CV_LP_project

Note: All IP addresses, passwords, and camera information have been anonymized to protect sensitive data.

---

Table of Contents

• English
  • Overview
  • 1. Simple Difference-Based Detection
  • 2. YOLO Single Camera People Counter
  • 3. YOLO Timer-Based People Counter
  • 4. Flask Video Stream
  • 5. Multi-Camera GUI People Counter
• Português
  • Visão Geral
  • 1. Detecção Baseada em Diferença Simples
  • 2. Contador de Pessoas YOLO em Câmera Única
  • 3. Contador de Pessoas YOLO com Temporizador
  • 4. Streaming de Vídeo com Flask
  • 5. Contador de Pessoas GUI Multi-Câmera

---

English

Overview

This repository contains a series of computer vision scripts designed to count people in real-time across one or multiple cameras. The project evolved from basic frame difference detection to YOLO-based tracking, timer-enabled snapshots, Flask video streaming, and finally a multi-camera GUI people counter.

Back to Top

---

1. Simple Difference-Based Detection

Highlights:

• Extremely lightweight; runs on low-power devices.
• Detects moving objects without complex models.
• Allows quick prototyping.

Example Workflow:

first_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
first_frame = cv2.GaussianBlur(first_frame, (21, 21), 0)

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (21, 21), 0)

delta = cv2.absdiff(first_frame, gray)
thresh = cv2.threshold(delta, 50, 255, cv2.THRESH_BINARY)[1]

contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
    if cv2.contourArea(c) > min_area:
        cx = int((x + x + w) / 2)
        if cx > line_x: count_exit += 1

Lessons Learned:

• Sensitive to lighting changes and shadows.
• Thresholds and minimum contour area require tuning.
• Simple and effective for testing but not robust for multi-camera setups.

Full script | Back to Top

---

2. YOLO Single Camera People Counter

Highlights:

• Real-time object detection using YOLOv8 nano.
• Persistent tracking IDs prevent double-counting.
• Simple vertical line counting.
• Can save snapshots of detected people crossing the line.

Example Workflow:

ret, frame = cap.read()
results = model.track(frame, persist=True, classes=[0])

for track_id, box in zip(results[0].boxes.id, results[0].boxes.xyxy):
    x1, y1, x2, y2 = box
    center_x = (x1 + x2) // 2

if prev_x < line_x and curr_x >= line_x:
    out_count += 1

Lessons Learned:

• YOLO improves detection accuracy over simple frame differencing.
• Centroid tracking is essential to maintain correct counts.
• Single-camera setup is easier for testing; multi-camera setups require further integration.

Full script | Back to Top

---

3. YOLO Timer-Based People Counter

Highlights:

• Adds timers for each detected person using Python threading.
• Snapshots saved automatically when timer expires.
• Handles multiple people concurrently without freezing the video feed.

Example Workflow:

threading.Thread(target=countdown, args=(15, track_id)).start()

def countdown(seconds, track_id):
    time.sleep(seconds)
    save_snapshot(track_id)

Lessons Learned:

• Threading ensures the main video feed is not blocked.
• Timer-based snapshots allow automated capture of events.
• Concurrent snapshot saving must be handled carefully.

Full script | Back to Top

---

4. Flask Video Stream

Highlights:

• Streams video from USB cameras over HTTP.
• Accessible from any device on the network.
• Works best for lightweight single-camera monitoring.

Example Workflow:

camera = cv2.VideoCapture(0)
ret, frame = camera.read()

ret, buffer = cv2.imencode('.jpg', frame)
yield (b'--frame\r\n'
       b'Content-Type: image/jpeg\r\n\r\n' + buffer.tobytes() + b'\r\n')

@app.route('/video_feed')
def video_feed():
    return Response(generate_frames(), mimetype='multipart/x-mixed-replace; boundary=frame')

Lessons Learned:

• Flask provides a simple interface for live streaming.
• Frame encoding must be efficient for smooth playback.

Full script | Back to Top

---

5. Multi-Camera GUI People Counter

Highlights:

• Dynamic camera selection via GUI.
• Threaded updates for smooth GUI operation.
• Real-time tracking and counting with YOLO.
• Highly scalable; cameras stored in a dictionary.
• Modular structure: GUI, detection, tracking, threading.

Example Workflow:

selectcam("LavaBotas")
threading.Thread(target=start_feed).start()

if prev_x < line_x and curr_x >= line_x:
    out_count += 1

Cam_dict = {"adm": "Ti", "prod": "LavaBotas", "new_area": "NewCameraIP"}
video_label.config(image=ImageTk.PhotoImage(Image.fromarray(frame)))

Lessons Learned:

• Threading ensures smooth video updates and responsive GUI.
• Persistent IDs maintain accurate counting.
• Modular camera dictionary allows easy addition of new cameras.
• Multi-camera architecture is key to scaling from a single feed to multiple areas.

Full script | Back to Top

---

Português

Visão Geral

Este repositório contém uma série de scripts de visão computacional projetados para contar pessoas em tempo real em uma ou várias câmeras. O projeto evoluiu da detecção básica por diferença de quadros ao rastreamento com YOLO, snapshots com temporizador, streaming de vídeo com Flask e, finalmente, um contador de pessoas GUI multi-câmera.

Voltar ao Topo

---

1. Detecção Baseada em Diferença Simples

Destaques:

• Extremamente leve; roda em dispositivos de baixo consumo.
• Detecta objetos em movimento sem modelos complexos.
• Permite prototipagem rápida.

Exemplo de Fluxo:

first_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
first_frame = cv2.GaussianBlur(first_frame, (21, 21), 0)

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (21, 21), 0)

delta = cv2.absdiff(first_frame, gray)
thresh = cv2.threshold(delta, 50, 255, cv2.THRESH_BINARY)[1]

contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
    if cv2.contourArea(c) > min_area:
        cx = int((x + x + w) / 2)
        if cx > line_x: count_exit += 1

Lições Aprendidas:

• Sensível a mudanças de iluminação e sombras.
• Limiares e área mínima de contorno exigem ajuste.
• Simples e eficaz, mas não robusto para multi-câmeras.

Script completo | Voltar ao Topo

---

2. Contador de Pessoas YOLO em Câmera Única

Destaques:

• Detecção em tempo real com YOLOv8 nano.
• IDs persistentes evitam dupla contagem.
• Contagem simples com linha vertical.
• Possibilidade de snapshots automáticos.

Exemplo de Fluxo:

ret, frame = cap.read()
results = model.track(frame, persist=True, classes=[0])

for track_id, box in zip(results[0].boxes.id, results[0].boxes.xyxy):
    x1, y1, x2, y2 = box
    center_x = (x1 + x2) // 2

if prev_x < line_x and curr_x >= line_x:
    out_count += 1

Lições Aprendidas:

• YOLO aumenta a precisão em relação à diferença de quadros.
• Rastreamento por centróides é essencial para contagens corretas.
• Configuração de uma câmera é mais simples; multi-câmera requer integração adicional.

Script completo | Voltar ao Topo

---

3. Contador de Pessoas YOLO com Temporizador

Destaques:

• Adiciona temporizadores para cada pessoa usando threading do Python.
• Snapshots salvos automaticamente ao expirar o temporizador.
• Rastreia múltiplas pessoas simultaneamente sem travar o feed de vídeo.

Exemplo de Fluxo:

threading.Thread(target=countdown, args=(15, track_id)).start()

def countdown(seconds, track_id):
    time.sleep(seconds)
    save_snapshot(track_id)

Lições Aprendidas:

• Threading evita travamento do feed principal.
• Snapshots automatizam a captura de eventos.
• Salvar simultaneamente exige cuidado.

Script completo | Voltar ao Topo

---

4. Streaming de Vídeo com Flask

Destaques:

• Transmite vídeo de câmeras USB via HTTP.
• Acessível pela rede via navegador.
• Ideal para monitoramento leve de uma única câmera.

Exemplo de Fluxo:

camera = cv2.VideoCapture(0)
ret, frame = camera.read()

ret, buffer = cv2.imencode('.jpg', frame)
yield (b'--frame\r\n'
       b'Content-Type: image/jpeg\r\n\r\n' + buffer.tobytes() + b'\r\n')

@app.route('/video_feed')
def video_feed():
    return Response(generate_frames(), mimetype='multipart/x-mixed-replace; boundary=frame')

Lições Aprendidas:

• Flask fornece streaming ao vivo de forma simples.
• Codificação eficiente mantém reprodução fluida.

Script completo | Voltar ao Topo

---

5. Contador de Pessoas GUI Multi-Câmera

Destaques:

• GUI permite seleção dinâmica de câmeras.
• Atualizações em threads para operação suave.
• Rastreamento e contagem em tempo real com YOLO.
• Altamente escalável; câmeras armazenadas em um dicionário.
• Estrutura modular: GUI, detecção, rastreamento, threading.

Exemplo de Fluxo:

selectcam("LavaBotas")
threading.Thread(target=start_feed).start()

if prev_x < line_x and curr_x >= line_x:
    out_count += 1

Cam_dict = {"adm": "Ti", "prod": "LavaBotas", "new_area": "NewCameraIP"}
video_label.config(image=ImageTk.PhotoImage(Image.fromarray(frame)))

Lições Aprendidas:

• Threading garante atualizações suaves.
• IDs persistentes mantêm contagens precisas.
• Dicionário modular simplifica adicionar câmeras.
• Arquitetura multi-câmera escalável.

Script completo | Voltar ao Topo