Melhora a vigilância inteligente com Ultralytics YOLO11

Quando sais de casa, apesar de verificares as fechaduras duas vezes e te certificares de que tudo está seguro, ainda há momentos em que te podes perguntar: "Está tudo seguro? Esqueci-me de fechar uma ou duas janelas?" Isto acontece porque a segurança é uma parte crucial do dia a dia, especialmente quando não podemos estar presentes para monitorizar as coisas nós mesmos.

Na verdade, casas sem sistemas de segurança têm 300% mais probabilidade de sofrerem uma invasão do que casas com um sistema de segurança visível, o que destaca a importância de ter medidas de segurança fiáveis em vigor. No entanto, os sistemas de segurança tradicionais muitas vezes carecem de monitorização em tempo real e não conseguem fornecer atualizações claras durante ameaças potenciais.

Felizmente, as soluções de segurança melhoraram ao longo do tempo para resolver esses problemas. Hoje em dia, os sistemas de segurança podem enviar alertas instantâneos para os nossos smartphones, completos com imagens que mostram exatamente o que está a acontecer à volta da propriedade.

Em vez de depender apenas de sensores de movimento, as câmaras inteligentes usam visão computacional, um ramo da inteligência artificial (IA) que analisa dados visuais. Os sistemas de IA de visão permitem que as câmaras detetem movimento, identifiquem o tipo de movimento e determinem o que desencadeou o alarme.

Modelos de visão computacional, como o Ultralytics YOLO11, conseguem detetar, seguir e classificar objetos através de frames de vídeo. Especificamente, com a ajuda do YOLO11, por exemplo, os sistemas de segurança podem enviar automaticamente alertas visuais e distinguir entre ameaças reais e alarmes falsos. Neste artigo, vamos explorar como o YOLO11 ajuda a construir sistemas de segurança mais inteligentes, rápidos e fiáveis. Vamos começar!

Fig 1. Um exemplo de utilização do YOLO11 para seguir objetos.

Link to this sectionUma visão geral da monitorização de segurança baseada em IA#

Os sistemas de segurança tradicionais, como os sensores de movimento, enviam alertas quando detetam coisas como uma porta a abrir ou um movimento súbito. Embora isto funcione até certo ponto, estes sistemas não conseguem distinguir entre uma ameaça real e uma atividade inofensiva, como um animal de estimação a correr. Isto leva frequentemente a alarmes falsos desencadeados por coisas como animais de estimação ou o vento a soprar nas cortinas.

Os sistemas de segurança baseados em IA resolvem este problema tornando as câmaras mais inteligentes. Com a visão computacional, estes sistemas conseguem compreender e analisar o que está a acontecer em tempo real. Utilizam modelos de IA de visão treinados para reconhecer objetos como pessoas, carros ou animais em cada frame de vídeo.

Em particular, modelos como o YOLO11 suportam tarefas de visão computacional como a segmentação de instâncias (identificar e separar objetos individuais dentro de uma imagem), deteção de objetos (localizar e classificar objetos dentro de um frame) e seguimento de objetos (acompanhar o movimento de objetos através de frames de vídeo). Estas tarefas permitem que o sistema se foque em ameaças reais enquanto filtra atividades inofensivas, reduzindo os alarmes falsos.

Fig 2. Utilizar o YOLO11 para segmentar o Blues, o nosso Diretor Executivo Canino (DEO), e a sua irmã, Happy.

Link to this sectionComo funciona a deteção de ameaças em tempo real com o YOLO11#

A seguir, vamos ver mais de perto como funcionam os sistemas de alarme de segurança alimentados pelo Ultralytics YOLO11.

Para contextualizar, imagina que tens uma câmara apontada para a tua porta das traseiras e o teu cão está a brincar no quintal. Só queres receber alertas se for detetado um humano perto da porta das traseiras, não o teu cão.

Com isso em mente, vamos ver como funciona um sistema de alarme de segurança, integrado com o YOLO11:

• Captura do feed de vídeo: O processo começa por capturar imagens em direto da câmara apontada para a tua porta das traseiras, que é utilizada pelo YOLO11 para detetar e seguir quaisquer movimentos na área.

• Deteção de objetos: O YOLO11 analisa cada frame de vídeo para identificar objetos como pessoas, animais de estimação ou veículos. Neste caso, pode reconhecer o teu cão no quintal, mas o foco principal é detetar qualquer atividade humana perto da porta das traseiras.

• Seguimento de objetos: Assim que o YOLO11 deteta objetos, segue-os à medida que se movem através dos frames. Cada objeto detetado, como uma pessoa, recebe um ID único, permitindo que o sistema monitorize o seu movimento e assinale qualquer comportamento invulgar perto da porta das traseiras, como uma pessoa a rondar.

• Definição de condições de alerta: O sistema está configurado para enviar alertas apenas quando uma pessoa é detetada perto da porta das traseiras, e não o teu cão. Isto garante que o sistema aciona alertas com base numa atividade específica e relevante.

• Envio de alertas instantâneos: Quando um humano é detetado dentro da área definida, o sistema envia um alerta visual para o teu dispositivo, para que possas verificar rapidamente a situação e agir, se necessário.

Fig 3. Deteção de uma pessoa no quintal de uma casa utilizando o YOLO11. Imagem do autor.

Link to this sectionYOLO11: Simplificar as soluções de segurança de visão computacional#

Uma das principais vantagens do YOLO11 é a sua acessibilidade, mesmo para aqueles que não são especialistas em visão computacional. Por exemplo, a Ultralytics oferece soluções de IA de visão prontas a usar que facilitam o início de aplicações comuns de visão computacional, como gestão de filas, cálculo de distâncias, monitorização de treinos e sistemas de alarme de segurança.

Em relação a aplicações de segurança, a solução Ultralytics para sistemas de alarme de segurança utiliza as capacidades de seguimento de objetos em tempo real do YOLO11 para melhorar os sistemas de vigilância tradicionais. O sistema monitoriza os feeds de vídeo continuamente, detetando e seguindo objetos como pessoas, veículos e animais.

Os alertas são acionados após um certo número de deteções dentro de um período de tempo especificado, garantindo que as notificações só sejam enviadas quando existe um padrão claro de atividade. Isto ajuda a reduzir os alarmes falsos causados por movimentos inofensivos, como animais de estimação ou alterações ambientais.

Além disso, o sistema é fácil de configurar e personalizar. Podes ajustar aspetos como o número de deteções necessárias para acionar um alerta e as áreas que queres monitorizar. Também receberás notificações por e-mail em tempo real com imagens, para que possas verificar rapidamente a situação e tomar medidas, se necessário.

Para mais detalhes sobre como configurar esta solução, consulta a documentação oficial da Ultralytics.

Link to this sectionUtilizar o YOLO11 para aplicações de segurança#

Agora que temos uma melhor compreensão dos sistemas de segurança baseados em IA de visão e de como o YOLO11 os melhora, vamos explorar algumas aplicações do mundo real de soluções de segurança com visão computacional, para além da segurança doméstica.

Link to this sectionProteção de armazéns utilizando visão computacional e YOLO11#

Frequentemente, os armazéns armazenam artigos valiosos e materiais sensíveis, tornando a segurança uma preocupação primordial. Com pessoas, veículos e mercadorias em constante movimento, pode ser difícil garantir que tudo permanece seguro. A visão computacional pode adicionar uma camada inteligente de vigilância às medidas de segurança existentes.

Por exemplo, considera um cenário em que uma secção do armazém tem habitualmente pouco movimento durante o dia, como uma área de armazenamento de bens de alto valor. Com o YOLO11, o sistema pode monitorizar essa área e detetar qualquer atividade invulgar, como acesso não autorizado ou movimento de artigos, acionando alertas imediatos.

Da mesma forma, o YOLO11 pode ajudar a contar o número de pessoas e veículos que entram e saem do armazém através de todos os pontos de acesso. Monitorizar este movimento pode fornecer informações sobre tentativas de acesso não autorizado, confirmando que apenas pessoal e veículos aprovados estão a entrar ou a sair das instalações e reforçando a segurança global.

Fig 4. Monitorização da atividade num armazém com a demonstração do YOLO11.

Link to this sectionVigilância de cidades inteligentes com câmaras baseadas em visão e YOLO11#

À medida que as populações urbanas crescem, enfrentam novos desafios de segurança. Ao lidar com problemas como ajuntamentos inesperados, atividade invulgar na rua e perturbações no trânsito, os métodos de monitorização tradicionais, onde várias equipas observam feeds de câmaras, podem levar a incidentes despercebidos. Ao integrar a visão computacional nos sistemas existentes, as equipas de segurança podem detetar, seguir e analisar pessoas e objetos automaticamente em tempo real, melhorando o tempo de resposta e a consciencialização.

Os modelos YOLO11 são ideais para esta tarefa, pois conseguem seguir múltiplos objetos através de várias câmaras simultaneamente. O YOLO11 pode ser treinado para identificar facilmente eventos como ajuntamentos em áreas restritas, carros estacionados em zonas de proibição ou até mesmo bloqueios nas estradas que possam interromper o fluxo de trânsito.

Link to this sectionPrós e contras das soluções de segurança de visão computacional#

Aqui estão alguns benefícios principais de integrar a visão computacional nos sistemas de segurança:

• Escalabilidade: Modelos de IA de visão como o YOLO11 são altamente escaláveis, tornando-os adequados para uma série de ambientes, desde propriedades residenciais a grandes instalações industriais e espaços públicos. Estes sistemas podem facilmente expandir-se e ser personalizados para acomodar necessidades de segurança crescentes, permitindo a implementação a vários níveis e dimensões.
• Eficiência de custos a longo prazo: Embora os custos iniciais de instalação possam ser mais elevados, os sistemas de visão computacional podem, em última análise, reduzir os custos laborais ao automatizar a monitorização e reduzir a necessidade de pessoal de segurança 24 horas por dia.
• Integração com sistemas existentes: As soluções de IA de visão podem integrar-se perfeitamente com os sistemas de segurança existentes, como câmaras CCTV ou sistemas de alarme, pelo que as organizações podem melhorar as suas capacidades de segurança sem precisarem de substituir tudo.

Apesar destas vantagens, a adoção de visão computacional em sistemas de segurança também acarreta certas limitações. Aqui estão alguns fatores a considerar:

• Sensibilidade ambiental: Fatores ambientais como fraca iluminação ou condições meteorológicas podem afetar a precisão dos modelos de visão computacional.
• Preocupações com a privacidade: A vigilância contínua levanta preocupações sobre como os dados são armazenados, quem tem acesso a eles e como as leis de privacidade são seguidas.
• Falsos positivos: Embora a visão computacional reduza os falsos positivos, podem ainda ocorrer erros de deteção, conduzindo a alertas desnecessários.

Link to this sectionPrincipais pontos#

Os sistemas de alarme de segurança estão a tornar-se mais inteligentes com a ajuda da visão computacional. Os sistemas alimentados pelo Ultralytics YOLO11 dão um grande passo em frente no sentido da deteção de ameaças em tempo real. Ao contrário dos sistemas de segurança tradicionais que reagem ao movimento, o YOLO11 ajuda as câmaras a compreender o movimento, segui-lo com precisão e alertar rapidamente as equipas de segurança. À medida que estes modelos continuam a evoluir, podemos esperar uma deteção ainda mais precisa, menos alarmes falsos e uma melhor integração com cidades inteligentes e dispositivos de ponta.

Junta-te à nossa comunidade e repositório GitHub para saberes mais sobre IA. Explora as nossas páginas de soluções para aprender mais sobre as aplicações de IA na agricultura e visão computacional na logística. Consulta as nossas opções de licenciamento e começa a construir com visão computacional hoje mesmo!