Revolucionando la vigilancia: cámaras con detección de objetos impulsada por IA

En el mundo acelerado de hoy, no basta con tener cámaras de vigilancia. ¿Qué pasaría si las cámaras no solo pudieran grabar, sino también entender e interpretar lo que ven?

No se trata de una visión del futuro: es algo que ya está sucediendo. Al aprovechar la inteligencia artificial (IA) y el aprendizaje automático, las cámaras compatibles con el protocolo de transmisión en tiempo real (RTSP) se pueden transformar en un sistema de vigilancia inteligente y potente.

El poder y la simplicidad de la visión artificial por computadora

La visión artificial por computadora de las cámaras con capacidad RTSP se desbloquea cuando la transmisión de video se alimenta a un dispositivo (por ejemplo, Raspberry-Pi) que ejecuta Python, OpenCV con entrenamiento previo. Conjunto de datos COCOSi sus cámaras IP existentes son compatibles con RTSP, puede seguir las instrucciones a continuación para agregar visión artificial por computadora para la detección de objetos y mejorar la eficiencia operativa y la seguridad con aproximadamente 11 líneas de código Python con la biblioteca OpenCV.

El conjunto de datos COCO

COCO significa Common Objects in Context (Objetos comunes en contexto) y es un conjunto de datos de detección, segmentación y subtitulado de objetos a gran escala. Se utiliza ampliamente en la investigación y el desarrollo de la visión artificial. Estas son algunas de las características clave del conjunto de datos COCO:

Objetos diversos: COCO contiene imágenes de escenas cotidianas complejas con diversos objetos, proporcionando una amplia gama de contexto.
Anotaciones: El conjunto de datos incluye anotaciones extensas para varias tareas:
- Detección de objetos: Cuadros delimitadores y etiquetas para más de 80 categorías de objetos.
- Segmentación:Tanto la segmentación de instancias (contornos detallados a nivel de píxel para instancias de objetos individuales) como la segmentación semántica (clasificación a nivel de píxel para cada categoría de objeto).
- Detección de puntos clave: Anotaciones para puntos clave humanos (por ejemplo, articulaciones como codos y rodillas) para la estimación de la postura.
- Título de la imagen: Leyendas descriptivas para imágenes que respaldan tareas como la generación de descripciones de imágenes.

Tamaño: COCO consta de más de 200 000 imágenes etiquetadas con más de 2,5 millones de instancias etiquetadas, lo que lo convierte en uno de los conjuntos de datos más completos disponibles para tareas de visión artificial.

Diagrama de arquitectura

Figura 1: Procesamiento de visión artificial desde una cámara de seguridad hasta una computadora

Transmisión RTSP:La mayoría de las cámaras IP pueden transmitir video en vivo usando RTSP
Tratamiento:La señal RTSP se enruta a un sistema externo que ejecuta OpenCV, equipado con modelos entrenados previamente a partir del conjunto de datos COCO (por ejemplo, Raspberry-PI)
Detección de objetos:Esta configuración permite la identificación y clasificación en tiempo real de 80 objetos comúnmente reconocidos utilizando el Modelo de detección de objetos YOLO (You Only Look Once).
Información práctica:Los objetos detectados pueden activar alertas, automatizar procesos y proporcionar datos valiosos para el análisis.

Fragmentos de código

A continuación, 11 líneas de código Python (por ejemplo, ejecutadas en Raspberry-pi) muestran lo sencillo que es usar la transmisión RTSP de la cámara IP para detectar objetos utilizando el conjunto de datos COCO.

importar cv2 importar cvlib como cv desde cvlib.object_detection importar draw_bbox #live transmisión de cámara desde cámara IP a través del protocolo de transmisión en tiempo real (RTSP) video = cv2.VideoCapture("rtsp://[su dirección IP rtsp]/live") mientras True: ret, frame = video.read() bbox, label, conf = cv.detect_common_objects(frame) output_image = draw_bbox(frame, bbox, label, conf) cv2.imshow("Detección de objetos", output_image) si cv2.waitKey(1) y 0xFF == ord("q"): break

Aplicaciones en el mundo real

La integración de IA y visión artificial con cámaras compatibles con RTSP abre numerosas posibilidades:

Seguridad mejorada:Detecta automáticamente acceso no autorizado, actividades sospechosas u objetos específicos y alerta instantáneamente al personal de seguridad.
Optimización de ventas minoristas:Monitoree el comportamiento de los clientes, administre el inventario y optimice los diseños de las tiendas analizando las interacciones con los productos.
Gestión del tráfico:Mejorar la planificación urbana y el control del tráfico mediante el análisis de los flujos de vehículos y peatones.
Automatización industrial:Supervisar los procesos de fabricación, monitorear el cumplimiento de la seguridad y mejorar la eficiencia operativa mediante la detección de objetos y anomalías específicas.

Potencie ahora sus cámaras IP con IA

Al integrar cámaras compatibles con RTSP con OpenCV y YOLO, sus cámaras IP compatibles con RTSP pueden volverse instantáneamente más inteligentes con capacidades de detección de objetos mediante IA, lo que mejora la seguridad y la eficiencia operativa.

Acerca del autor

Félix es el director de ingeniería de ventas de APAC en Cisco Meraki y lidera un equipo de ingenieros de ventas apasionados y de primer nivel para ayudar a los clientes a mejorar los resultados comerciales con SASE, SD-WAN, seguridad, Wi-Fi6, soluciones impulsadas por API, análisis de comportamiento, videovigilancia y soluciones de gestión de dispositivos móviles (MDM).

Le apasiona la tecnología, impulsa la cultura de crecimiento y crea equipos integrales.

Referencias

https://youtu.be/V62M9d8QkYM (Gran tutorial)
https://github.com/AlexeyAB/darknet/blob/master/cfg/yolov7.cfg (Descargar configuración y pesos de Yolo)
Código fuente: https://github.com/Kent-Taylor/object-detection/blob/main/main.py

#inteligencia artificial #ai #aiml #Aprendizaje profundo #opencv #detección de objetos #visión por computadora #conjunto de datos coco #mscoco #yolo #rtspcámaras #cámaras inteligentes #ai#programación #python #Aprendizaje automático #desarrollo de software