Projet de système d'alarme de sécurité Utilisation Ultralytics YOLO11

Le projet de système d'alarme de sécurité utilisant Ultralytics YOLO11 intègre des capacités avancées de vision par ordinateur pour améliorer les mesures de sécurité. YOLO11 Le système de vision artificielle, développé par Ultralytics, permet de détecter les objets en temps réel, ce qui permet au système d'identifier les menaces potentielles pour la sécurité et d'y répondre rapidement. Ce projet présente plusieurs avantages :

• Détection en temps réel : l'efficacité de YOLO11's permet au système d'alarme de sécurité de détecter et de répondre aux incidents de sécurité en temps réel, minimisant ainsi le temps de réponse.
• Précision: YOLO11 est connu pour sa précision dans la détection des objets, ce qui permet de réduire les faux positifs et d'améliorer 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 ainsi une couche supplémentaire de surveillance intelligente.

Regarder : Projet de système d'alarme de sécurité avec Ultralytics YOLO11 Détection d'objets

Code

• Navigate to App Password Generator, designate an app name such as "security project," and obtain a 16-digit password. Copy this password and paste it into the designated password field in the code below.

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("Path/to/video/file.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_alarm_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

# Init SecurityAlarm
security = solutions.SecurityAlarm(
    show=True,  # Display the output
    model="yolo11n.pt",  # i.e. YOLO11s.pt
    records=1,  # Total detections count to send an email about security
)

security.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
    im0 = security.monitor(im0)
    video_writer.write(im0)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

Le tour est joué ! Lorsque vous exécutez le code, vous recevez une notification unique sur votre courrier électronique si un objet est détecté. La notification est envoyée immédiatement, et non de manière répétée. Cependant, n'hésitez pas à personnaliser le code pour l'adapter aux exigences de votre projet.

Exemple de courriel reçu

Arguments SecurityAlarm

Voici un tableau avec les SecurityAlarm arguments :

Arguments model.track

FAQ

Comment Ultralytics YOLO11 améliore-t-il la précision d'un système d'alarme de sécurité ?

Ultralytics YOLO11 améliore les systèmes d'alarme de sécurité en offrant une détection d'objets en temps réel et 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 ainsi la qualité globale de la surveillance.

Puis-je intégrer Ultralytics YOLO11 à mon infrastructure de sécurité existante ?

Oui, Ultralytics YOLO11 peut être intégré de manière transparente à votre infrastructure de sécurité existante. Le système prend en charge différents modes et offre une grande souplesse de personnalisation, ce qui vous permet d'améliorer votre installation existante grâce à des capacités avancées de détection d'objets. Pour obtenir des instructions détaillées sur l'intégration de YOLO11 dans vos projets, consultez la section sur l'intégration.

Quelles sont les exigences en matière de stockage pour l'exécution de Ultralytics YOLO11 ?

L'exécution de Ultralytics YOLO11 sur une installation standard nécessite généralement environ 5 Go d'espace disque libre. Cela comprend l'espace nécessaire au stockage du modèle YOLO11 et de toutes les dépendances supplémentaires. Pour les solutions basées sur le cloud, Ultralytics HUB offre une gestion efficace des projets et des ensembles de données, ce qui peut optimiser les besoins de stockage. En savoir plus sur le Plan Pro pour des fonctionnalités améliorées, y compris un espace de stockage plus important.

Qu'est-ce qui différencie Ultralytics YOLO11 d'autres modèles de détection d'objets tels que Faster R-CNN ou SSD ?

Ultralytics YOLO11 offre une longueur d'avance sur les modèles tels que Faster R-CNN ou SSD grâce à ses capacités de détection en temps réel et à sa plus grande précision. 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, vous pouvez consulter notre guide.

Comment puis-je réduire la fréquence des faux positifs dans mon système de sécurité en utilisant Ultralytics YOLO11 ?

Pour réduire le nombre de faux positifs, veillez à ce que votre modèle Ultralytics YOLO11 soit correctement entraîné à l'aide d'un ensemble de données diversifié et bien annoté. Un réglage précis des hyperparamètres et une mise à jour régulière du modèle avec de nouvelles données peuvent améliorer de manière significative la précision de la détection. Vous trouverez des techniques détaillées de réglage des hyperparamètres dans notre guide de réglage des hyperparamètres.

📅C réé il y a 1 an ✏️ Mis à jour il y a 23 jours

Commentaires