Bỏ để qua phần nội dung

Dự án hệ thống báo động an ninh sử dụng Ultralytics YOLOv8

Hệ thống báo động an ninh

Dự án hệ thống báo động an ninh sử dụng Ultralytics YOLOv8 Tích hợp khả năng thị giác máy tính tiên tiến để tăng cường các biện pháp bảo mật. YOLOv8, được phát triển bởi Ultralytics, cung cấp khả năng phát hiện đối tượng theo thời gian thực, cho phép hệ thống xác định và ứng phó kịp thời với các mối đe dọa bảo mật tiềm ẩn. Dự án này cung cấp một số lợi thế:

  • Phát hiện thời gian thực: YOLOv8Hiệu quả của nó cho phép Hệ thống báo động an ninh phát hiện và ứng phó với các sự cố an ninh trong thời gian thực, giảm thiểu thời gian phản hồi.
  • Chính xác: YOLOv8 được biết đến với độ chính xác trong việc phát hiện đối tượng, giảm dương tính giả và nâng cao độ tin cậy của hệ thống báo động an ninh.
  • Khả năng tích hợp: Dự án có thể được tích hợp liền mạch với cơ sở hạ tầng an ninh hiện có, cung cấp một lớp giám sát thông minh được nâng cấp.



Xem: Dự án hệ thống báo động an ninh với Ultralytics YOLOv8 Phát hiện đối tượng

Nhập thư viện

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

Thiết lập các tham số của thư

Ghi

Tạo mật khẩu ứng dụng là cần thiết

  • Điều hướng đến Trình tạo mật khẩu ứng dụng, chỉ định tên ứng dụng như "dự án bảo mật" và lấy mật khẩu gồm 16 chữ số. Sao chép mật khẩu này và dán nó vào trường mật khẩu được chỉ định theo hướng dẫn.
password = ""
from_email = ""  # must match the email used to generate the password
to_email = ""  # receiver email

Tạo và xác thực máy chủ

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

Chức năng gửi email

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())

Phát hiện đối tượng và người gửi cảnh báo

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()

Gọi lớp Object Detection và chạy Inference

detector = ObjectDetection(capture_index=0)
detector()

Đó là nó! Khi bạn thực thi mã, bạn sẽ nhận được một thông báo duy nhất trên email của mình nếu phát hiện bất kỳ đối tượng nào. Thông báo được gửi ngay lập tức, không lặp đi lặp lại. Tuy nhiên, hãy thoải mái tùy chỉnh mã cho phù hợp với yêu cầu dự án của bạn.

Email nhận được mẫu

Email nhận được mẫu



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

Ý kiến