Câmeras e streams
Acesso autenticado às câmeras existentes, ingestão, reconexão e monitoramento da disponibilidade.
VISIONO2 / POR DENTRO DA TECNOLOGIA
A base é aberta.
O valor está na operação.
Supervision oferece os blocos de visão computacional. O VisionO2 propõe conectar esses blocos à rotina de restaurantes e padarias, com implantação, indicadores e acompanhamento.
O que existe hoje.
O repositório ahs-pimentel/supervision é um fork da biblioteca Python Supervision, da Roboflow. Na inspeção, o fork estava alinhado ao upstream, com zero commits à frente e zero atrás. Não foi identificada uma camada própria de aplicação comercial no fork.
A biblioteca padroniza as detecções geradas por modelos de visão computacional e oferece recursos para contar objetos, definir zonas, visualizar trajetórias e anotar imagens. O modelo de detecção e o rastreador são partes complementares da solução.
A sacada: uma pessoa detectada em vários frames pode se tornar uma trajetória; a trajetória dentro de uma zona pode se tornar uma medição de permanência; medições agregadas podem apoiar uma decisão de operação.
Da capacidade técnica ao uso real.
| Base encontrada | Aplicação no VisionO2 | O que precisa ser validado |
|---|---|---|
| Contagem em polígonos | Ocupação de salão, recepção e caixa | Zonas, ângulo da câmera, iluminação e oclusões |
| Cruzamento de linhas | Entradas, saídas e fluxo por período | Rastreamento consistente e passagem pela linha |
| Tempo em zona | Permanência e análise de filas | Sessões, saídas, reentradas e perda de rastreamento |
| Mapa de calor e trajetórias | Circulação e pontos de concentração | Agregação temporal e comparação em condições equivalentes |
| Exemplo com RTSP | Uso de câmeras IP e gravadores compatíveis | Credenciais, protocolo, rede e capacidade de processamento |
Tempo em uma zona não equivale automaticamente a tempo de espera. Uma pessoa pode sair, voltar ou perder o identificador. O piloto precisa comparar a medição com observações reais antes de usar esse indicador na gestão.
A camada que transforma ferramenta em produto.
Modelo + Supervision
Detecção, rastreamento, zonas, contagens e eventos executados no ambiente dimensionado.
VisionO2
Histórico, regras, indicadores, interface, administração e licenciamento da camada própria.
No modo self-hosted, o fluxo pode ficar no ambiente do cliente. No gerenciado, a topologia será definida conforme os canais, a conectividade e os requisitos do estabelecimento. O projeto deve limitar os dados enviados e armazenados ao que for necessário.
Itens ainda necessários para um produto comercial
- Gestão de câmeras, credenciais protegidas, ingestão resiliente e diagnóstico de falhas.
- Backend, banco de eventos, histórico e dashboard com perfis de acesso e auditoria.
- Regras de operação, tratamento de falsos positivos e integrações de notificação.
- Empacotamento para instalação, atualizações, licenças, backup e suporte.
- Medição de desempenho, calibração por cenário e validação de indicadores.
Esses itens são a proposta de evolução do VisionO2. Não são funcionalidades já implementadas no fork analisado.
Self-hosted com dimensionamento real.
O pyproject.toml inspecionado declara Python ≥ 3.10 e versão de desenvolvimento 0.32.0.dev. Uma implantação deve fixar uma versão validada e suas dependências, em vez de acompanhar automaticamente a branch de desenvolvimento.
O hardware depende do modelo, dos canais simultâneos, da resolução e da taxa de análise. Os exemplos oferecem opções de CPU e aceleradores; isso não estabelece uma capacidade garantida de câmeras para qualquer equipamento.
Na versão analisada, o rastreador ByteTrack é usado por um pacote externo, trackers. Tutoriais antigos com sv.ByteTrack precisam de adaptação. O exemplo de temporização também precisa de tratamento de sessões antes de ser utilizado como medição comercial.
Funcionamento sem internet, ativação offline e atualizações isoladas precisam ser projetados e testados. O fato de a biblioteca executar localmente não garante que todos os componentes e integrações sejam offline.
O que será licenciado.
O LICENSE.md do Supervision é MIT, com copyright da Roboflow. Seu texto admite uso e distribuição comercial, preservados os avisos exigidos. Isso não transforma a biblioteca aberta em propriedade exclusiva do VisionO2.
A oferta VisionO2 deve se concentrar na camada própria, na implantação, na manutenção e no suporte. Modelos, pesos e dependências têm condições próprias: a licença MIT do Supervision não se estende automaticamente ao conjunto. A composição final precisa ser revisada antes da distribuição.
As modalidades e valores de contratação apresentados no site dependem de proposta. Não há compra, cobrança ou instalação automática nesta experiência.
O próximo passo é um piloto mensurável.
- Escolher uma pergunta operacional: por exemplo, em quais horários a fila do caixa se concentra.
- Selecionar câmeras e áreas, verificando visibilidade e acesso ao stream.
- Registrar uma referência manual para comparar contagens e permanência.
- Medir erros, eventos perdidos, latência e estabilidade da ingestão.
- Ajustar as regras e só ampliar a implantação após validar o resultado.
A landing page usa cenas 3D e dados simulados para explicar a proposta. Não realiza inferência, não recebe vídeo e não identifica pessoas.
Planejar um piloto ↗