Hệ thống phát hiện và cảnh báo cháy trong video giám sát theo thời gian thực, kết hợp YOLOv8, xử lý màu sắc HSV, Gemini VLM (phân tích hình ảnh bằng AI), và Telegram Bot gửi cảnh báo tức thì.
| Dashboard | Cảnh báo Telegram |
|---|---|
 |
 |
Các file nặng không được lưu trên GitHub. Tải về và đặt đúng thư mục theo hướng dẫn bên dưới.
| File | Mô tả | Thư mục đặt vào |
|---|---|---|
🤖 fire_yolo.pt |
Model YOLOv8 đã train | models/ |
🎬 fire.mp4 |
Video demo chính | video/ |
🎬 fire_detec.mp4 |
Video test thêm | video/ |
⬇️ Tải tất cả tại đây (Google Drive)
Sau khi tải về, đặt file vào đúng vị trí:
FIRE_DETECTION/
├── models/
│ └── fire_yolo.pt ← đặt vào đây
└── video/
├── fire.mp4 ← đặt vào đây
└── fire_detec.mp4 ← đặt vào đây
Video Input (MP4 / Camera)
│
▼
┌───────────────────────┐
│ FireImageProcessor │ ← Phát hiện màu lửa (HSV)
└───────────┬───────────┘
│
┌───────────▼───────────┐
│ YOLOFireDetector │ ← Phát hiện lửa/khói bằng YOLOv8
└───────────┬───────────┘
│
┌───────────▼───────────┐
│ GeminiFireAnalyzer │ ← Xác nhận & đánh giá mức độ (Gemini 2.0 Flash)
└───────────┬───────────┘
│
┌───────────▼───────────┐
│ TelegramNotifier │ ← Gửi ảnh + báo cáo qua Telegram Bot
└───────────────────────┘
│
┌───────────▼───────────┐
│ Flask Dashboard │ ← Xem live feed + log + biểu đồ tại localhost:5000
└───────────────────────┘
FIRE_DETECTION/
├── models/
│ └── fire_yolo.pt # Model YOLOv8 đã train để phát hiện lửa/khói
├── output/
│ ├── frames/ # Ảnh alert được lưu tự động
│ ├── logs/ # Log file fire_log.txt
│ └── result_video/ # (tuỳ chọn) Video kết quả
├── src/
│ ├── image_processing.py # Phát hiện lửa bằng màu HSV
│ ├── telegram_notifier.py # Gửi cảnh báo Telegram (async)
│ ├── vlm_analyzer.py # Phân tích ảnh bằng Gemini AI
│ └── yolo_detector.py # Wrapper cho YOLOv8
├── templates/
│ └── index.html # Giao diện web dashboard
├── video/
│ ├── fire.mp4 # Video demo chính
│ └── fire_detec.mp4 # Video test thêm
├── app.py # Flask web app (dashboard)
├── config.py # Cấu hình toàn bộ hệ thống
├── main.py # Chạy trực tiếp (không cần web)
├── test_yolo.py # Script test model YOLO
├── requirements.txt # Danh sách thư viện
└── README.md
- Python 3.10+
- pip
- (Tuỳ chọn) GPU với CUDA để tăng tốc YOLO
git clone https://github.com/<your-username>/fire-detection.git
cd fire-detectionpython -m venv venv
# Windows
venv\Scripts\activate
# macOS / Linux
source venv/bin/activatepip install -r requirements.txtHoặc cài thủ công từng thư viện:
pip install opencv-python
pip install numpy
pip install flask
pip install ultralytics # YOLOv8
pip install requests
pip install google-genai # Gemini APIMở file config.py và điền thông tin của bạn:
TELEGRAM_BOT_TOKEN = "YOUR_TELEGRAM_BOT_TOKEN"
TELEGRAM_CHAT_ID = "YOUR_TELEGRAM_CHAT_ID"
GEMINI_API_KEY = "YOUR_GEMINI_API_KEY"
VIDEO_PATH = "video/fire.mp4" # Đường dẫn video đầu vào
MODEL_PATH = "models/fire_yolo.pt" # Đường dẫn model YOLO
MIN_FIRE_AREA = 1200 # Diện tích pixel tối thiểu để coi là lửa
ALERT_FRAME_COUNT = 5 # Số frame liên tiếp để kích hoạt alert
YOLO_CONF = 0.20 # Ngưỡng confidence của YOLO
ALERT_COOLDOWN = 2 # Giây chờ giữa 2 lần gửi cảnh báoCách lấy Telegram Bot Token & Chat ID:
- Nhắn tin cho @BotFather →
/newbot→ lấy token- Nhắn bất kỳ tin nhắn cho bot của bạn, sau đó truy cập:
https://api.telegram.org/bot<TOKEN>/getUpdates→ lấychat.id
Cách lấy Gemini API Key: Truy cập Google AI Studio → tạo API key miễn phí
- Đặt file video vào thư mục
video/(mặc định:fire.mp4) - Đặt file model YOLOv8 vào thư mục
models/(mặc định:fire_yolo.pt)
Nếu chưa có model, bạn có thể train bằng Ultralytics YOLOv8 với dataset lửa/khói, hoặc tải model pretrain từ cộng đồng.
python app.pySau đó mở trình duyệt tại: http://localhost:5000
Dashboard hiển thị:
- 📹 Live feed video với overlay nhận diện
- 📊 Biểu đồ số alert theo giờ
- 🗒 Alert log chi tiết
- 📈 Các metrics: tổng alert, frame xử lý, số lần gửi Telegram
python main.pyCửa sổ OpenCV sẽ hiển thị video với overlay nhận diện. Nhấn Q để thoát.
python test_yolo.pyimage_processing.py chuyển frame sang không gian màu HSV và dùng hai dải màu để phát hiện lửa:
- Đỏ cam:
H[0–15],S[120–255],V[150–255] - Cam vàng:
H[15–35],S[100–255],V[150–255]
Kết quả là một mask nhị phân và diện tích pixel lửa.
yolo_detector.py chạy model YOLOv8 tùy chỉnh (fire_yolo.pt) để phát hiện các nhãn fire và smoke, trả về bounding box và confidence.
- Mỗi frame phát hiện lửa (YOLO hoặc màu sắc):
fire_count += 1 - Mỗi frame không phát hiện:
fire_count -= 1 - Khi
fire_count >= ALERT_FRAME_COUNT(mặc định 5): kích hoạt FIRE ALERT
Cơ chế này giúp tránh cảnh báo giả do nhiễu trong một vài frame đơn lẻ.
Khi có FIRE ALERT, vlm_analyzer.py gửi frame đến Gemini 2.0 Flash để:
- Xác nhận có cháy thật không (
confirmed: true/false) - Mô tả tình huống bằng tiếng Việt
- Đánh giá mức độ:
low/medium/high
telegram_notifier.py gửi ảnh + báo cáo đến Telegram Bot theo dạng:
🔥 CẢNH BÁO CHÁY — XÁC NHẬN
🔴 Mức độ: HIGH
📋 Phân tích: Phát hiện ngọn lửa lớn lan rộng trong khu vực kho hàng.
Frame: 342
YOLO: fire, smoke
Fire area: 2840 px
Thời gian: 14:23:05 09/05/2026
opencv-python>=4.8.0
numpy>=1.24.0
flask>=3.0.0
ultralytics>=8.0.0
requests>=2.31.0
google-genai>=0.8.0
| Tham số | File | Mô tả |
|---|---|---|
MIN_FIRE_AREA |
config.py |
Tăng để giảm false positive từ màu sắc |
ALERT_FRAME_COUNT |
config.py |
Tăng để cần nhiều frame hơn trước khi alert |
YOLO_CONF |
config.py |
Tăng để YOLO nghiêm ngặt hơn (ít false positive) |
ALERT_COOLDOWN |
config.py |
Tăng để giảm số lần gửi Telegram |
| HSV ranges | image_processing.py |
Tinh chỉnh để phù hợp với điều kiện ánh sáng |
- Không commit
config.pychứa API key và token lên Git. Thêm vào.gitignore:config.py venv/ output/ - Sử dụng biến môi trường hoặc file
.envcho production.
MIT License — Tự do sử dụng, chỉnh sửa và phân phối.
Dự án được xây dựng với mục đích học tập và nghiên cứu về Computer Vision, AI và hệ thống cảnh báo thời gian thực.
Made with ❤️ using YOLOv8 · OpenCV · Flask · Gemini AI · Telegram Bot