Contamination Risk Estimation Model using YOLOv5 - v1.0

Com os eventos propiciados pelas epidemias ocorridas desde a eclosão do vírus SARS-CoV-2, surgiu a ideia de produzir esta ferramenta destinada ao monitoramento e controle de ambientes fechados contra doenças transmissíveis via aérea. Portanto, são utilizadas equações com base nas propostas por Wells-Riley para estimar a qualidade do ar no local e o risco de contaminação.

---

Módulos

Essa ferramenta está dividida em 3 módulos, sendo 2 deles pertencentes a esse repositório, são eles:

1. Aplicação principal, contendo o modelo de estimação do risco de contaminação, detecção de objetos utilizando YOLOv5 e página WEB com informações acerca do local monitorado.

2. Redes neurais treinadas, armazenadas na pasta "wheight", contendo diversas subversões do YOLOv5 de acordo com o uso desejado.

3. Estrutura do YOLOv5, que fornece os arquivos e ferramentas necessárias para a detecção e classificação de pessoas por vídeo.

Observação: para acessar o 3º módulo, é necesário baixá-la no github dos desenvolvedores do YOLO, disponível em:

https://github.com/ultralytics/yolov5

---

Requisitos

1. Python (https://www.python.org)

2. Torch (https://pytorch.org)

3. Dash (https://dash.plotly.com)

4. Plotly (https://plotly.com/python/)

5. Streamlink (https://streamlink.github.io/install.html)

6. Numpy (https://numpy.org)

7. Matplotlib (matplotlib)

8. OpenCV-python (https://opencv.org)

9. Pillow (https://pillow.readthedocs.io/en/stable/)

10. PyYAML (https://pyyaml.org)

11. Torchvision (https://pytorch.org/vision/stable/index.html)

12. Cuda Toolkit (https://developer.nvidia.com/cuda-toolkit)

---

Módulo 1: main.py

A aplicação principal apresenta diversas ferramentas em sua estrutura para a apresentação do dashboard final, disposta na seguinte forma:

• Imports do projeto
• Variáveis de dados
• Seleção do modelo do yolov5
• Carregamento do vídeo a ser monitorado
• Modelo para estimar o risco de contaminação
• Detecção de vídeo
• Stream da detecção de vídeo
• Gráficos do dashboard
• Site em servidor local
• Servidor local

---

Alguns métodos já testados e abandonados:

• k-means subtractor
• KNN subtractor
• haar cascade
• MOG
• Meanshift
• Camshift
• HOG
• YoloV3