導入
セキュリティ分野では、公共の安全と財産の安全を確保するために、より効率的な監視およびインシデント検出ソリューションを常に模索しています。YOLOv5 (You Only Look Once) は、セキュリティ分野で幅広い応用の可能性を秘めた効率的なリアルタイムターゲット検出アルゴリズムです。この記事では、YOLOv5 をリアルタイム監視とイベント検出に使用する方法と、YOLOv5 をインテリジェントな分析システムに統合してセキュリティ分野の安全性と効率を向上させる方法を紹介します。
YOLOv5 の概要
YOLOv5 は、優れたパフォーマンスとリアルタイム性を備えた YOLO シリーズのターゲット検出アルゴリズムの最新バージョンです。YOLOv5 は、入力画像をグリッド セルに分割し、各セル内でオブジェクト検出を実行することによって機能します。人、車両、物体など、複数のターゲットカテゴリを同時に検出でき、さまざまな監視やセキュリティタスクに適しています。
セキュリティ分野におけるYOLOv5の応用
ステップ 1: YOLOv5 をインストールして構成する
まず、YOLOv5 と関連する依存関係をインストールする必要があります。YOLOv5 は、次のコマンドを使用して GitHub リポジトリからインストールできます。
git clone https://github.com/ultralytics/yolov5.git
cd yolov5
pip install -U -r requirements.txt
次に、セキュリティ タスクに合わせて YOLOv5 を構成する必要があります。カスタム YOLOv5 構成ファイルを作成して、モデル アーキテクチャ、カテゴリ、入力画像サイズなどのパラメーターを指定できます。
ステップ 2: YOLOv5 モデルをトレーニングする
適切なデータ セットを使用すると、YOLOv5 モデルをトレーニングしてセキュリティ監視タスクを実行できます。データセットには、セキュリティ カメラでキャプチャされた画像と、対応するアノテーション ファイルが含まれている必要があります。以下はトレーニング コマンドの例です。
python train.py --img-size 640 --batch-size 16 --epochs 50 --data your_data.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt
ステップ 3: リアルタイムの監視とイベント検出
モデルのトレーニングが完了したら、YOLOv5 モデルをリアルタイムの監視とイベント検出に適用できます。以下は、監視カメラからリアルタイムで画像を取得し、物体検出を実行する方法を示すサンプル コードです。
import cv2
import torch
# 加载YOLOv5模型
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)
model.eval()
# 打开监控摄像头
cap = cv2.VideoCapture('rtsp://username:password@your_camera_ip:port') # 替换为您的摄像头信息
while True:
# 读取一帧图像
ret, frame = cap.read()
# 使用YOLOv5进行目标检测
results = model(frame)
# 处理检测结果并标记事件
processed_frame = process_results(frame, results)
# 显示处理后的图像
cv2.imshow("Security Monitoring", processed_frame)
# 按下 'q' 键退出循环
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 释放摄像头并关闭窗口
cap.release()
cv2.destroyAllWindows()
上記のコードでは、YOLOv5 モデルが読み込まれ、監視カメラでキャプチャされたリアルタイム画像に適用され、検出されたイベントがマークされて画像上に表示されます。
ステップ 4: インテリジェントな分析の統合
セキュリティ システムのインテリジェンスをさらに高めるために、YOLOv5 を動作分析、異常検出、警報システムなどの他のインテリジェント分析テクノロジと統合できます。このようにして、より高度なイベント検出と応答を実装できます。