监控革命：具有人工智能物体检测功能的摄像头

在当今快节奏的世界里，仅仅拥有监控摄像头是不够的。如果你的摄像头不仅可以记录，还可以理解和解读它们所看到的内容，那会怎样？

这不是未来的愿景——它正在发生。通过利用人工智能 (AI) 和机器学习，支持实时流协议 (RTSP) 的摄像头可以转变为强大的智能监控系统。

人工智能计算机视觉的强大功能和简易性

当视频流被输入到运行 Python、OpenCV 和预训练模型的设备（例如 Raspberry-Pi）时，支持 RTSP 的摄像机的 AI 计算机视觉就会解锁 COCO 数据集。如果您现有的 IP 摄像机支持 RTSP，那么您可以按照以下说明添加 AI 计算机视觉进行对象检测，使用带有 OpenCV 库的 11 行 Python 代码来提高操作效率和安全性。

COCO 数据集

COCO 代表 Common Objects in Context，是一种大规模对象检测、分割和字幕数据集。它广泛用于计算机视觉研究和开发。以下是 COCO 数据集的一些主要特点：

• 多样的物体： COCO 包含具有各种物体的复杂日常场景的图像，提供了广泛的背景。
• 注释： 该数据集包含以下几项任务的大量注释：
  • 物体检测： 超过 80 个对象类别的边界框和标签。
  • 分割：实例分割（单个对象实例的详细像素级轮廓）和语义分割（每个对象类别的像素级分类）。
  • 关键点检测： 用于姿势估计的人体关键点（例如肘部、膝盖等关节）的注释。
  • 图片说明： 图像的描述性标题用于支持图像描述生成等任务。

大小：COCO 包含超过 200,000 张标记图像，其中标记实例超过 250 万个，是计算机视觉任务中最全面的数据集之一。

架构图

图 1：安全摄像头到 AI 计算机视觉处理

1. RTSP 流媒体：大多数 IP 摄像机可以使用 RTSP 传输实时视频
2. 加工：RTSP 馈送被路由到运行 OpenCV 的外部系统，该系统配备了来自 COCO 数据集的预训练模型（例如 Raspberry-PI）
3. 物体检测：此设置允许实时识别和分类 80 个常见物体 使用 YOLO（You Only Look Once）物体检测模型。
4. 切实可行的见解：检测到的物体可以触发警报、自动化流程并提供有价值的数据以供分析。

代码片段

下面的 11 行 python 代码（例如在 Raspberry-pi 中运行）展示了使用 IP 摄像机的 RTSP 流使用 COCO 数据集检测对象是多么简单。

导入 cv2 导入 cvlib 作为 cv 从 cvlib.object_detection 导入 draw_bbox #live 摄像头通过实时流协议（RTSP）从 IP 摄像头获取视频 video = cv2.VideoCapture("rtsp://[your rtsp ip address]/live") while True: ret, frame = video.read() bbox, label, conf = cv.detect_common_objects(frame) output_image = draw_bbox(frame, bbox, label, conf) cv2.imshow("Object Detection", output_image) if cv2.waitKey(1) & 0xFF == ord("q"): break

实际应用

人工智能和计算机视觉与支持 RTSP 的摄像机的结合开辟了无数的可能性：

• 增强安全性：自动检测未经授权的访问、可疑活动或特定物体，并立即向安全人员发出警报。
• 零售优化：通过分析与产品的交互来监控客户行为、管理库存并优化商店布局。
• 交通管理：通过分析车辆和行人流量来改善城市规划和交通控制。
• 工业自动化：通过检测特定物体和异常来监督制造过程、监控安全合规性并提高运营效率。

立即使用 AI 增强您的 IP 摄像机

通过将支持 RTSP 的摄像机与 OpenCV 和 YOLO 相结合，您的支持 RTSP 的 IP 摄像机可以通过 AI 对象检测功能立即变得更加智能，从而提高安全性和运营效率。 

关于作者

菲利克斯 是思科 Meraki 亚太区销售工程主管，领导一支世界一流且充满热情的销售工程师团队，帮助客户通过 SASE、SD-WAN、安全、Wi-Fi6、API 驱动的解决方案、行为分析、视频监控和移动设备管理 (MDM) 解决方案改善业务成果。

他对技术充满热情，在建立全面团队的同时推动成长文化。

参考

1. https://youtu.be/V62M9d8QkYM （很棒的教程）
2. https://github.com/AlexeyAB/darknet/blob/master/cfg/yolov7.cfg （下载 yolo 配置和权重）
3. 源代码： https://github.com/Kent-Taylor/object-detection/blob/main/main.py

#人工智能 #ai #aiml #深度学习 #opencv #物体检测 #计算机视觉 #cocodataset #mscoco #yolo #rtsp相机 #智能相机 #ai#编程 #python #机器学习 #软件开发