🎯 YOLO Distance Calculator

Un calculateur de distance intelligent utilisant YOLOv11 pour détecter et mesurer la distance des objets en temps réel à partir de vidéos, images ou flux CCTV.

✨ Fonctionnalités

• 🔍 Détection multi-objets : Détecte personnes, voitures, motos, vélos, bus, camions, etc.
• 📏 Calcul de distance : Calcule automatiquement la distance des objets détectés
• 🎨 Couleurs personnalisables : Chaque type d'objet a sa propre couleur
• 📹 Sources multiples : Supporte vidéos, images et flux CCTV/webcam
• ⚙️ Configuration flexible : Personnalisation facile via le fichier config.py
• 🚀 Interface interactive : Sélection simple de la source d'entrée

🚀 Installation

Prérequis

• Python (testé avec Python 3.12)
• pip

Installation des dépendances

pip install -r requirements.txt

Modèle YOLO

Merci de spécifier l'emplacement du modèle YOLO dans le fichier config.py en définissant la variable YOLO_MODEL_PATH. Par exemple :

YOLO_MODEL_PATH = "chemin/vers/votre/yolovX.pt"

Assurez-vous que le chemin pointe vers le fichier du modèle YOLOvX que vous souhaitez utiliser.

🎮 Utilisation

Lancement du programme

python yolo_distance.py

Menu interactif

Le programme vous propose 3 options :

1. URL CCTV/Webcam - Pour les flux en direct
2. Fichier image - Pour analyser une image
3. Fichier vidéo - Pour analyser une vidéo (Testé avec des vidéos locales)

Contrôles

• Images : Appuyez sur n'importe quelle touche pour fermer
• Vidéos/CCTV : Appuyez sur 'q' pour quitter

⚙️ Configuration

Fichier config.py

Sources d'entrée

CCTV_URL = "votre_url_cctv"
IMAGE_FILE = "chemin/vers/votre/image.jpg"
VIDEO_FILE = "chemin/vers/votre/video.mp4"

Classes détectées

CLASS_INFO = {
    0: ("Person", 0.4),        # Personne - 0.4m de largeur moyenne
    2: ("Car", 1.8),           # Voiture - 1.8m de largeur moyenne
    3: ("Motorcycle", 0.8),    # Moto - 0.8m de largeur moyenne
    # ... autres classes
}

Couleurs personnalisées (format BGR)

CLASS_COLORS = {
    0: (0, 255, 0),      # Vert pour les personnes
    2: (0, 0, 255),      # Rouge pour les voitures
    3: (255, 255, 0),    # Cyan pour les motos
    # ... autres couleurs
}

🎯 Classes détectées par défaut

Objet	ID	Couleur	Largeur moyenne
👤 Person	0	Vert	0.4m
🚴 Bicycle	1	Bleu	0.6m
🚗 Car	2	Rouge	1.8m
🏍️ Motorcycle	3	Cyan	0.8m
✈️ Airplane	4	Violet	35.0m
🚌 Bus	5	Magenta	2.5m
🚂 Train	6	Orange	3.0m
🚛 Truck	7	Jaune	2.4m
🛥️ Boat	8	Bleu clair	3.0m
🖥️ Monitor	62	Blanc	0.5m

🔧 Personnalisation

Ajouter une nouvelle classe

# Dans config.py
CLASS_INFO[15] = ("Cat", 0.3)  # Chat avec largeur 0.3m
CLASS_COLORS[15] = (0, 100, 200)  # Couleur orange

Modifier une classe existante

# Changer la largeur des voitures
CLASS_INFO[2] = ("Car", 2.0)  # Nouvelle largeur 2.0m

# Changer la couleur des voitures
CLASS_COLORS[2] = (255, 100, 0)  # Nouvelle couleur

📁 Structure du projet

yolov8_distance_calculator/
├── yolo_distance.py           # Script principal
├── distance_calculator.py     # Logique de calcul de distance
├── config.py                  # Configuration
├── requirements.txt           # Dépendances
└── README.md                 # Documentation

🛠️ Fonctionnement technique

Calcul de distance

La distance est calculée en utilisant la formule :

Distance = (Largeur_réelle × Distance_focale) / Largeur_perçue_en_pixels

Distance focale

Calculée automatiquement ou utilise une valeur par défaut si aucune source CCTV n'est disponible.

🎨 Couleurs BGR

Format utilisé par OpenCV (Bleu, Vert, Rouge) :

• Rouge : (0, 0, 255)
• Vert : (0, 255, 0)
• Bleu : (255, 0, 0)
• Cyan : (255, 255, 0)
• Magenta : (255, 0, 255)
• Jaune : (0, 255, 255)

🚀 Exemples d'utilisation

Analyse d'une image

python yolo_distance.py
# Choisir option 2
# Entrer le chemin de votre image

Flux webcam

python yolo_distance.py
# Choisir option 1
# Entrer 0 pour la webcam par défaut

Vidéo locale

python yolo_distance.py
# Choisir option 3
# Entrer le chemin de votre vidéo

🔍 Dépannage

Problèmes courants

📋 Dépendances

• opencv-python - Traitement d'images et vidéos
• ultralytics - Modèles YOLO
• numpy - Calculs numériques

🤝 Contribution

Les contributions sont les bienvenues ! N'hésitez pas à :

• Signaler des bugs
• Proposer de nouvelles fonctionnalités
• Améliorer la documentation
• Ajouter de nouvelles classes d'objets

🙏 Remerciements

• Ultralytics pour YOLO
• OpenCV pour le traitement d'images
• Merci à omukesh, auteur du projet original dont ce dépôt est un fork.

PS

• Ce projet a été réalisé en grande partie avec l'aide de GitHub Copilot dans Visual Studio Code en mode agent et avec le model Claude Sonnet 4, une intelligence artificielle d'assistance à la génération de code.

• Je n'ai pas encore vérifié la logique de calcul de distance du projet d'origine dont j'ai réalisé le fork.