EPI Detect

Detecção automática de colete refletivo e capacete de segurança em vídeo, usando estimativa de pose para saber onde cada equipamento deveria estar.

Roda em CPU comum, sem placa de vídeo dedicada. Funciona com webcam, arquivo de vídeo ou câmera IP via RTSP.

Versão 2.0

Reescrita do núcleo de detecção. O destaque é a detecção de capacete, que não existia na versão anterior — agora colete e capacete são avaliados de forma independente, o que expõe a violação parcial (de colete, sem capacete), que era invisível num contador único.

Também entrou: recortes de análise delimitados por keypoints em vez de percentuais fixos da caixa, rastreamento com identidade e duração da violação, esqueleto colorido por zona de equipamento, e seleção automática de resolução — que em plano fechado deixou o processamento 3x mais rápido e ainda mais preciso.

A licença mudou de MIT para AGPL-3.0. Não é escolha estética: o Ultralytics YOLOv8 é AGPL-3.0 e a v1 declarava MIT, o que era incompatível. Detalhes.

O histórico completo, com os erros que precisaram ser corrigidos e a medição por trás de cada decisão, está no CHANGELOG.

A v1 nasceu em Reinattos/EPI-Detect, onde detectava apenas colete. Este repositório continua o projeto a partir da v2.

---

Índice

• O que mudou na v2
• O que ele faz
• Instalação
• Como usar
• Como funciona
• Configuração
• Desempenho
• Estrutura do projeto
• Limitações
• Licença

---

O que mudou na v2

	v1	v2
Capacete	não detectava	forma e uniformidade em máscara elíptica
Colete	percentual fixo da caixa	ombros até a bacia, via keypoints
Rastreamento	estabilização sem identidade	identidade por pessoa + duração da violação
Esqueleto	não desenhado	colorido por zona de equipamento
Resolução	fixa	escolhida medindo o tamanho das pessoas
Painel	sobre o vídeo	ao lado, sem cobrir a imagem
Testes	—	15 testes + CI
Licença	MIT (incompatível)	AGPL-3.0

Três correções valem destaque porque o caminho errado era o intuitivo:

Falso positivo de capacete. Medindo num retângulo em volta da cabeça, o teto claro do galpão entrava na conta e uma cabeça descoberta pontuava 0.595 — acima de qualquer limite razoável. A máscara elíptica derrubou o mesmo caso para 0.000.

Recorte caindo fora da cabeça. Ancorar no nariz e nos olhos parece natural, mas de perfil o modelo os estima em posição errada com confiança marginal, e o recorte ia para o piso. Os ombros, com confiança acima de 0.9, viraram a âncora.

Caixa duplicada na mesma pessoa. Descartar por sobreposição não resolve: em plano fechado duas caixas sobre o mesmo operador ficam em IoU próximo de 0.44. O sinal confiável é o rosto.

---

O que ele faz

Para cada pessoa no quadro, o sistema responde duas perguntas de forma independente: está de colete? e está de capacete?

Isso importa porque a violação mais comum na prática não é a pessoa sem nenhum equipamento — é a violação parcial. Alguém de colete que subiu na empilhadeira sem capacete. Um contador único de "conformes" esconde esse caso; aqui ele aparece.

No quadro acima o operador está de colete (tronco verde) e sem capacete (cabeça vermelha, arco tracejado marcando o equipamento ausente). O esqueleto é colorido por zona de equipamento, não por pessoa, então dá para ler o diagnóstico sem ler texto nenhum.

Recursos

Colete refletivo	Análise de cor na faixa do tronco, delimitada pelos ombros e pela bacia
Capacete	Análise de forma e uniformidade na calota da cabeça
Rastreamento	Cada pessoa mantém a mesma identidade entre quadros
Estabilização	Voto de maioria numa janela de quadros, para o rótulo não piscar
Duração da violação	Há quantos segundos aquela pessoa está fora de conformidade
Painel ao vivo	Contadores, taxa de conformidade e alerta
Fontes de vídeo	Webcam, arquivo local ou câmera IP (RTSP)
Interface web	Servidor Flask opcional, com zonas de risco desenháveis

---

Instalação

Você precisa de Python 3.10 ou mais novo. Nada além disso — o modelo é baixado sozinho na primeira execução.

1. Baixe o projeto

git clone https://github.com/Pravatta/epi-detect.git
cd epi-detect

2. Crie um ambiente virtual

Isso mantém as bibliotecas deste projeto separadas do resto do sistema.

Windows:

python -m venv .venv
.venv\Scripts\activate

Linux ou macOS:

python3 -m venv .venv
source .venv/bin/activate

3. Instale as dependências

pip install -r requirements.txt

4. Rode

python detect.py

A janela abre com a imagem da sua webcam e as anotações em tempo real. Pressione Q para sair.

A primeira execução demora. O modelo (cerca de 7 MB) é baixado e o PyTorch compila os kernels. Em máquinas modestas isso pode levar alguns minutos. As execuções seguintes começam em segundos.

Atalho para Windows: iniciar.bat

Quem não trabalha com linha de comando pode dar dois cliques em iniciar.bat. Ele cria o ambiente virtual, instala as dependências na primeira execução e abre um menu com as opções de uso.

Isso é uma decisão deliberada, e vale explicar o porquê: o público desta ferramenta não é só quem programa. Um detector de EPI interessa a técnico de segurança do trabalho, encarregado de operação e gestor de frota — gente que precisa avaliar o resultado, não montar ambiente Python. Exigir terminal exclui justamente quem mais se beneficiaria.

O .bat não substitui nada: a linha de comando está documentada acima e é o caminho principal para quem for integrar ou modificar o projeto. Ele é uma porta de entrada adicional, não um atalho para não documentar.

---

Como usar

Webcam

python detect.py

Se você tem mais de uma câmera, escolha pelo índice:

python detect.py --source 1

Atalhos com a janela aberta:

Tecla	Ação
Q ou Esc	Encerra
Z	Liga e desliga as caixas tracejadas de análise
Espaço	Pausa

Arquivo de vídeo

python detect.py --source caminho/do/video.mp4

Câmera IP (RTSP)

python detect.py --source "rtsp://usuario:senha@192.168.0.50:554/stream1"

A URL exata varia por fabricante. Consulte o manual do modelo ou o painel de configuração da câmera.

Gerar um vídeo anotado

Para processar um arquivo e salvar o resultado em MP4:

python render.py entrada.mp4

O arquivo sai como entrada_epi.mp4 na mesma pasta. Para controlar melhor:

python render.py entrada.mp4 saida.mp4 --camera-name "CAM 02" --crop-top 96

Opções úteis do render.py:

Opção	Para que serve
--camera-name	Rótulo no cabeçalho, útil ao juntar clipes de câmeras diferentes
--imgsz N	Fixa a resolução do modelo em vez de detectar automaticamente
--crop-top N	Corta pixels do topo, para remover relógio ou marca gravada
--crop-bottom N	Corta pixels da base
--no-zones	Oculta as caixas tracejadas de análise
--clock-start	Hora inicial exibida no cabeçalho

Interface web

python server.py

Abra http://localhost:5000. A interface web acrescenta o desenho de zonas de risco: você delimita áreas do quadro onde determinado equipamento é obrigatório, e a checagem passa a valer só ali.

---

Como funciona

O ponto de partida é o YOLOv8-pose, que devolve, para cada pessoa, uma caixa e 17 pontos do corpo (nariz, olhos, ombros, quadris, joelhos e assim por diante).

A pose não serve apenas para desenhar o esqueleto na tela. Ela resolve o problema central: saber onde procurar cada equipamento.

     ●  ← nariz, olhos, orelhas
   ╱─┴─╲    ┌─────────────────────┐
  ●     ●   │ zona do CAPACETE    │  topo do crânio até o
  │  │  │   │ análise de forma    │  meio da cabeça
  ●──┼──●   └─────────────────────┘
  │  │  │   ┌─────────────────────┐
  │  ●  │   │ zona do COLETE      │  ombros até a bacia
  ●─────●   │ análise de cor      │
  │     │   └─────────────────────┘
  ●     ●   ← não monitorado

Colete: análise de cor

Colete refletivo tem cor característica (laranja ou amarelo de alta visibilidade). Basta medir que fração da faixa do tronco cai nessa cor.

A parte não óbvia é que o material refletivo estoura a saturação de forma irregular sob luz fluorescente de galpão, criando buracos na máscara de cor. Sem uma operação morfológica de fechamento, a cobertura é subestimada.

Capacete: forma e uniformidade

Aqui a cor sozinha não resolve. Capacete existe em laranja, amarelo, branco, azul e vermelho — casar por cor daria falso positivo em qualquer boné da mesma cor.

O que discrimina de verdade é a combinação de três sinais:

1. Superfície lisa. Plástico tem desvio padrão de brilho baixo; cabelo é texturizado.
2. Não é pele nem cabelo. Ambos são excluídos antes de pontuar.
3. Cobre a calota. A medição acontece dentro de uma máscara elíptica ajustada à cabeça.

A máscara elíptica não é detalhe estético. Medindo num retângulo, o teto claro do galpão atrás da cabeça entrava na conta e gerava falso positivo em cabeça descoberta — o efeito era um capacete branco inexistente.

Como a cabeça é localizada

Esta foi a parte que mais deu trabalho, e vale registrar porque o caminho errado é tentador.

A intuição diz: use os keypoints do rosto, que estão logo ali. O problema é que de perfil ou de costas o modelo estima nariz e olhos em posição errada, com confiança apenas marginal. Ancorar o recorte neles faz ele sair da cabeça e cair no piso.

Os ombros chegam com confiança acima de 0.9 de forma consistente. Então a cabeça é derivada deles, e os pontos do rosto entram só como refinamento, aceito apenas quando é coerente com essa estimativa.

A escala vertical vem da distância topo da caixa até o ombro, que é uma medida direta. Uma tentativa anterior derivava essa altura da largura da cabeça; quando a estimativa de largura errava, o recorte colapsava para poucos pixels de altura e a análise não tinha pixels suficientes para decidir.

Estabilização temporal

Uma pessoa andando cruza sombra, vira de lado, é parcialmente obstruída. A cobertura de cor oscila em torno do limite e o rótulo pisca.

A solução é voto de maioria numa janela de quadros: o veredito só muda quando a mudança persiste. A mesma janela alimenta o contador de duração da violação, que é mais útil num painel de segurança do que o estado instantâneo.

Descartando detecções falsas

Duas verificações eliminam quase todo o ruído:

Proporção. Reflexo no piso de galpão chega ao detector como caixa achatada, em proporções de 6:1. Pessoa é sempre mais alta que larga, mesmo sentada, então o corte em 2.6 separa os dois casos com folga.

Coerência da pose. Pessoa real gera 10 ou mais keypoints confiáveis. Detecção fantasma costuma trazer um ou dois.

Há ainda um terceiro caso, específico de plano fechado: o detector às vezes devolve duas caixas para a mesma pessoa. O reflexo intuitivo é descartar por sobreposição (IoU), mas duas caixas grandes e deslocadas sobre o mesmo operador ficam em IoU próximo de 0.44 — abaixo de qualquer corte razoável. O sinal confiável é o rosto: se os pontos faciais de duas detecções coincidem, é a mesma pessoa.

---

Configuração

Os limites em config.py foram calibrados medindo vídeo real, não escolhidos por intuição. Cada valor tem um comentário registrando a medição que o justifica.

Parâmetro	Padrão	O que significa
CONF_THRESH	0.20	Confiança mínima do detector de pessoas
VEST_THRESH	0.09	Cobertura mínima de cor de colete no tronco
HELMET_THRESH	0.24	Cobertura mínima de capacete na calota
MAX_ASPECT	2.60	Proporção máxima largura/altura de uma pessoa
MIN_KEYPOINTS	4	Keypoints confiáveis mínimos para aceitar a detecção
STABILIZE_WINDOW	6	Tamanho da janela de voto de maioria
INPUT_SIZE	1280	Resolução do modelo em plano aberto
INPUT_SIZE_NEAR	768	Resolução do modelo em plano fechado

Sobre o limite do capacete: em vídeo real, cabeça com capacete pontua entre 0.29 e 0.82, enquanto cabeça descoberta pontua 0.00 depois de excluir pele e cabelo. O corte em 0.24 fica confortavelmente entre os dois.

Ajustando para a sua instalação

Não edite config.py. Crie um arquivo settings_local.json na raiz do projeto com apenas as chaves que quiser mudar:

{
  "SOURCE": "rtsp://usuario:senha@192.168.0.50:554/stream1",
  "HELMET_THRESH": 0.20,
  "SHOW_ANALYSIS_ZONES": false,
  "PORT": 8080
}

Esse arquivo é ignorado pelo git, então atualizar o projeto nunca sobrescreve o seu ajuste local.

---

Desempenho

Medido em CPU, sem placa de vídeo dedicada, em vídeo 1280×720:

Resolução do modelo	Tempo por quadro	Taxa
640	159 ms	6.0 /s
768	~200 ms	5.0 /s
960	285 ms	3.4 /s
1280	519 ms	1.9 /s

O detector responde por cerca de 99% do custo por quadro. A análise de cor de colete e capacete gasta 5 ms — otimizar essa parte não muda nada.

Resolução: não existe um valor bom para todo caso

Este é o achado que mais afeta o desempenho na prática:

Cena	Pessoas ocupam	Resolução correta	Por quê
Plano aberto (CFTV de galpão)	~20% da altura	1280	Em 896, duas pessoas desaparecem
Plano fechado (cabine, portaria)	~60% da altura	768	Acerta mais que 1280 e roda 3x mais rápido

Por isso o render.py mede o tamanho das pessoas em três quadros de amostra e escolhe sozinho. Você pode fixar com --imgsz quando quiser.

Para monitoramento de EPI, taxa alta não é necessária: ninguém tira o capacete em 200 ms. Entre 4 e 6 quadros por segundo já capta qualquer violação relevante.

Acelerando

• GPU NVIDIA: instale o PyTorch com suporte CUDA e o ganho é automático.
• iGPU Intel: exporte para OpenVINO e ative pela variável de ambiente.

yolo export model=yolov8n-pose.pt format=openvino
export EPI_USE_OPENVINO=1

---

Estrutura do projeto

epi-detect/
├── detect.py              Detecção ao vivo em janela (webcam, arquivo, RTSP)
├── render.py              Processa arquivo e grava MP4 anotado
├── server.py              Interface web com zonas de risco
├── config.py              Limites calibrados e configuração central
├── auto_config.py         Detecção de hardware e perfil sugerido
│
├── core/
│   ├── detector.py        Pose, recortes de análise e veredito de EPI
│   ├── tracker.py         Identidade entre quadros e estabilização
│   ├── overlay.py         Esqueleto, rótulos e painel
│   ├── capture.py         Leitura de vídeo em thread separada
│   └── zones.py           Zonas de risco poligonais
│
├── templates/index.html   Interface web
├── tests/                 Testes de geometria e rastreamento
├── docs/                  Documentação e imagens
└── demo/                  Vídeos de demonstração

Demonstrações

Os vídeos em demo/ mostram o sistema em duas situações:

Arquivo	Cena
armazem_cftv.mp4	CFTV de galpão, cinco pessoas, uma sem capacete
cabine_empilhadeira.mp4	Câmera de cabine, operador de colete e sem capacete
epi_detect_demo.mp4	Os dois em sequência

As pessoas nesses vídeos são sintéticas, geradas por IA. Nenhuma pessoa real foi filmada, o que evita qualquer questão de direito de imagem ou proteção de dados nas demonstrações.

---

Limitações

Vale ser explícito sobre o que este projeto não é:

• Não substitui inspeção de segurança. É uma ferramenta de apoio, não um laudo de conformidade com norma regulamentadora.
• Colete depende de cor. Um colete refletivo fora do padrão laranja ou amarelo pode não ser reconhecido. As faixas HSV estão em config.py e podem ser ajustadas.
• Capacete depende de superfície lisa e clara. Capacete muito escuro, muito sujo ou coberto por capuz reduz a confiabilidade.
• Pessoa precisa aparecer inteira o suficiente. Se a cabeça sai do quadro ou está totalmente obstruída, não há como avaliar o capacete.
• Não identifica pessoas. Não há reconhecimento facial nem qualquer vínculo com identidade. O rastreamento só mantém um número temporário enquanto a pessoa está no quadro.

Se você precisa de precisão maior num ambiente específico, o caminho é treinar um modelo dedicado com imagens do próprio local, em vez de ajustar limites de cor.

---

Licença

Distribuído sob AGPL-3.0. Veja LICENSE.

Esta escolha não é arbitrária: o projeto usa Ultralytics YOLOv8, que é licenciado sob AGPL-3.0. Trabalhos derivados precisam manter a mesma licença. Se você pretende usar este código num produto de código fechado, precisa de uma licença comercial da Ultralytics.

---

Contribuindo

Correções e melhorias são bem-vindas. Antes de abrir um pull request:

pip install -r requirements-dev.txt
ruff check .
pytest -q

Veja CONTRIBUTING.md para mais detalhes.