使用 Ultralytics YOLO11 的安全警报系统项目

安全警报系统

安全警报系统项目采用 Ultralytics YOLO11，集成了先进的计算机视觉功能，以加强安全措施。YOLO11 由 Ultralytics 开发，提供实时目标检测，使系统能够迅速识别并响应潜在的安全威胁。该项目具有以下几个优点：

实时检测： YOLO11 的效率使安全警报系统能够实时检测并响应安全事件，从而最大限度地缩短响应时间。
准确性: YOLO11 以其在目标检测方面的准确性而闻名，可减少误报并提高安全警报系统的可靠性。
集成能力： 该项目可以与现有的安全基础设施无缝集成，从而提供升级的智能监控层。

观看： 使用 Ultralytics YOLO11 的安全警报系统 + 解决方案目标检测

注意

App 密码生成是必需的

导航至 App 密码生成器，指定一个应用名称，例如“安全项目”，并获取一个 16 位密码。复制此密码并将其粘贴到指定的 password 代码中的字段如下。

使用 Ultralytics YOLO 的安全警报系统

Python

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

就这样！当您执行代码时，如果检测到任何对象，您将在您的电子邮件上收到一条通知。该通知会立即发送，不会重复发送。但是，您可以随意自定义代码以满足您的项目需求。

收到的邮件示例

`SecurityAlarm` 参数

这是一个包含以下内容的表格 SecurityAlarm 参数：

参数	类型	默认值	描述
`model`	`str`	`None`	Ultralytics YOLO 模型文件的路径。
`records`	`int`	`5`	触发带有安全警报系统的电子邮件的总检测计数。

字段 SecurityAlarm 解决方案支持各种 track 参数：

参数	类型	默认值	描述
`tracker`	`str`	`'botsort.yaml'`	指定要使用的跟踪算法，例如： `bytetrack.yaml` 或 `botsort.yaml`.
`conf`	`float`	`0.3`	设置检测的置信度阈值；较低的值允许跟踪更多对象，但可能包含误报。
`iou`	`float`	`0.5`	设置用于过滤重叠检测的 Intersection over Union (IoU) 阈值。
`classes`	`list`	`None`	按类别索引过滤结果。例如， `classes=[0, 2, 3]` 仅跟踪指定的类别。
`verbose`	`bool`	`True`	控制跟踪结果的显示，提供被跟踪对象的可视化输出。
`device`	`str`	`None`	指定用于推理的设备（例如， `cpu`, `cuda:0` 或 `0`）。允许用户在 CPU、特定 GPU 或其他计算设备之间进行选择，以执行模型。

此外，以下可视化设置可用：

参数	类型	默认值	描述
`show`	`bool`	`False`	可视化参数： `True`，则在窗口中显示带注释的图像或视频。这对于开发或测试期间的即时视觉反馈非常有用。
`line_width`	`None or int`	`None`	指定边界框的线条宽度。如果 `None`，则线条宽度会根据图像大小自动调整。提供视觉自定义以提高清晰度。
`show_conf`	`bool`	`True`	在标签旁边显示每个检测的置信度分数。可以深入了解模型对每次检测的确定性。
`show_labels`	`bool`	`True`	在可视化输出中显示每个检测的标签。能够立即理解检测到的对象。

工作原理

安全警报系统使用对象跟踪以监控视频源并检测潜在的安全威胁。当系统检测到超过指定阈值的对象时（由 records 参数），它会自动发送一封带有图像附件的电子邮件通知，显示检测到的对象。

该系统利用 SecurityAlarm 类，该类提供以下方法：

处理帧并提取对象检测结果
使用边界框注释检测到的对象周围的帧
当超过检测阈值时发送电子邮件通知

此实现非常适合家庭安全、零售监控和其他监控应用，在这些应用中，立即通知检测到的对象至关重要。

常见问题

Ultralytics YOLO11 如何提高安全警报系统的准确性？

Ultralytics YOLO11 通过提供高精度、实时的对象检测来增强安全警报系统。其先进的算法显著减少了误报，确保系统仅响应真正的威胁。这种更高的可靠性可以与现有的安全基础设施无缝集成，从而提升整体监控质量。

是否可以将 Ultralytics YOLO11 与我现有的安全基础设施集成？

是的，Ultralytics YOLO11 可以与您现有的安全基础设施无缝集成。该系统支持各种模式，并为定制提供了灵活性，使您可以通过高级对象检测功能增强现有设置。有关在您的项目中集成 YOLO11 的详细说明，请访问集成部分。

运行 Ultralytics YOLO11 需要哪些存储要求？

在标准设置上运行 Ultralytics YOLO11 通常需要大约 5GB 的可用磁盘空间。这包括存储 YOLO11 模型和任何其他依赖项的空间。对于基于云的解决方案，Ultralytics HUB 提供高效的项目管理和数据集处理，从而可以优化存储需求。了解有关专业计划的更多信息，以获取包括扩展存储在内的增强功能。