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。

实时运动检测从前景掩膜到持续时间告警的处理流程

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。

python
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:

bash
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:

text
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。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

实现实时运动告警

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通