セキュリティアラームシステム・プロジェクトUltralytics YOLO11
Ultralytics YOLO11 を利用したセキュリティ警報システム・プロジェクトは、セキュリティ対策を強化するために高度なコンピュータ・ビジョン機能を統合している。YOLO11 Ultralytics によって開発された、リアルタイムの物体検出を提供することで、システムは潜在的なセキュリティ上の脅威を迅速に特定し、対応することができます。このプロジェクトにはいくつかの利点がある:
- リアルタイムの検知: YOLO11 の効率性により、セキュリティアラームシステムはリアルタイムでセキュリティインシデントを検知し、対応することができるため、対応時間を最小限に抑えることができます。
- 精度: YOLO11 は、物体検知の精度の高さで知られ、誤検知を減らし、セキュリティアラームシステムの信頼性を高めている。
- 統合能力:このプロジェクトは、既存のセキュリティ・インフラとシームレスに統合することができ、インテリジェントな監視のアップグレード層を提供します。
見るんだ: Ultralytics YOLO11 + ソリューションによるセキュリティアラームシステム 物体検出
注
アプリのパスワード生成が必要
- に移動する。 アプリパスワードジェネレーターセキュリティ・プロジェクト」などのアプリ名を指定し、16桁のパスワードを取得する。このパスワードをコピーし、指定された
password
フィールドを以下のコードに追加する。
Ultralytics YOLO使用したセキュリティアラームシステム
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="yolo11n.pt", # i.e. yolo11s.pt, yolo11m.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 windows
それだけだ!コードを実行すると、何らかのオブジェクトが検出された場合、メールに1回通知が届きます。通知は繰り返し送信されるのではなく、即座に送信されます。しかし、あなたのプロジェクトの要件に合わせてコードを自由にカスタマイズしてください。
受信メールサンプル
SecurityAlarm
議論
以下はその表である。 SecurityAlarm
という議論がある:
議論 | タイプ | デフォルト | 説明 |
---|---|---|---|
model |
str |
None |
Ultralytics YOLO モデルファイルへのパス。 |
records |
int |
5 |
セキュリティアラームシステムで電子メールをトリガするための総検出数。 |
について SecurityAlarm
ソリューションは様々な track
パラメータがある:
議論 | タイプ | デフォルト | 説明 |
---|---|---|---|
tracker |
str |
'botsort.yaml' |
使用するトラッキングアルゴリズムを指定する、 bytetrack.yaml または botsort.yaml . |
conf |
float |
0.3 |
検出の信頼しきい値を設定します。低い値ではより多くのオブジェクトを追跡できますが、誤検出を含む可能性があります。 |
iou |
float |
0.5 |
重複検出をフィルタリングするためのIoU(Intersection over Union)しきい値を設定します。 |
classes |
list |
None |
クラス・インデックスによって結果をフィルタリングする。例えば classes=[0, 2, 3] は指定されたクラスのみを追跡する。 |
verbose |
bool |
True |
トラッキング結果の表示をコントロールし、トラッキングされたオブジェクトのビジュアル出力を提供します。 |
device |
str |
None |
推論を行うデバイスを指定する(例. cpu , cuda:0 または 0 ).CPU 、特定のGPU 、またはモデル実行用の他のコンピュート・デバイスを選択することができます。 |
さらに、以下のような視覚化設定が可能である:
議論 | タイプ | デフォルト | 説明 |
---|---|---|---|
show |
bool |
False |
もし True 注釈付きの画像やビデオをウィンドウに表示します。開発中やテスト中の即時の視覚的フィードバックに便利です。 |
line_width |
None or int |
None |
バウンディングボックスの線幅を指定します。もし None 線幅は画像サイズに応じて自動的に調整されます。視覚的にわかりやすくカスタマイズできます。 |
仕組み
セキュリティアラームシステムは オブジェクトトラッキング を使用してビデオフィードを監視し、潜在的なセキュリティ脅威を検出します。指定されたしきい値を超える物体が検出された場合 ( records
パラメータ)、検出されたオブジェクトを示す画像を添付した電子メール通知を自動的に送信します。
このシステムは、SecurityAlarmクラスを活用している:
- フレームを処理し、物体検出を抽出する
- 検出されたオブジェクトの周囲にバウンディングボックスを付けてフレームに注釈を付ける
- 検出しきい値を超えた場合にEメール通知を送信
この実装は、ホームセキュリティ、小売店監視、および検出された物体の即時通知が重要なその他の監視アプリケーションに最適です。
よくあるご質問
Ultralytics YOLO11 セキュリティアラームシステムの精度はどのように向上するのか?
Ultralytics YOLO11 は、高精度のリアルタイム物体検知を実現することで、セキュリティアラームシステムを強化します。その高度なアルゴリズムは誤検知を大幅に減らし、システムが本物の脅威にのみ反応することを保証します。この信頼性の向上により、既存のセキュリティ・インフラとシームレスに統合でき、全体的な監視品質を向上させることができます。
Ultralytics YOLO11 を既存のセキュリティ・インフラと統合できますか?
Ultralytics YOLO11 は、既存のセキュリティ・インフラとシームレスに統合できます。システムは様々なモードをサポートし、カスタマイズの柔軟性を提供するため、高度なオブジェクト検出機能で既存のセットアップを強化することができます。YOLO11 をプロジェクトに統合する詳細な手順については、統合セクションをご覧ください。
Ultralytics YOLO11 を実行するために必要なストレージは?
標準的なセットアップでUltralytics YOLO11 実行するには、通常約5GBのディスク空き容量が必要です。これには、YOLO11 モデルと追加の依存関係を保存するためのスペースも含まれます。クラウドベースのソリューションの場合、Ultralytics HUBは効率的なプロジェクト管理とデータセットハンドリングを提供し、ストレージのニーズを最適化します。拡張ストレージを含む拡張機能のプロプランについては、こちらをご覧ください。
Ultralytics YOLO11 、Faster R-CNNやSSDのような他の物体検出モデルと何が違うのか?
Ultralytics YOLO11 は、リアルタイムの検出能力と高い精度で、Faster R-CNNやSSDのようなモデルよりも優位性を発揮します。そのユニークなアーキテクチャにより、精度を損なうことなく、より高速に画像を処理できるため、セキュリティアラームシステムのような時間に敏感なアプリケーションに最適です。物体検出モデルの包括的な比較については、ガイドをご覧ください。
Ultralytics YOLO11 を使用したセキュリティ・システムにおいて、誤検知の頻度を減らすにはどうすればよいですか?
誤検出を減らすには、Ultralytics YOLO11 モデルが、多様でよく注釈されたデータセットで適切にトレーニングされていることを確認します。ハイパーパラメータを微調整し、新しいデータでモデルを定期的に更新することで、検出精度を大幅に向上させることができます。詳細なハイパーパラメータ・チューニング・テクニックは、ハイパーパラメータ・チューニング・ガイドに掲載されています。