Detecção de Objetos em tempo real com drones

ATENÇÃO! Este repositório está sendo atualizado com as intruções, porém os códigos já estão disponibilizados na sua íntegra.

RESUMO

Criei um hotspot a partir do celular e conectei meu notebook nele, mesma rede.
Instalei NGINX no notebook para criar um RTMP Server.
Fiz streaming da tela do celular para o notebook, usando o app de celular PRISM Live.
Executei um script Python para monitorar a porta 1935 e capturar os pacotes RTMP com o OpenCV.
Passei os frames na arquitetura deep learning YOLO, treinada no COCO dataset.

INSTRUÇÕES (EM ATUALIZAÇÃO)

1. Baixar o modelo YOLO-COCO

Devido à restrição de tamanhos de arquivos no Github, não foi possível disponibilizar o modelo YOLO treinado no dataset COCO.

Para esse script funcionar, baixe este arquivo zip aqui e coloque todo o conteúdo extraído (3 arquivos no total) dentro do diretório coco-yolo.

2. Baixar o modelo YOLO-COCO automaticamente

Executar o script utilizando o argumento --download-assets para baixar os arquivos de configuração e modelo YOLO treinado com dataset COCO.

Exemplo:

python main.py -i rmtp://localhost/live --download-assets

3. Execução com Tiny-YOLO

Se tiver problemas de perfomance durante a execução, tente rodar com o parâmetro --yolo-version=yolov3-tiny. O script irá utilizar um modelo treinado com dataset menor.

O Tiny-YOLO demonstrou ser aproximadamente 442% mais rápido que as versões mais completas, chegando a mais de 244 FPS em uma única GPU. https://www.pyimagesearch.com/2020/01/27/yolo-and-tiny-yolo-object-detection-on-the-raspberry-pi-and-movidius-ncs/