metadata

title: FIAP VisionGuard - Weapon Detection System
emoji: 🚨
colorFrom: red
colorTo: yellow
sdk: gradio
sdk_version: 5.15.0
app_file: app.py
pinned: false
license: apache-2.0
tags:
  - security
  - computer-vision
  - weapon-detection
  - fiap
python_version: '3.10'
app_port: 7860

FIAP VisionGuard - Risk Detection - Hackatoon 1IADT

Sistema de Detecção de Armas e Objetos Perigosos

Sobre o Projeto

A FIAP VisionGuard é uma empresa especializada em monitoramento de câmeras de segurança que busca inovar através da implementação de tecnologias avançadas de detecção de riscos. Este projeto demonstra a viabilidade de uma nova funcionalidade que utiliza Inteligência Artificial para identificar objetos potencialmente perigosos em tempo real, como armas brancas (facas, tesouras e similares) e outros objetos de risco.

Objetivo

O sistema visa otimizar a segurança de estabelecimentos e comércios através de:

Detecção automática de objetos perigosos
Emissão de alertas em tempo real para centrais de segurança
Análise contínua de feeds de vídeo
Redução do tempo de resposta a incidentes

Sistema de detecção de objetos de risco em vídeos usando OWLV2-ViT e processamento GPU/CPU otimizado.

Funcionalidades

Detecção de objetos de risco em vídeos
Processamento otimizado em GPU (NVIDIA T4) e CPU
Interface web intuitiva com Gradio
API REST para integração
Sistema de notificações:
- Webhook para integrações personalizadas
- E-mail para alertas diretos
Métricas detalhadas de processamento

Requisitos

Python 3.10+
CUDA 11.8+ (para GPU)
NVIDIA T4 16GB ou superior (recomendado)
16GB RAM mínimo

Instalação

Clone o repositório:

git clone https://github.com/seu-usuario/hackatoon-1iadt.git
cd hackatoon-1iadt

Instale as dependências:
```
pip install -r requirements.txt
```
Configure o ambiente:
```
cp .env.example .env
```

Documentação completa de instalação

Uso

Inicie a aplicação:
```
python app.py
```
Acesse: http://localhost:7860
Upload de vídeo:
- Arraste ou selecione um vídeo
- Ajuste as configurações
- Clique em "Detectar"

Documentação

Arquitetura

O projeto segue os princípios da Clean Architecture:

src/
├── domain/         # Regras de negócio
├── application/    # Casos de uso
├── infrastructure/ # Implementações
└── presentation/   # Interface

Detalhes da arquitetura

Deploy no Hugging Face

Configure as credenciais:
```
cp .env.example .env.huggingface
```
Execute o deploy:
```
./deploy.sh
```

Máquinas Recomendadas

GPU

NVIDIA T4 16GB (Hugging Face Pro)
NVIDIA A100 (Performance máxima)
NVIDIA V100 (Alternativa)

CPU

8+ cores
32GB+ RAM
SSD para armazenamento

Interface

Componentes

Upload de vídeo (MP4, AVI, MOV)
Configurações de detecção
Visualização de resultados
Métricas em tempo real

Licença

Este projeto está licenciado sob a Apache License 2.0 - veja o arquivo LICENSE para detalhes.

Contribuição

Fork o projeto
Crie sua feature branch (git checkout -b feature/AmazingFeature)
Commit suas mudanças (git commit -m 'Add some AmazingFeature')
Push para a branch (git push origin feature/AmazingFeature)
Abra um Pull Request

Suporte

Abra uma issue
Consulte a documentação
Entre em contato com a equipe

Spaces:

marcuscanhaco
/

weapon-detection-app

Running