Sistema de Detecção de Carros e Abertura Automática de Portão

Este projeto é uma solução completa em Python e Docker para monitorar uma câmera de DVR Intelbras (modelo iMHDX 3132) via ONVIF, detectar carros em tempo real usando Inteligência Artificial (YOLOv8) e enviar uma requisição POST para abrir um portão automaticamente.

Arquitetura da Solução

O sistema funciona da seguinte maneira:

1. Conecta-se à DVR Intelbras via protocolo ONVIF para obter a URL do stream RTSP da câmera especificada.
2. Captura os frames de vídeo em tempo real usando OpenCV.
3. Processa cada frame com o modelo YOLOv8 (versão nano para melhor performance) para detectar veículos.
4. Monitora a posição do veículo e aguarda que ele fique parado por um tempo configurável.
5. Ao detectar um veículo parado, verifica se o portão está fechado.
6. Se as condições forem atendidas, envia uma requisição POST para a API de abertura do portão.
7. Aguarda o tempo configurado antes de permitir uma nova abertura.
8. Envia notificação com screenshot para Rocket.Chat (opcional).

Estrutura de Arquivos

• gate_detector_app.py: O script principal em Python que contém toda a lógica.
• requirements.txt: Lista de dependências Python.
• Dockerfile: Instruções para construir a imagem Docker otimizada.
• docker-compose.yml: Configuração para facilitar o deploy e gerenciamento.
• .env.example: Exemplo de arquivo de variáveis de ambiente (copie para .env e configure).

Como fazer o Deploy no Coolify

Como você possui um servidor rodando Coolify na rede interna da empresa, o processo de deploy é bastante simples. Siga os passos abaixo:

Opção 1: Deploy via Repositório Git (Recomendado)

1. Crie um repositório Git (GitHub, GitLab, Bitbucket, etc.) e adicione os arquivos fornecidos.
2. No painel do Coolify, vá em Projects e crie um novo projeto ou selecione um existente.
3. Clique em New Resource e selecione Public Repository (ou Private, dependendo de onde você hospedou).
4. Insira a URL do seu repositório e selecione a branch principal.
5. O Coolify detectará automaticamente o Dockerfile ou docker-compose.yml.
6. Na seção Environment Variables, configure as variáveis necessárias (veja a seção abaixo).
7. Clique em Deploy.

Opção 2: Deploy via Docker Compose (Direto no Coolify)

1. No painel do Coolify, vá em Projects e selecione seu projeto.
2. Clique em New Resource e selecione Docker Compose.
3. Cole o conteúdo do arquivo docker-compose.yml fornecido.
4. Na seção Environment Variables, configure as variáveis necessárias.
5. Clique em Deploy.

Variáveis de Ambiente

O sistema é totalmente configurável através de variáveis de ambiente. Aqui estão as variáveis disponíveis:

Variável	Descrição	Tipo
DVR_HOST	Endereço IP da DVR Intelbras na rede interna	String
DVR_PORT	Porta de acesso ONVIF/HTTP da DVR	Inteiro
DVR_USER	Usuário de acesso à DVR	String
DVR_PASS	Senha de acesso à DVR	String
CAMERA_INDEX	Número da câmera a ser monitorada (1-based)	Inteiro
GATE_API_URL	URL completa da rota POST para abrir o portão	String
GATE_COOLDOWN_SECONDS	Tempo em segundos que o portão leva para fechar	Inteiro
CONFIDENCE_THRESHOLD	Nível de confiança mínimo para a IA considerar como veículo (0.0 a 1.0)	Float
CAR_STATIONARY_SECONDS	Tempo em segundos que o veículo deve ficar parado antes de abrir o portão	Inteiro
ROCKET_CHAT_WEBHOOK	URL do webhook do Rocket.Chat para notificações (opcional)	String

Exemplo de Configuração

Copie o arquivo .env.example para .env e preencha com suas informações:

cp .env.example .env

Edite o arquivo .env com suas credenciais e URLs específicas.

Monitoramento e Logs

O sistema foi projetado para ser resiliente e manter logs detalhados de todas as operações.

• Os logs são salvos no diretório /app/logs/gate_detector.log dentro do container.
• No docker-compose.yml, configuramos um volume ./logs:/app/logs para que os logs persistam mesmo se o container for reiniciado.
• Você pode visualizar os logs em tempo real no painel do Coolify, na aba Logs do seu recurso.

Recursos Principais

✅ Detecção de Veículos com IA

• Utiliza YOLOv8 nano para detecção em tempo real
• Detecta carros, caminhões, ônibus e motos
• Configurável para ajustar sensibilidade

✅ Detecção de Parada

• Monitora a posição do veículo
• Só abre portão se veículo ficar parado por tempo configurável
• Evita abertura desnecessária de veículos em movimento

✅ Integração com Rocket.Chat

• Envia notificação com screenshot quando portão abre
• Inclui timestamp e detalhes da detecção

✅ Resiliente e Confiável

• Reconexão automática em caso de falha
• Logs detalhados de todas as operações
• Suporte para ONVIF com fallback automático

Resolução de Problemas Comuns

Falha ao conectar via ONVIF

Se o sistema não conseguir obter a URL do stream via ONVIF, ele tentará usar uma URL de fallback padrão da Intelbras. Certifique-se de que o protocolo ONVIF está ativado nas configurações de rede da sua DVR.

Falsos Positivos

Se o portão estiver abrindo para objetos que não são veículos, você pode aumentar o valor da variável CONFIDENCE_THRESHOLD para 0.6 ou 0.7.

Alta Utilização de CPU

O processamento de vídeo com IA consome recursos. O modelo YOLOv8 nano (yolov8n.pt) foi escolhido por ser o mais leve e rápido. No docker-compose.yml, limitamos o uso a 2 CPUs e 2GB de RAM para evitar que o container afete outros serviços no seu servidor Coolify.

Veículos em Movimento Acionam Abertura

Ajuste a variável CAR_STATIONARY_SECONDS para um valor maior (ex: 5 segundos) para garantir que apenas veículos realmente parados acionem a abertura.

Referências

[1] Documentação Ultralytics YOLOv8: https://docs.ultralytics.com/ [2] Biblioteca Python ONVIF: https://github.com/quatanium/python-onvif [3] OpenCV Documentation: https://docs.opencv.org/