Skip to content

Projet de système d'alarme de sécurité utilisant Ultralytics YOLOv8

Système d'alarme de sécurité

Le projet de système d'alarme de sécurité utilisant Ultralytics YOLOv8 intègre des capacités avancées de vision par ordinateur pour améliorer les mesures de sécurité. YOLOv8 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 à la sécurité et d'y répondre rapidement. Ce projet offre plusieurs avantages :

  • DĂ©tection en temps rĂ©el : l'efficacitĂ© de YOLOv8's permet au système d'alarme de sĂ©curitĂ© de dĂ©tecter et de rĂ©pondre aux incidents de sĂ©curitĂ© en temps rĂ©el, minimisant ainsi le temps de rĂ©ponse.
  • PrĂ©cision : YOLOv8 est connu pour sa prĂ©cision dans la dĂ©tection des objets, ce qui permet de rĂ©duire les faux positifs et d'amĂ©liorer la fiabilitĂ© du système d'alarme de sĂ©curitĂ©.
  • CapacitĂ©s d'intĂ©gration : Le projet peut ĂŞtre intĂ©grĂ© de façon transparente Ă  l'infrastructure de sĂ©curitĂ© existante, fournissant une couche amĂ©liorĂ©e de surveillance intelligente.



Regarde : Projet de système d'alarme de sécurité avec Ultralytics YOLOv8 Détection d'objets

Code

Importer des bibliothèques

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

Configure les paramètres du message

Note

La génération du mot de passe de l'appli est nécessaire

  • Va sur App Password Generator, dĂ©signe un nom d'application tel que "security project", et obtiens un mot de passe Ă  16 chiffres. Copie ce mot de passe et colle-le dans le champ de mot de passe dĂ©signĂ© comme indiquĂ©.
password = ""
from_email = ""  # must match the email used to generate the password
to_email = ""  # receiver email

Création et authentification du serveur

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

Fonction d'envoi d'e-mail

def send_email(to_email, from_email, object_detected=1):
    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())

DĂ©tection d'objets et envoi d'alertes

class ObjectDetection:
    def __init__(self, capture_index):
        # default parameters
        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):
        results = self.model(im0)
        return results

    def display_fps(self, im0):
        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):
        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):
        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()

Appelle la classe de détection d'objets et exécute l'inférence

detector = ObjectDetection(capture_index=0)
detector()

C'est tout ! Lorsque tu exécuteras le code, tu recevras une seule notification sur ton email si un objet est détecté. La notification est envoyée immédiatement, et non de façon répétée. Cependant, n'hésite pas à personnaliser le code en fonction des exigences de ton projet.

Exemple de courriel reçu

Exemple de courriel reçu



Créé le 2023-12-02, Mis à jour le 2024-02-03
Auteurs : glenn-jocher (2), RizwanMunawar (1)

Commentaires