🏍️ Helmet Detector

Sistema de detecção de capacetes em motociclistas em tempo real utilizando YOLOv11

Detecção automática de motociclistas utilizando e não utilizando capacete por meio de visão computacional e aprendizado profundo.

Treinado com PyTorch e Ultralytics YOLOv11, com suporte a GPU, exportação para Core ML e inferência em tempo real.

---

✨ Funcionalidades

• 🏍️ Detecção de motociclistas utilizando capacete
• 🚨 Detecção de motociclistas sem capacete
• ⚡ Inferência em tempo real com suporte a GPU
• 🧠 Treinamento utilizando YOLOv11 e PyTorch
• 📦 Exportação para Core ML (.mlpackage)
• 🎯 Classificação baseada em score de confiança
• 📊 Geração de alertas de não conformidade
• 📸 Salvamento automático de evidências
• 🔍 Processamento de imagens, vídeos e diretórios completos
• 🔄 Conversão automática de anotações XML para YOLO

---

📌 Visão Geral

Item	Detalhe
Tarefa	Object Detection
Modelo	YOLO11s
Framework	Ultralytics + PyTorch + CUDA
Classes	BikesHelmets / BikesNoHelmets
Exportação	Core ML
Inferência	Tempo Real
Hardware	CPU ou GPU NVIDIA

---

🗂️ Estrutura do Projeto

Helmet_detect/
|
├── export_model.py
├── main.py
├── train_helmet_yolo.py
├── xml_to_yolo_converter.py
├── helmet_dataset.yaml
├── README.md
├── LICENSE
|
├── dataset/
│   ├── images/
│   │   ├── train/
│   │   └── val/
│   │
│   └── labels/
│       ├── xml/
│       └── yolo/
|
└── runs/
    └── detect/
        └── helmet_yolo11s_v2/
            └── weights/
                ├── best.pt
                └── best.mlpackage

---

⚙️ Instalação

Clonar o repositório

git clone https://github.com/JonathanMar/Helmet_detect.git
cd Helmet_detect

Criar ambiente virtual

python -m venv env
source env/bin/activate

Windows:

env\Scripts\activate

Instalar dependências

pip install torch torchvision torchaudio
pip install ultralytics

---

🗃️ Dataset

Estrutura esperada:

dataset/
|
├── images/
│   ├── train/
│   └── val/
|
└── labels/
    ├── train/
    └── val/

Arquivo de configuração:

train: ./dataset/images/train
val: ./dataset/images/val

nc: 2

names:
  - BikesHelmets
  - BikesNoHelmets

Classes

ID	Classe
0	BikesHelmets
1	BikesNoHelmets

---

🔄 Conversão XML → YOLO

Para converter anotações Pascal VOC XML para o formato YOLO:

python xml_to_yolo_converter.py

Classes utilizadas:

classes = [
    "With Helmet",
    "Without Helmet"
]

---

🧠 Treinamento

Executar:

python train_helmet_yolo.py

Configuração principal:

model.train(
    data="helmet_dataset.yaml",
    epochs=100,
    imgsz=640,
    batch=24,
    name="helmet_yolo11s_v2",
    patience=50,
    device=0,
    workers=8,
    optimizer="AdamW",
    lr0=0.001,
    augment=True,
    cos_lr=True
)

Hiperparâmetros

Parâmetro	Valor
Modelo	YOLO11s
Epochs	100
Batch Size	24
Imagem	640x640
Optimizer	AdamW
Learning Rate	0.001
Scheduler	Cosine LR
Patience	50
Augmentation	Ativado

---

🚀 Inferência

Executar:

python main.py

Fluxo executado:

1. Carrega o modelo treinado
2. Detecta automaticamente GPU ou CPU
3. Processa imagens do diretório configurado
4. Detecta motociclistas sem capacete
5. Gera alertas de não conformidade
6. Salva imagens anotadas

Exemplo de saída

--- RESULTADOS DA ANALISE DE CONFORMIDADE ---

⚠️ 12 Detecções de 'Sem Capacete' encontradas!

[ALERTA]
Imagem: moto_001.jpg
Confiança: 0.943
BBOX: [120, 85, 312, 410]

[ALERTA]
Imagem: moto_002.jpg
Confiança: 0.918
BBOX: [95, 74, 285, 398]

---

📊 Classes Monitoradas

CLASSES = {
    0: "BikesHelmets",
    1: "BikesNoHelmets"
}

Classe alvo para fiscalização:

TARGET_CLASS_ID = 1

---

📦 Exportação para Core ML

Executar:

python export_model.py

Código utilizado:

from ultralytics import YOLO

model = YOLO(
    "runs/detect/helmet_yolo11s_v2/weights/best.pt"
)

model.export(
    format="coreml",
    int8=True,
    simplify=True
)

Resultado:

runs/detect/helmet_yolo11s_v2/weights/best.mlpackage

Compatível com:

• iOS
• iPadOS
• macOS
• Apple Silicon

---

🎯 Aplicações

• Fiscalização eletrônica
• Segurança viária
• Smart Cities
• Sistemas ITS
• Monitoramento urbano
• Rodovias inteligentes
• Edge AI
• Câmeras de trânsito
• Análise automática de conformidade

---

🛠️ Tecnologias Utilizadas

Categoria	Tecnologia
Linguagem	Python
Deep Learning	PyTorch
Detecção de Objetos	YOLOv11
Framework	Ultralytics
Aceleração	CUDA
Exportação	Core ML
Anotação	Pascal VOC XML
Dataset	YOLO Format
Versionamento	Git + GitHub

---

📚 Citation

@misc{marcon2026helmetdetector,
  author = {Jonathan Marcon},
  title = {Helmet Detector: Real-Time Motorcycle Helmet Detection Using YOLOv11},
  year = {2026},
  publisher = {GitHub},
  url = {https://github.com/JonathanMar/Helmet_detect}
}

---

📄 License

Este projeto está licenciado sob a licença MIT.

Consulte o arquivo LICENSE para mais informações.

---

🏁 Conclusão

O Helmet Detector utiliza YOLOv11 para identificar motociclistas com e sem capacete em imagens e vídeos. O sistema oferece treinamento personalizado, inferência em tempo real, exportação para Core ML e suporte a aceleração por GPU, sendo adequado para aplicações de fiscalização automática, monitoramento urbano e sistemas inteligentes de transporte.