Visão computacional com YOLO: detecção de objetos em tempo real

A visão computacional é uma área da inteligência artificial focada em permitir que computadores interpretem imagens e vídeos.

Atualmente, aplicações de visão computacional estão presentes em:

• carros autônomos;
• monitoramento urbano;
• segurança;
• reconhecimento facial;
• medicina;
• drones;
• análise de trânsito;
• cidades inteligentes.

Nos últimos anos, modelos de detecção de objetos evoluíram bastante, principalmente com arquiteturas como YOLO (You Only Look Once), que se tornaram populares por sua velocidade e eficiência.

Neste artigo vamos entender:

• o que é visão computacional;
• como funciona detecção de objetos;
• conceitos do YOLO;
• pipelines de processamento;
• aplicações práticas.

O que é visão computacional?

Visão computacional é o campo responsável por permitir que sistemas interpretem informações visuais.

Esses sistemas podem:

• identificar objetos;
• segmentar imagens;
• reconhecer padrões;
• detectar movimento;
• analisar vídeos;
• rastrear elementos.

Como computadores enxergam imagens?

Imagens digitais são compostas por matrizes de pixels.

Cada pixel armazena informações de cor.

Representação simplificada

flowchart LR
    Imagem[Imagem]
    Pixels[Matriz de Pixels]
    Modelo[Modelo IA]
    Resultado[Resultado]

    Imagem --> Pixels
    Pixels --> Modelo
    Modelo --> Resultado

O que é detecção de objetos?

Detecção de objetos é a tarefa de localizar e identificar elementos dentro de imagens ou vídeos.

O modelo precisa:

1. identificar o objeto;
2. classificar o objeto;
3. localizar sua posição.

Diferença entre classificação e detecção

Como funciona a detecção?

Modelos de detecção normalmente retornam:

• classe do objeto;
• confiança;
• coordenadas.

Exemplo

Objeto: carro
Confianca: 97%
Posicao: x=120 y=200

Além disso, o modelo desenha caixas ao redor dos elementos detectados.

Essas caixas são chamadas de bounding boxes.

O que é YOLO?

YOLO (You Only Look Once) é uma família de modelos de detecção de objetos em tempo real.

A principal proposta do YOLO é realizar detecção utilizando apenas uma passagem pela rede neural.

Isso torna o modelo extremamente rápido em comparação com abordagens mais antigas.

Pipeline simplificado do YOLO

flowchart LR
    Imagem[Imagem]
    Rede[YOLO]
    Bounding[Bounding Boxes]
    Classes[Classes Detectadas]

    Imagem --> Rede
    Rede --> Bounding
    Rede --> Classes

Bounding boxes

Bounding boxes são caixas utilizadas para marcar objetos detectados.

Exemplo conceitual

+-------------------+
|       carro       |
+-------------------+

O modelo retorna coordenadas indicando onde o objeto está localizado.

Por que YOLO ficou popular?

YOLO ganhou destaque principalmente por:

• velocidade;
• eficiência;
• capacidade de tempo real;
• boa precisão;
• facilidade de integração.

Isso permitiu aplicações em:

• câmeras;
• drones;
• trânsito;
• monitoramento;
• edge computing.

Evolução das versões do YOLO

A arquitetura YOLO passou por várias evoluções.

Visão computacional em monitoramento urbano

Uma aplicação interessante para YOLO é o monitoramento urbano.

Modelos podem ser utilizados para detectar:

• veículos;
• enchentes;
• movimentação;
• objetos;
• riscos urbanos.

Projetos experimentais ajudam bastante no aprendizado de:

• processamento de imagens;
• machine learning;
• integração de sistemas;
• pipelines de dados.

Um exemplo é o projeto experimental:

• Urban Disaster Monitor

que explora conceitos relacionados a monitoramento urbano, processamento de dados e integração de sistemas.

Exemplo visual de monitoramento

A imagem abaixo faz parte do projeto Urban Disaster Monitor e representa um cenário de monitoramento urbano.

Nesse tipo de aplicação, modelos de visão computacional podem ser utilizados para:

• detectar objetos;
• analisar movimentação;
• identificar padrões;
• auxiliar monitoramento em tempo real.

Pipeline de visão computacional

Sistemas de visão computacional normalmente possuem múltiplas etapas.

flowchart TD
    Camera[Camera ou Dataset]
    Preprocessamento[Pre-processamento]
    Modelo[YOLO]
    Deteccao[Deteccao]
    Dashboard[Visualizacao]

    Camera --> Preprocessamento
    Preprocessamento --> Modelo
    Modelo --> Deteccao
    Deteccao --> Dashboard

OpenCV e Python

OpenCV é uma das bibliotecas mais utilizadas em visão computacional.

Ela permite:

• leitura de imagens;
• captura de vídeo;
• processamento;
• filtros;
• integração com modelos.

Exemplo simples com OpenCV

import cv2

imagem = cv2.imread("imagem.jpg")

cv2.imshow("Imagem", imagem)
cv2.waitKey(0)

Pré-processamento de imagens

Antes da inferência, normalmente é necessário tratar as imagens.

Etapas comuns

• redimensionamento;
• normalização;
• remoção de ruído;
• conversão de cores.

Dataset e treinamento

Modelos supervisionados precisam de datasets anotados.

As anotações geralmente incluem:

• classe;
• posição;
• bounding box.

Fluxo de treinamento

flowchart LR
    Dataset[Dataset]
    Anotacoes[Anotacoes]
    Treinamento[Treinamento]
    Modelo[Modelo Treinado]

    Dataset --> Anotacoes
    Anotacoes --> Treinamento
    Treinamento --> Modelo

Métricas importantes

Em visão computacional, algumas métricas são bastante utilizadas.

Tempo real e desempenho

Aplicações de monitoramento frequentemente precisam processar vídeo em tempo real.

Isso exige atenção para:

• desempenho;
• uso de GPU;
• otimização;
• latência.

CPU vs GPU

Desafios em visão computacional

Projetos de visão computacional possuem vários desafios.

Possíveis aplicações

Visão computacional possui aplicações em diversas áreas.

Exemplos

• monitoramento urbano;
• trânsito inteligente;
• reconhecimento facial;
• segurança;
• análise industrial;
• medicina;
• agricultura.

IA, cidades inteligentes e monitoramento

Com o crescimento das chamadas smart cities, aplicações de visão computacional passaram a ter um papel importante na análise urbana.

Sistemas desse tipo ajudam a:

• automatizar análises;
• detectar padrões;
• apoiar monitoramento;
• processar grandes volumes de dados.

Além disso, projetos experimentais ajudam bastante no aprendizado prático de integração entre IA, backend e processamento de dados.

Conclusão

Visão computacional é uma das áreas mais interessantes da inteligência artificial moderna.

Modelos como YOLO popularizaram a detecção de objetos em tempo real, permitindo aplicações em diversas áreas.

Além de aprendizado em machine learning, projetos de visão computacional também ajudam a desenvolver conhecimentos em:

• processamento de imagens;
• APIs;
• otimização;
• pipelines de dados;
• arquitetura de sistemas.

Com a evolução de GPUs, datasets e modelos de deep learning, aplicações baseadas em visão computacional tendem a crescer cada vez mais.

Referências

• https://opencv.org/
• https://docs.ultralytics.com/
• https://pjreddie.com/darknet/yolo/
• https://pytorch.org/
• https://www.tensorflow.org/
• https://github.com/MariaCarolinass/urban-disaster-monitor