cctv-yolo

# 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 ```bash 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 ```python 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](https://github.com/SanshruthR/CCTV_YOLO)