus faibles permettent de suivre plus d'objets, mais peuvent inclure des faux positifs. |
iou | float | 0.7 | Définit le seuil d'Intersection sur Union (IoU) pour filtrer les détections qui se chevauchent. |
classes | list | None | Filtre les résultats par indice de classe. Par exemple, classes=[0, 2, 3] ne suit que les classes spécifiées. |
verbose | bool | True | Contrôle l'affichage des résultats de suivi, en fournissant une sortie visuelle des objets suivis. |
device | str | None | Spécifie le périphérique pour l'inférence (par ex. cpu, cuda:0 ou 0). Permet aux utilisateurs de choisir entre le CPU, un GPU spécifique ou d'autres dispositifs de calcul pour l'exécution du modèle. |
De plus, les paramètres de visualisation suivants sont disponibles :
| Argument | Type | Défaut | Description |
|---|---|---|---|
show | bool | False | Si True, affiche les images ou vidéos annotées dans une fenêtre. Utile pour un retour visuel immédiat lors du développement ou des tests. |
line_width | int or None | None | Spécifie l'épaisseur de ligne des boîtes englobantes. Si None, l'épaisseur de ligne est automatiquement ajustée en fonction de la taille de l'image. Offre une personnalisation visuelle pour plus de clarté. |
show_conf | bool | True | Affiche le score de confiance pour chaque détection à côté de l'étiquette. Donne un aperçu de la certitude du modèle pour chaque détection. |
show_labels | bool | True | Affiche les étiquettes pour chaque détection dans la sortie visuelle. Permet une compréhension immédiate des objets détectés. |
Link to this sectionComment ça marche#
Le système d'alarme de sécurité utilise le suivi d'objets pour surveiller les flux vidéo et détecter les menaces de sécurité potentielles. Lorsque le système détecte des objets dépassant le seuil spécifié (défini par le paramètre records), il envoie automatiquement une notification par e-mail avec une image en pièce jointe montrant les objets détectés.
Le système exploite la classe SecurityAlarm qui fournit des méthodes pour :
- Traiter les images et extraire les détections d'objets
- Annoter les images avec des boîtes englobantes autour des objets détectés
- Envoyer des notifications par e-mail lorsque les seuils de détection sont dépassés
Cette implémentation est idéale pour la sécurité domestique, la surveillance de commerce de détail et d'autres applications de surveillance où une notification immédiate des objets détectés est critique.
Link to this sectionFAQ#
Link to this sectionComment Ultralytics YOLO26 améliore-t-il la précision d'un système d'alarme de sécurité ?#
Ultralytics YOLO26 améliore les systèmes d'alarme de sécurité en offrant une détection d'objets en temps réel de haute précision. Ses algorithmes avancés réduisent considérablement les faux positifs, garantissant que le système ne réagit qu'aux menaces réelles. Cette fiabilité accrue peut être intégrée de manière transparente à l'infrastructure de sécurité existante, améliorant la qualité globale de la surveillance.
Link to this sectionPuis-je intégrer Ultralytics YOLO26 à mon infrastructure de sécurité existante ?#
Oui, Ultralytics YOLO26 peut être intégré de manière transparente à ton infrastructure de sécurité existante. Le système prend en charge divers modes et offre une flexibilité de personnalisation, te permettant d'améliorer ta configuration actuelle avec des capacités de détection d'objets avancées. Pour des instructions détaillées sur l'intégration de YOLO26 dans tes projets, visite la section intégration.
Link to this sectionQuelles sont les exigences de stockage pour exécuter Ultralytics YOLO26 ?#
L'exécution d'Ultralytics YOLO26 sur une configuration standard nécessite généralement environ 5 Go d'espace disque libre. Cela inclut l'espace pour stocker le modèle YOLO26 et toutes les dépendances supplémentaires. Pour les solutions basées sur le cloud, Ultralytics Platform offre une gestion de projet et une manipulation de jeux de données efficaces, ce qui peut optimiser tes besoins en stockage. Apprends-en plus sur le Pro Plan pour des fonctionnalités améliorées, y compris un stockage étendu.
Link to this sectionQu'est-ce qui différencie Ultralytics YOLO26 des autres modèles de détection d'objets comme Faster R-CNN ou SSD ?#
Ultralytics YOLO26 offre un avantage sur des modèles comme Faster R-CNN ou SSD grâce à ses capacités de détection en temps réel et à sa précision supérieure. Son architecture unique lui permet de traiter les images beaucoup plus rapidement sans compromettre la précision, ce qui le rend idéal pour les applications sensibles au temps comme les systèmes d'alarme de sécurité. Pour une comparaison complète des modèles de détection d'objets, tu peux explorer notre guide.
Link to this sectionComment puis-je réduire la fréquence des faux positifs dans mon système de sécurité en utilisant Ultralytics YOLO26 ?#
Pour réduire les faux positifs, assure-toi que ton modèle Ultralytics YOLO26 est correctement entraîné avec un jeu de données diversifié et bien annoté. L'ajustement des hyperparamètres et la mise à jour régulière du modèle avec de nouvelles données peuvent améliorer considérablement la précision de la détection. Des techniques détaillées de réglage des hyperparamètres sont disponibles dans notre guide de réglage des hyperparamètres.