跳转至内容

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

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

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.yamlbotsort.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:00)。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:

  1. 处理帧并提取对象检测结果
  2. 使用边界框注释检测到的对象周围的帧
  3. 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。

与其他目标检测模型(如 Faster R-CNN 或 SSD)相比,Ultralytics YOLO11 有何不同?

Ultralytics YOLO11 凭借其实时检测能力和更高的准确性,优于 Faster R-CNN 或 SSD 等模型。其独特的架构使其能够更快地处理图像,而不会影响 精度,使其成为安全警报系统等时间敏感型应用的理想选择。有关对象检测模型的全面比较,您可以浏览我们的 指南

如何使用 Ultralytics YOLO11 降低安全系统中误报的频率?

为了减少误报,请确保您的 Ultralytics YOLO11 模型经过充分训练,并使用多样化且注释良好的数据集。微调超参数并定期使用新数据更新模型可以显着提高检测准确性。详细的 超参数调整 技术可以在我们的 超参数调整指南 中找到。



📅 创建于 1 年前 ✏️ 更新于 4 个月前

评论