计算机视觉 / 系统课时
实现实时运动告警
实现实时运动告警
这篇实战把摄像头中的瞬时变化转换成可控告警:先用背景减除得到运动前景,再清理掩膜、过滤小轮廓,并要求有效运动持续一段时间后才触发事件。这样可以显著减少光照抖动、单帧噪声和短暂经过造成的误报。
学习目标
- 从摄像头帧中提取稳定的前景运动掩膜并过滤小目标。
- 用持续时间而不是单帧结果判断是否真的发生有效运动。
- 加入预热和告警冷却机制,避免启动误报和连续刷屏。
把单帧运动变成状态
实时告警不能把“这一帧有前景”直接等同于“应该告警”。摄像头启动时背景模型尚未稳定,画面轻微抖动、屏幕闪烁或人员快速掠过也可能只持续很短时间。更稳妥的做法是把空间条件和时间条件分开判断。
空间条件负责确认是否存在面积足够大的运动轮廓;时间条件记录运动从何时开始,只有连续满足空间条件达到 sustain 秒才触发告警。触发后再进入 cooldown 冷却期,同一段持续运动不会每帧重复通知。

这里选用 createBackgroundSubtractorMOG2,因为固定摄像头场景下它能随时间更新背景,并把偏离背景分布的像素标成前景。开启阴影检测后,阴影通常得到中间灰度值,因此后续使用较高二值化阈值,只保留更可信的前景像素。
实现检测与告警
把下面脚本保存为 motion_alert.py。它直接读取默认摄像头,并包含四个关键防抖点:启动预热、前景面积阈值、连续运动时长和告警冷却。按 q 退出。
import argparse
import time
from datetime import datetime
import cv2
def main():
parser = argparse.ArgumentParser()
parser.add_argument("--camera", type=int, default=0)
parser.add_argument("--min-area", type=float, default=1500.0)
parser.add_argument("--sustain", type=float, default=2.0)
parser.add_argument("--cooldown", type=float, default=5.0)
parser.add_argument("--warmup", type=float, default=2.0)
args = parser.parse_args()
cap = cv2.VideoCapture(args.camera)
if not cap.isOpened():
raise RuntimeError("无法打开摄像头")
subtractor = cv2.createBackgroundSubtractorMOG2(
history=500,
varThreshold=25,
detectShadows=True,
)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
started_at = time.monotonic()
motion_start = None
last_alert = float("-inf")
try:
while True:
ok, frame = cap.read()
if not ok:
raise RuntimeError("读取摄像头帧失败")
now = time.monotonic()
foreground = subtractor.apply(frame)
# MOG2 的阴影通常不是 255,高阈值可把阴影排除在告警前景之外。
_, mask = cv2.threshold(
foreground, 200, 255, cv2.THRESH_BINARY
)
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
mask = cv2.dilate(mask, kernel, iterations=2)
contours, _ = cv2.findContours(
mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE
)
active = [
c for c in contours
if cv2.contourArea(c) >= args.min_area
]
ready = now - started_at >= args.warmup
has_motion = ready and bool(active)
max_area = max(
(cv2.contourArea(c) for c in active),
default=0.0,
)
# 连续运动中保留起始时刻;中断后立即重新计时。
if has_motion:
if motion_start is None:
motion_start = now
motion_duration = now - motion_start
else:
motion_start = None
motion_duration = 0.0
should_alert = (
has_motion
and motion_duration >= args.sustain
and now - last_alert >= args.cooldown
)
if should_alert:
wall_time = datetime.now().isoformat(timespec="seconds")
print(
f"ALERT at {wall_time}: "
f"motion_duration={motion_duration:.1f}s "
f"max_area={max_area:.0f}"
)
last_alert = now
display = frame.copy()
for contour in active:
x, y, w, h = cv2.boundingRect(contour)
cv2.rectangle(
display, (x, y), (x + w, y + h), (0, 0, 255), 2
)
status = "WARMUP" if not ready else (
"MOTION" if has_motion else "IDLE"
)
cv2.putText(
display,
f"{status} {motion_duration:.1f}s",
(20, 35),
cv2.FONT_HERSHEY_SIMPLEX,
0.8,
(0, 255, 0),
2,
)
cv2.imshow("motion-alert", display)
cv2.imshow("motion-mask", mask)
if cv2.waitKey(1) & 0xFF == ord("q"):
break
finally:
cap.release()
cv2.destroyAllWindows()
if __name__ == "__main__":
main()运行命令:
python motion_alert.py --camera 0 --min-area 1500 --sustain 2 --cooldown 5当面积足够大的运动连续存在至少 2 秒时,预期输出类似:
ALERT at <TIME>: motion_duration=<VALUE>s max_area=<VALUE><TIME> 和 <VALUE> 是运行时动态值。预热阶段、短于 2 秒的运动以及只有小面积噪声时不会输出告警;窗口中的状态会在 WARMUP、IDLE 和 MOTION 之间变化。
理解三个关键参数
--min-area 是空间门槛。分辨率越高,同一目标通常占据的像素面积越大,因此不要把一个固定值直接复制到所有摄像头。最简单的标定方法是让真实目标进入画面,观察轮廓面积,再把阈值设在目标面积与环境噪声之间。
--sustain 是时间门槛。它越大,越能过滤短暂闪动和快速经过,但告警也会更慢。门禁驻留、仓库入侵这类场景可以适当延长;需要快速响应时则应降低,同时配合更严格的空间过滤。
--cooldown 控制同一次持续运动的重复告警频率。当前示例在冷却结束后,如果运动仍持续,会再次触发。若业务要求“一段连续运动只告警一次”,可以增加一个已告警状态,并在运动完全消失后再复位。
处理常见误报
如果树叶、显示器闪烁或曝光自动调整持续触发告警,先观察 motion-mask。大量零碎白点通常说明背景模型或形态学参数过敏;成片区域随亮度一起变化,则说明问题来自光照,而不是目标真实移动。
固定摄像头是这套方案的重要前提。摄像头本身晃动时,几乎整幅画面都会相对背景发生变化,此时单纯调大 --min-area 往往只能暂时压住症状。应优先固定相机、关闭不必要的自动曝光波动,或在前景检测前增加全局稳像。
真正可用的实时告警不是“检测到一次差分就通知”,而是把前景质量、目标面积、持续时间和通知节流组合成一条状态链。这样每个误报都能定位到明确环节,而不是靠一个越来越大的阈值掩盖问题。