TukeVision

Prototipo local para transformar video en observaciones, eventos, riesgo, alertas y evidencia trazable.

Implementación del primer prototipo funcional (SPEC-0001) completada a nivel de módulos. Pendiente de ejecutar la prueba integral con un video real.

• Windows.
• Python 3.12.9 (64 bits).
• Entorno virtual en .venv.

Set-Location "C:\ruta\a\TukeVision"
.\.venv\Scripts\Activate.ps1

Coloque un video local en data/input/ y ejecute:

.\.venv\Scripts\python.exe scripts\run_prototype.py "data\input\video.mp4"

Aplicación de escritorio Tkinter (biblioteca estándar) que muestra en una sola ventana fuente, conexión, zona, persona seguida, permanencia, riesgo, alertas y evidencia generada. OpenCV sigue siendo la tecnología de visión; no es el sistema de ventanas (ver docs/LOCAL_INTERFACE.md).

.\.venv\Scripts\python.exe scripts\run_interface.py

La fuente (archivo, webcam o RTSP) se selecciona dentro de la aplicación.

data/input/        Video local a procesar (uno a la vez).
data/output/       Video procesado con anotaciones (processed.mp4).
data/evidence/     Evidencia por alerta: frame.jpg y metadata.json.
data/temp/         Archivos temporales (imágenes de prueba).
models/            Peso del modelo yolo11n.pt (no se sube a Git).
config/default.json Configuración: detección, zona, negocio y alertas.

VIDEO_PATH:
FRAMES_PROCESSED:
PERSONS_DETECTED:
TRACKS_CREATED:
OBSERVATIONS_CREATED:
EVENTS_CREATED:
ALERTS_CREATED:
EVIDENCE_CREATED:
OUTPUT_VIDEO:
FINAL_STATUS:

• PERSONS_DETECTED: total de detecciones de personas (puede incluir la misma persona en varios fotogramas).
• TRACKS_CREATED: trayectorias temporales únicas asignadas por seguimiento.
• OBSERVATIONS_CREATED: hechos objetivos (entrada, permanencia, salida).
• EVENTS_CREATED: eventos de permanencia prolongada (más de 30 segundos).
• ALERTS_CREATED: alertas generadas cuando el riesgo es 60 o superior.
• EVIDENCE_CREATED: carpetas con fotograma y metadatos por alerta.

• Sin reconocimiento facial.
• Sin identificación de personas.
• Sin cámaras en vivo.
• Sin varias cámaras ni varias zonas.
• Sin inteligencia artificial conversacional.
• Sin servicios externos ni base de datos.
• Procesamiento por CPU, un video a la vez.
• Resolución máxima de 640 píxeles de ancho.
• Procesamiento secuencial sin cargar el video completo en memoria.

config/default.json permite ajustar:

• Modelo, umbral de confianza y dispositivo de detección.
• Zona poligonal (identificador, nombre y vértices).
• Tienda, cámara y tiempo máximo de permanencia.
• Umbral de riesgo para generar alertas.

• El archivo de video no existe: verifique que el video esté en data/input/ y la ruta sea correcta.
• Modelo no encontrado: descargue yolo11n.pt (modelo YOLO Nano) y colóquelo en models/.
• No se puede abrir el video: el archivo puede estar dañado o no ser un formato compatible con OpenCV.
• Errores de dependencias: ejecute python -m pip install -r requirements.txt dentro de .venv.

.\.venv\Scripts\python.exe -m unittest discover -s tests -p "test_*.py" -v

Las decisiones y especificaciones oficiales viven en el Vault TES de Obsidian.