cctv-yolo

name	cctv-yolo
description	Detección de objetos YOLO para cámaras CCTV — tráfico, vehículos, personas en tiempo real.
version	1.0.0
tags	["YOLO","CCTV","detection","traffic","vehicles","real-time","CV"]

CCTV YOLO — Detección para Cámaras de Seguridad

Resumen

Detección de objetos YOLO para cámaras CCTV — tráfico, vehículos, personas en tiempo real. 624⭐.

Repo de referencia

• GitHub: github.com/SanshruthR/CCTV_YOLO
• Lenguaje: Python
• Licencia: MIT

Instalación

pip install ultralytics opencv-python numpy
# O clonar
git clone https://github.com/SanshruthR/CCTV_YOLO.git
cd CCTV_YOLO && pip install -r requirements.txt

Uso Básico

import cv2
from ultralytics import YOLO

# Cargar modelo YOLO
model = YOLO("yolov8n.pt")

# Detectar en video de CCTV
cap = cv2.VideoCapture("cctv_feed.mp4")

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    
    # Inferencia
    results = model(frame, conf=0.25)
    
    # Dibujar resultados
    for r in results:
        boxes = r.boxes
        for box in boxes:
            cls = model.names[int(box.cls)]
            conf = box.conf[0]
            pts = box.xyxy[0].int().tolist()
            cv2.rectangle(frame, (pts[0], pts[1]), (pts[2], pts[3]), 
                         (0, 255, 0), 2)
            cv2.putText(frame, f"{cls} {conf:.2f}", 
                       (pts[0], pts[1]-10),
                       cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
    
    cv2.imshow("CCTV YOLO", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()

Clases Detectables

1. Personas — count de personas en zona
2. Vehículos — coches, motos, camiones
3. Tráfico — densidad vehicular
4. Objetos abandonados — detección de objetos estáticos

Integración con Mastermind

• Complementa computer-vision pipelines para vigilancia
• Útil para traffic-digital-twin — datos de cámaras reales
• Reemplaza detección manual con YOLO pre-entrenado
• Ideal para satellite-traffic-detection — misma lógica, otra fuente

Pitfalls

• Cámara fija: Modelos entrenados con cámara fija pueden no generalizar
• Iluminación: Noche/lluvia afectan precisión
• Resolución: CCTV de baja resolución reduce accuracy
• Performance: YOLO completo es pesado — usar nano/small para tiempo real

Referencias

• GitHub: SanshruthR/CCTV_YOLO