新增ab门biz
This commit is contained in:
@@ -1,515 +0,0 @@
|
|||||||
|
|
||||||
import cv2
|
|
||||||
import numpy as np
|
|
||||||
from typing import Dict, Any
|
|
||||||
import threading
|
|
||||||
import queue
|
|
||||||
|
|
||||||
from biz.base_frame_processor import BaseFrameProcessorWorker
|
|
||||||
|
|
||||||
# -------------------------- Kadian 检测相关导入 --------------------------
|
|
||||||
from algorithm.common.npu_yolo_onnx_person_car_phone import YOLOv8_ONNX # 主检测模型（人/车/后备箱/手机）
|
|
||||||
from algorithm.common.npu_yolo_pose_onnx import YOLOv8_Pose_ONNX # Pose 专用模型
|
|
||||||
from yolox.tracker.byte_tracker import BYTETracker
|
|
||||||
|
|
||||||
from utils.logger import get_logger
|
|
||||||
logger = get_logger(__name__)
|
|
||||||
|
|
||||||
# ========================= 配置区 =========================
|
|
||||||
# Kadian 模型路径与ROI（可根据实际情况修改）
|
|
||||||
DETECT_MODEL_PATH = 'YOLO_Weight/Kadian.onnx'
|
|
||||||
#POSE_MODEL_PATH = 'YOLO_Weight/yolov8l-pose.onnx'
|
|
||||||
|
|
||||||
# 默认相对ROI（与原文件一致）
|
|
||||||
#ROI_RELATIVE = np.array([
|
|
||||||
# [0.10989583333333333, 0.006481481481481481],
|
|
||||||
# [0.421875, 0.005555555555555556],
|
|
||||||
# [0.9921875, 0.9888888888888889],
|
|
||||||
# [0.3411458333333333, 0.9861111111111112]
|
|
||||||
#])
|
|
||||||
|
|
||||||
# ROI_RELATIVE=np.array([
|
|
||||||
# [0.15,0.001],
|
|
||||||
# [0.5,0.001],
|
|
||||||
# [1.0,0.8],
|
|
||||||
# [0.35,1.0]
|
|
||||||
# ])
|
|
||||||
|
|
||||||
ROI_RELATIVE=np.array([
|
|
||||||
[0.12,0.0],
|
|
||||||
[0.3,0.0],
|
|
||||||
[0.5,0.2],
|
|
||||||
[1.0, 0.95],
|
|
||||||
[1.0,1.0],
|
|
||||||
[0.42,1.0]
|
|
||||||
])
|
|
||||||
|
|
||||||
|
|
||||||
ALERT_PUSH_INTERVAL = 5.0
|
|
||||||
|
|
||||||
# 输入尺寸
|
|
||||||
PERSON_CAR_INPUT_SIZE = 640
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
RTSP_TARGET_FPS = 10.0
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
class KadianDetector:
|
|
||||||
def __init__(self, roi_points=ROI_RELATIVE):
|
|
||||||
# 模型加载 - 仅保留主检测器，删除pose_detector
|
|
||||||
self.detector = YOLOv8_ONNX(
|
|
||||||
DETECT_MODEL_PATH,
|
|
||||||
conf_threshold=0.25,
|
|
||||||
iou_threshold=0.45,
|
|
||||||
input_size=PERSON_CAR_INPUT_SIZE
|
|
||||||
)
|
|
||||||
|
|
||||||
# 跟踪器配置
|
|
||||||
class TrackerArgs:
|
|
||||||
track_thresh = 0.3 # 必须大于等于yolo的conf_threshold
|
|
||||||
track_buffer = 40
|
|
||||||
match_thresh = 0.85
|
|
||||||
mot20 = True
|
|
||||||
|
|
||||||
self.fps = RTSP_TARGET_FPS
|
|
||||||
self.tracker = BYTETracker(TrackerArgs(), frame_rate=self.fps)
|
|
||||||
self.track_role = {} # 跟踪ID到类别的映射
|
|
||||||
|
|
||||||
|
|
||||||
# ROI 处理（支持相对/绝对）
|
|
||||||
self.roi_points = np.array(roi_points, dtype=np.float64) if roi_points is not None else None
|
|
||||||
|
|
||||||
# ===================== 超参数设置 (仅保留车/后备箱相关) =====================
|
|
||||||
# 后备箱检查判定阈值
|
|
||||||
self.TIME_THRESHOLD_TRUNK_OPEN = 0.1
|
|
||||||
# 车辆最小停留时间阈值 (小于此时间视为无人检查/直接通过)
|
|
||||||
self.TIME_THRESHOLD_CAR_MIN_DURATION = 3.0
|
|
||||||
# Car 丢帧/ID维持缓冲
|
|
||||||
self.TIME_TOLERANCE_CAR = 2.0
|
|
||||||
|
|
||||||
# police丢失阈值
|
|
||||||
self.TIME_TOLERANCE_POLICE = 3.0
|
|
||||||
# police状态判定阈值 (累计秒数)
|
|
||||||
self.TIME_THRESHOLD_NOBODY = 5.0
|
|
||||||
self.TIME_THRESHOLD_ONLY_ONE = 5.0
|
|
||||||
|
|
||||||
# --- 计算对应的帧数阈值 ---
|
|
||||||
self.frame_thresh_trunk_valid = int(self.TIME_THRESHOLD_TRUNK_OPEN * self.fps)
|
|
||||||
self.frame_thresh_car_min_duration = int(self.TIME_THRESHOLD_CAR_MIN_DURATION * self.fps)
|
|
||||||
self.frame_buffer_limit_car = int(self.TIME_TOLERANCE_CAR * self.fps)
|
|
||||||
self.frame_buffer_limit_police = int(self.TIME_TOLERANCE_POLICE * self.fps)
|
|
||||||
self.frame_thresh_nobody = int(self.TIME_THRESHOLD_NOBODY * self.fps)
|
|
||||||
self.frame_thresh_only_one = int(self.TIME_THRESHOLD_ONLY_ONE * self.fps)
|
|
||||||
|
|
||||||
# 显示相关阈值
|
|
||||||
self.ignore_show_seconds = 0.2 # 未检测的警告显示时长
|
|
||||||
self.openTrunk_show_seconds = 0.2 # 打开后备箱的警告显示时长
|
|
||||||
self.police_show_seconds = 0.2 # 警察在场警告显示时长
|
|
||||||
|
|
||||||
# 状态变量初始化
|
|
||||||
self.current_frame_idx = 0
|
|
||||||
self.width = 0
|
|
||||||
self.height = 0
|
|
||||||
|
|
||||||
|
|
||||||
# 车辆注册表 (字典)
|
|
||||||
self.roi_car_registry = {}
|
|
||||||
# 违规车辆记录
|
|
||||||
self.unchecked_trunk_alerts = {} # 后备箱未检
|
|
||||||
self.fast_pass_alerts = {} # 通过过快
|
|
||||||
|
|
||||||
# 警察注册表 (字典)
|
|
||||||
self.roi_police_registry = {}
|
|
||||||
# 警察在场告警记录
|
|
||||||
self.nobody_alerts = {} # 无人在场
|
|
||||||
self.only_one_alerts = {} # 单人在场
|
|
||||||
# 累计帧数计数器
|
|
||||||
self.nobody_frames = 0 # 累计无人在场帧数
|
|
||||||
self.only_one_frames = 0 # 累计单人在场帧数
|
|
||||||
|
|
||||||
# 打印超参数
|
|
||||||
print(f"\n超参数设置:")
|
|
||||||
print(f" FPS: {self.fps:.2f}")
|
|
||||||
print(f" 判定 'Trunk Checked' 需累计检测: {self.frame_thresh_trunk_valid} 帧")
|
|
||||||
print(f" 判定 'Too Fast' 最小停留: {self.frame_thresh_car_min_duration} 帧")
|
|
||||||
|
|
||||||
def _get_roi_points(self, frame_width: int, frame_height: int):
|
|
||||||
"""
|
|
||||||
每帧动态计算正确的 ROI 绝对坐标，并确保类型为 np.int32
|
|
||||||
用于 pointPolygonTest 和 polylines
|
|
||||||
"""
|
|
||||||
if self.roi_points is None:
|
|
||||||
raise ValueError("ROI points must be provided; cannot be None.")
|
|
||||||
|
|
||||||
if self.roi_points.max() <= 1.0:
|
|
||||||
# 相对坐标 → 转换为绝对
|
|
||||||
roi_abs = self.roi_points * np.array([frame_width, frame_height])
|
|
||||||
else:
|
|
||||||
# 绝对坐标，直接使用
|
|
||||||
roi_abs = self.roi_points.copy()
|
|
||||||
|
|
||||||
# 强制转为 int32（关键！解决 OpenCV 断言错误）
|
|
||||||
return roi_abs.astype(np.int32)
|
|
||||||
|
|
||||||
def check_point_in_roi(self, roi_points, point):
|
|
||||||
"""判断点是否在ROI内"""
|
|
||||||
return cv2.pointPolygonTest(roi_points, point, False) >= 0
|
|
||||||
|
|
||||||
def compute_iou(self, boxA, boxB):
|
|
||||||
"""计算两个框的IOU"""
|
|
||||||
# box = [x1, y1, x2, y2]
|
|
||||||
xA = max(boxA[0], boxB[0])
|
|
||||||
yA = max(boxA[1], boxB[1])
|
|
||||||
xB = min(boxA[2], boxB[2])
|
|
||||||
yB = min(boxA[3], boxB[3])
|
|
||||||
|
|
||||||
interW = max(0, xB - xA)
|
|
||||||
interH = max(0, yB - yA)
|
|
||||||
interArea = interW * interH
|
|
||||||
|
|
||||||
boxAArea = (boxA[2] - boxA[0]) * (boxA[3] - boxA[1])
|
|
||||||
boxBArea = (boxB[2] - boxB[0]) * (boxB[3] - boxB[1])
|
|
||||||
|
|
||||||
unionArea = boxAArea + boxBArea - interArea
|
|
||||||
if unionArea == 0:
|
|
||||||
return 0.0
|
|
||||||
|
|
||||||
return interArea / unionArea
|
|
||||||
|
|
||||||
def draw_alert(self, frame, text, color=(0, 0, 255), sub_text=None, offset_y=0):
|
|
||||||
"""在右上角绘制警告文字 (支持垂直偏移，防止文字重叠)"""
|
|
||||||
font_scale = 1.5
|
|
||||||
thickness = 3
|
|
||||||
font = cv2.FONT_HERSHEY_SIMPLEX
|
|
||||||
|
|
||||||
(text_w, text_h), _ = cv2.getTextSize(text, font, font_scale, thickness)
|
|
||||||
x = self.width - text_w - 20
|
|
||||||
y = 50 + text_h + offset_y # 增加 Y 轴偏移
|
|
||||||
|
|
||||||
cv2.rectangle(frame, (x - 10, y - text_h - 10), (x + text_w + 10, y + 10), (0, 0, 0), -1)
|
|
||||||
cv2.putText(frame, text, (x, y), font, font_scale, color, thickness)
|
|
||||||
|
|
||||||
if sub_text:
|
|
||||||
cv2.putText(frame, sub_text, (x, y + 40), font, 0.7, (200, 200, 200), 2)
|
|
||||||
|
|
||||||
def is_point_in_box(self, point, box):
|
|
||||||
"""判断点是否在框内"""
|
|
||||||
px, py = point
|
|
||||||
x1, y1, x2, y2 = box
|
|
||||||
return x1 < px < x2 and y1 < py < y2
|
|
||||||
|
|
||||||
def process_frame(self, frame, camera_id: int, timestamp: float) -> Dict[str, Any]:
|
|
||||||
h, w = frame.shape[:2]
|
|
||||||
self.width, self.height = w, h
|
|
||||||
|
|
||||||
self.current_frame_idx += 1
|
|
||||||
# ========= 每帧动态获取正确的 ROI（int32）=========
|
|
||||||
roi_points_int32 = self._get_roi_points(w, h) # shape: (4, 2), dtype: int32
|
|
||||||
roi_points_draw = roi_points_int32.reshape((-1, 1, 2)) # shape: (4, 1, 2) 用于绘制
|
|
||||||
|
|
||||||
current_time_sec = timestamp
|
|
||||||
|
|
||||||
# ========= 主检测（删除pose检测）=========
|
|
||||||
detections = self.detector(frame)
|
|
||||||
|
|
||||||
dets_xyxy = []
|
|
||||||
dets_roles = []
|
|
||||||
dets_for_tracker = []
|
|
||||||
|
|
||||||
# ========= 当前帧所有警告列表 ==========
|
|
||||||
current_frame_alerts = [] # 每帧清空，重新收集
|
|
||||||
|
|
||||||
if detections:
|
|
||||||
for det in detections:
|
|
||||||
x1, y1, x2, y2, conf, cls_id = det # x1,y1:左上角，x2,y2:右下角
|
|
||||||
dets_xyxy.append([x1, y1, x2, y2])
|
|
||||||
dets_for_tracker.append([x1, y1, x2, y2, conf])
|
|
||||||
|
|
||||||
# 更新类别映射：0=Car,1=OpenTrunk,2=Passerby,3=Police
|
|
||||||
if cls_id == 0:
|
|
||||||
dets_roles.append("car")
|
|
||||||
elif cls_id == 1:
|
|
||||||
dets_roles.append("opentrunk")
|
|
||||||
elif cls_id == 2:
|
|
||||||
dets_roles.append("passerby") # 路人
|
|
||||||
elif cls_id == 3:
|
|
||||||
dets_roles.append("police") # 警察
|
|
||||||
|
|
||||||
dets = np.array(dets_for_tracker, dtype=np.float32) if len(dets_for_tracker) else np.empty((0, 5))
|
|
||||||
|
|
||||||
# 跟踪器更新
|
|
||||||
tracks = self.tracker.update(
|
|
||||||
dets,
|
|
||||||
[self.height, self.width],
|
|
||||||
[self.height, self.width]
|
|
||||||
)
|
|
||||||
|
|
||||||
# ========= 绘制 ROI =========
|
|
||||||
cv2.polylines(frame, [roi_points_draw], isClosed=True, color=(255, 0, 0), thickness=3)
|
|
||||||
|
|
||||||
# ========= 单帧统计变量 =========
|
|
||||||
current_roi_trunk_count = 0 # 仅保留后备箱统计
|
|
||||||
current_roi_police_count = 0 # ROI内警察数量
|
|
||||||
|
|
||||||
# 临时存储本帧的目标，用于后续关联分析
|
|
||||||
current_cars = [] # {'id':, 'box':}
|
|
||||||
current_trunks = [] # (cx, cy)
|
|
||||||
|
|
||||||
# ========= 处理跟踪结果 =========
|
|
||||||
for t in tracks:
|
|
||||||
tid = t.track_id
|
|
||||||
REVALIDATE_FRAME_INTERVAL = 10
|
|
||||||
|
|
||||||
# 定期重新匹配跟踪ID的类别
|
|
||||||
if (self.current_frame_idx % REVALIDATE_FRAME_INTERVAL == 0) or (tid not in self.track_role):
|
|
||||||
best_iou = 0
|
|
||||||
best_role = "unknown"
|
|
||||||
t_box = list(map(float, t.tlbr)) # [x1,y1,x2,y2]
|
|
||||||
|
|
||||||
for i, box in enumerate(dets_xyxy):
|
|
||||||
iou_val = self.compute_iou(t_box, box)
|
|
||||||
if iou_val > best_iou:
|
|
||||||
best_iou = iou_val
|
|
||||||
best_role = dets_roles[i]
|
|
||||||
if best_iou > 0.1:
|
|
||||||
self.track_role[tid] = best_role
|
|
||||||
else:
|
|
||||||
self.track_role[tid] = "unknown"
|
|
||||||
|
|
||||||
role = self.track_role.get(tid, "unknown")
|
|
||||||
x1, y1, x2, y2 = map(int, t.tlbr)
|
|
||||||
cx, cy = (x1 + x2) // 2, (y1 + y2) // 2
|
|
||||||
|
|
||||||
# 定义不同类别的颜色（仅标框，不告警）
|
|
||||||
if role == "car":
|
|
||||||
color = (0, 255, 0) # 绿色
|
|
||||||
label = f"Car:{tid}"
|
|
||||||
# 仅处理ROI内的车辆
|
|
||||||
if self.check_point_in_roi(roi_points_int32, (cx, cy)):
|
|
||||||
current_cars.append({'id': tid, 'box': [x1, y1, x2, y2]})
|
|
||||||
# 车辆注册表初始化
|
|
||||||
if tid not in self.roi_car_registry:
|
|
||||||
self.roi_car_registry[tid] = {
|
|
||||||
'first_seen': self.current_frame_idx,
|
|
||||||
'last_seen': self.current_frame_idx,
|
|
||||||
'trunk_frames': 0,
|
|
||||||
'is_checked': False,
|
|
||||||
}
|
|
||||||
else:
|
|
||||||
self.roi_car_registry[tid]['last_seen'] = self.current_frame_idx
|
|
||||||
label += " IN"
|
|
||||||
elif role == "opentrunk":
|
|
||||||
color = (255, 165, 0) # 橙色
|
|
||||||
label = "OpenTrunk"
|
|
||||||
if self.check_point_in_roi(roi_points_int32, (cx, cy)):
|
|
||||||
current_roi_trunk_count += 1
|
|
||||||
current_trunks.append((cx, cy))
|
|
||||||
label += " IN"
|
|
||||||
elif role == "passerby":
|
|
||||||
color = (255, 255, 0) # 黄色（仅标框，不告警）
|
|
||||||
label = "Passerby"
|
|
||||||
elif role == "police":
|
|
||||||
color = (0, 255, 255) # 青色
|
|
||||||
label = "Police"
|
|
||||||
if self.check_point_in_roi(roi_points_int32, (cx, cy)):
|
|
||||||
current_roi_police_count += 1
|
|
||||||
# 警察注册表初始化
|
|
||||||
if tid not in self.roi_police_registry:
|
|
||||||
self.roi_police_registry[tid] = {
|
|
||||||
'first_seen': self.current_frame_idx,
|
|
||||||
'last_seen': self.current_frame_idx,
|
|
||||||
}
|
|
||||||
else:
|
|
||||||
self.roi_police_registry[tid]['last_seen'] = self.current_frame_idx
|
|
||||||
label += " IN"
|
|
||||||
else:
|
|
||||||
color = (255, 255, 255) # 白色
|
|
||||||
label = "Unknown"
|
|
||||||
|
|
||||||
# 绘制检测框和标签（所有类别都标框，仅车/后备箱有逻辑）
|
|
||||||
cv2.rectangle(frame, (x1, y1), (x2, y2), color, 2)
|
|
||||||
cv2.putText(frame, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2)
|
|
||||||
|
|
||||||
# ==========================================
|
|
||||||
# 关联分析: 哪个后备箱属于哪辆车?
|
|
||||||
# ==========================================
|
|
||||||
for car_info in current_cars:
|
|
||||||
c_id = car_info['id']
|
|
||||||
c_box = car_info['box']
|
|
||||||
trunk_found_for_this_car = False
|
|
||||||
|
|
||||||
for t_pt in current_trunks:
|
|
||||||
if self.is_point_in_box(t_pt, c_box):
|
|
||||||
trunk_found_for_this_car = True
|
|
||||||
break
|
|
||||||
|
|
||||||
if trunk_found_for_this_car:
|
|
||||||
self.roi_car_registry[c_id]['trunk_frames'] += 1
|
|
||||||
if self.roi_car_registry[c_id]['trunk_frames'] >= self.frame_thresh_trunk_valid:
|
|
||||||
self.roi_car_registry[c_id]['is_checked'] = True
|
|
||||||
|
|
||||||
# ==========================================
|
|
||||||
# 维护车辆注册表 & 生成离场报警
|
|
||||||
# ==========================================
|
|
||||||
active_car_ids = []
|
|
||||||
cars_to_remove = []
|
|
||||||
|
|
||||||
for car_id, info in self.roi_car_registry.items():
|
|
||||||
last_seen = info['last_seen']
|
|
||||||
if (self.current_frame_idx - last_seen) <= self.frame_buffer_limit_car:
|
|
||||||
active_car_ids.append(car_id)
|
|
||||||
else:
|
|
||||||
cars_to_remove.append(car_id)
|
|
||||||
|
|
||||||
# 处理离场车辆，生成违规告警
|
|
||||||
for car_id in cars_to_remove:
|
|
||||||
car_info = self.roi_car_registry[car_id]
|
|
||||||
duration_frames = car_info['last_seen'] - car_info['first_seen']
|
|
||||||
|
|
||||||
# 情况1：通过时间太短 -> Ignore (Too Fast)
|
|
||||||
if duration_frames < self.frame_thresh_car_min_duration:
|
|
||||||
print(f"ALARM: Car {car_id} passed too fast -> Regarded as Ignore Checked!")
|
|
||||||
self.fast_pass_alerts[car_id] = self.current_frame_idx + int(self.ignore_show_seconds * self.fps)
|
|
||||||
|
|
||||||
# 情况2：时间够长，但没检查后备箱 -> Unchecked Trunk
|
|
||||||
elif not car_info['is_checked']:
|
|
||||||
print(f"ALARM: Car {car_id} left without checking trunk!")
|
|
||||||
self.unchecked_trunk_alerts[car_id] = self.current_frame_idx + int(
|
|
||||||
self.openTrunk_show_seconds * self.fps)
|
|
||||||
|
|
||||||
del self.roi_car_registry[car_id]
|
|
||||||
|
|
||||||
effective_car_count = len(active_car_ids)
|
|
||||||
|
|
||||||
# ==========================================
|
|
||||||
# 维护警察注册表
|
|
||||||
# ==========================================
|
|
||||||
active_police_ids = []
|
|
||||||
polices_to_remove = []
|
|
||||||
|
|
||||||
for police_id, info in self.roi_police_registry.items():
|
|
||||||
last_seen = info['last_seen']
|
|
||||||
if (self.current_frame_idx - last_seen) <= self.frame_buffer_limit_police:
|
|
||||||
active_police_ids.append(police_id)
|
|
||||||
else:
|
|
||||||
polices_to_remove.append(police_id)
|
|
||||||
|
|
||||||
for police_id in polices_to_remove:
|
|
||||||
del self.roi_police_registry[police_id]
|
|
||||||
|
|
||||||
effective_police_count = len(active_police_ids)
|
|
||||||
|
|
||||||
# ==========================================
|
|
||||||
# 显示调试信息和报警 (仅保留车/后备箱相关)
|
|
||||||
# ==========================================
|
|
||||||
# 调试信息
|
|
||||||
debug_info = f"Cars: {len(active_car_ids)} | Trunk: {current_roi_trunk_count} | Police: {effective_police_count} | Nobody:{self.nobody_frames}/{self.frame_thresh_nobody} | OnlyOne:{self.only_one_frames}/{self.frame_thresh_only_one}"
|
|
||||||
cv2.putText(frame, debug_info, (20, 40), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2)
|
|
||||||
|
|
||||||
# 报警偏移量（防止重叠）
|
|
||||||
alert_offset = 0
|
|
||||||
|
|
||||||
# A. 显示 Trunk Checked (车辆已检查后备箱)
|
|
||||||
# for car_id in active_car_ids:
|
|
||||||
# if car_id in self.roi_car_registry and self.roi_car_registry[car_id]['is_checked']:
|
|
||||||
# current_frame_alerts.append({
|
|
||||||
# 'time': current_time_sec,
|
|
||||||
# 'action': "Trunk Checked",
|
|
||||||
# })
|
|
||||||
# self.draw_alert(frame, "Trunk Checked!!", (0, 255, 0), offset_y=alert_offset)
|
|
||||||
# alert_offset += 100
|
|
||||||
# break # 只显示一次
|
|
||||||
|
|
||||||
# B. 显示 Unchecked Trunk (离场未检查后备箱)
|
|
||||||
expired_alerts = [cid for cid, end_frame in self.unchecked_trunk_alerts.items() if
|
|
||||||
self.current_frame_idx > end_frame]
|
|
||||||
for cid in expired_alerts:
|
|
||||||
del self.unchecked_trunk_alerts[cid]
|
|
||||||
|
|
||||||
if len(self.unchecked_trunk_alerts) > 0:
|
|
||||||
alert_text = f"Unchecked Trunk! (ID:{list(self.unchecked_trunk_alerts.keys())})"
|
|
||||||
current_frame_alerts.append({
|
|
||||||
'time': current_time_sec,
|
|
||||||
'action': "Unchecked Trunk",
|
|
||||||
})
|
|
||||||
self.draw_alert(frame, alert_text, (0, 0, 255), offset_y=alert_offset)
|
|
||||||
alert_offset += 100
|
|
||||||
|
|
||||||
# C. 显示 Ignore (通过过快)
|
|
||||||
expired_fast_alerts = [cid for cid, end_frame in self.fast_pass_alerts.items() if
|
|
||||||
self.current_frame_idx > end_frame]
|
|
||||||
for cid in expired_fast_alerts:
|
|
||||||
del self.fast_pass_alerts[cid]
|
|
||||||
|
|
||||||
if len(self.fast_pass_alerts) > 0:
|
|
||||||
alert_text = f"Ignore: (ID:{list(self.fast_pass_alerts.keys())})"
|
|
||||||
current_frame_alerts.append({
|
|
||||||
'time': current_time_sec,
|
|
||||||
'action': "Ignore",
|
|
||||||
})
|
|
||||||
self.draw_alert(frame, alert_text, (0, 0, 255), offset_y=alert_offset)
|
|
||||||
alert_offset += 100
|
|
||||||
|
|
||||||
# D. 显示警察在场状态 (Nobody/Only One)
|
|
||||||
# 清理过期的 Nobody 告警
|
|
||||||
expired_nobody = [k for k, v in self.nobody_alerts.items() if self.current_frame_idx > v]
|
|
||||||
for k in expired_nobody:
|
|
||||||
del self.nobody_alerts[k]
|
|
||||||
|
|
||||||
# 清理过期的 Only One 告警
|
|
||||||
expired_only_one = [k for k, v in self.only_one_alerts.items() if self.current_frame_idx > v]
|
|
||||||
for k in expired_only_one:
|
|
||||||
del self.only_one_alerts[k]
|
|
||||||
|
|
||||||
if effective_car_count > 0:
|
|
||||||
# 更新累计帧数
|
|
||||||
if effective_police_count == 0:
|
|
||||||
self.nobody_frames += 1
|
|
||||||
self.only_one_frames = 0
|
|
||||||
elif effective_police_count == 1:
|
|
||||||
self.only_one_frames += 1
|
|
||||||
self.nobody_frames = 0
|
|
||||||
else:
|
|
||||||
self.nobody_frames = 0
|
|
||||||
self.only_one_frames = 0
|
|
||||||
else:
|
|
||||||
self.nobody_frames = 0
|
|
||||||
self.only_one_frames = 0
|
|
||||||
|
|
||||||
if effective_police_count == 0 and self.nobody_frames >= self.frame_thresh_nobody:
|
|
||||||
alert_text = "Nobody"
|
|
||||||
if "Nobody" not in self.nobody_alerts:
|
|
||||||
self.nobody_alerts["Nobody"] = self.current_frame_idx + int(self.police_show_seconds * self.fps)
|
|
||||||
current_frame_alerts.append({
|
|
||||||
'time': current_time_sec,
|
|
||||||
'action': "Nobody",
|
|
||||||
})
|
|
||||||
#self.draw_alert(frame, alert_text, (0, 0, 255), offset_y=alert_offset)
|
|
||||||
alert_offset += 100
|
|
||||||
elif effective_police_count == 1 and self.only_one_frames >= self.frame_thresh_only_one:
|
|
||||||
alert_text = "Only One"
|
|
||||||
if "Only One" not in self.only_one_alerts:
|
|
||||||
self.only_one_alerts["Only One"] = self.current_frame_idx + int(self.police_show_seconds * self.fps)
|
|
||||||
current_frame_alerts.append({
|
|
||||||
'time': current_time_sec,
|
|
||||||
'action': "Only One",
|
|
||||||
})
|
|
||||||
#self.draw_alert(frame, alert_text, (255, 165, 0), offset_y=alert_offset)
|
|
||||||
alert_offset += 100
|
|
||||||
|
|
||||||
return {
|
|
||||||
"image": frame,
|
|
||||||
"alerts": current_frame_alerts,
|
|
||||||
}
|
|
||||||
|
|
||||||
|
|
||||||
# ========================= 帧处理线程 =========================
|
|
||||||
class FrameProcessorWorker(BaseFrameProcessorWorker):
|
|
||||||
"""卡点检测帧处理线程"""
|
|
||||||
|
|
||||||
# 子类配置
|
|
||||||
DETECTOR_FACTORY = lambda params: KadianDetector(params)
|
|
||||||
POST_TYPE = 1
|
|
||||||
TARGET_FPS = RTSP_TARGET_FPS
|
|
||||||
447
biz/prison/ab_biz.py
Normal file
447
biz/prison/ab_biz.py
Normal file
@@ -0,0 +1,447 @@
|
|||||||
|
import cv2
|
||||||
|
import numpy as np
|
||||||
|
import base64
|
||||||
|
from typing import Dict, Any
|
||||||
|
import threading
|
||||||
|
import time
|
||||||
|
import queue
|
||||||
|
import requests
|
||||||
|
|
||||||
|
# -------------------------- Kadian 检测相关导入 --------------------------
|
||||||
|
from algorithm.common.npu_yolo_onnx_person_car_phone import YOLOv8_ONNX # 主检测模型（人/车/后备箱/手机）
|
||||||
|
from common.constants import ALERT_PUSH_URL
|
||||||
|
|
||||||
|
from yolox.tracker.byte_tracker import BYTETracker
|
||||||
|
|
||||||
|
|
||||||
|
# ========================= 配置区 =========================
|
||||||
|
# Kadian 模型路径与ROI（可根据实际情况修改）
|
||||||
|
detector_model_path = 'YOLO_Weight/prisoner_model.onnx'
|
||||||
|
|
||||||
|
# 输入尺寸
|
||||||
|
input_size = 1280
|
||||||
|
|
||||||
|
RTSP_TARGET_FPS = 10.0
|
||||||
|
|
||||||
|
# 新增：告警推送频率限制（秒）
|
||||||
|
ALERT_PUSH_INTERVAL = 5.0 # 相同action 5秒内仅推送一次
|
||||||
|
|
||||||
|
|
||||||
|
class ZoulangDetector:
|
||||||
|
def __init__(self):
|
||||||
|
# 模型加载
|
||||||
|
|
||||||
|
self.police_prisoner_detector = YOLOv8_ONNX(detector_model_path, conf_threshold=0.5, iou_threshold=0.45,
|
||||||
|
input_size=input_size)
|
||||||
|
|
||||||
|
# ByteTracker
|
||||||
|
class TrackerArgs:
|
||||||
|
track_thresh = 0.25
|
||||||
|
track_buffer = 30
|
||||||
|
match_thresh = 0.8
|
||||||
|
mot20 = False
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
self.police_prisoner_track_role = {}
|
||||||
|
|
||||||
|
self.fps = RTSP_TARGET_FPS
|
||||||
|
|
||||||
|
self.tracker = BYTETracker(TrackerArgs(), frame_rate=self.fps)
|
||||||
|
|
||||||
|
# ==========================================
|
||||||
|
# 超参数设置 (Hyperparameters)
|
||||||
|
# ==========================================
|
||||||
|
|
||||||
|
# 1. 业务判定时间阈值
|
||||||
|
# self.TIME_THRESHOLD_NOBODY = 2.0 # 无人在场判定时长
|
||||||
|
|
||||||
|
self.TIME_THRESHOLD_POLICE = 1.0 # 警察判定时长
|
||||||
|
self.TIME_TOLERANCE_POLICE = 0.5 # 警察失缓冲时间（防抖动）
|
||||||
|
|
||||||
|
self.TIME_THRESHOLD_PRISONER = 1.0 # 犯人判定时长
|
||||||
|
self.TIME_TOLERANCE_PRISONER = 0.5 # 犯人丢失缓冲时间（防抖动）
|
||||||
|
|
||||||
|
# 无人在场帧数阈值
|
||||||
|
# self.frame_thresh_nobody = int(self.TIME_THRESHOLD_NOBODY * self.fps)
|
||||||
|
|
||||||
|
# 警察检测帧数阈值
|
||||||
|
self.frame_thresh_police = int(self.TIME_THRESHOLD_POLICE * self.fps)
|
||||||
|
self.frame_buffer_police = int(self.TIME_TOLERANCE_POLICE * self.fps)
|
||||||
|
|
||||||
|
# 犯人检测帧数阈值
|
||||||
|
self.frame_thresh_prisoner = int(self.TIME_THRESHOLD_PRISONER * self.fps)
|
||||||
|
self.frame_buffer_prisoner = int(self.TIME_TOLERANCE_PRISONER * self.fps)
|
||||||
|
|
||||||
|
print(f"\n超参数设置:")
|
||||||
|
print(f" FPS: {self.fps:.2f}")
|
||||||
|
# print(f" 判定 'Nobody' 需连续: {self.frame_thresh_nobody} 帧")
|
||||||
|
print(f" 判定 'police Detected' 需累计检测: {self.frame_thresh_police} 帧")
|
||||||
|
print(f" 警察丢失缓冲帧数: {self.frame_buffer_police} 帧")
|
||||||
|
print(f" 判定 'prisoner Detected' 需累计检测: {self.frame_thresh_prisoner} 帧")
|
||||||
|
print(f" 犯人丢失缓冲帧数: {self.frame_buffer_prisoner} 帧")
|
||||||
|
|
||||||
|
# ==========================================
|
||||||
|
# 状态变量初始化
|
||||||
|
# ==========================================
|
||||||
|
|
||||||
|
self.current_frame_idx = 0
|
||||||
|
|
||||||
|
# 无人在场检测状态变量
|
||||||
|
self.cnt_frame_nobody = 0
|
||||||
|
|
||||||
|
# 警察检测状态变量
|
||||||
|
self.police_detection_frames = 0 # 连续检测到警察的帧数
|
||||||
|
self.police_missing_frames = 0 # 连续未检测到警察的帧数
|
||||||
|
self.police_alert_active = False # 警察报警是否激活
|
||||||
|
|
||||||
|
# 犯人检测状态变量
|
||||||
|
self.prisoner_detection_frames = 0 # 连续检测到犯人的帧数
|
||||||
|
self.prisoner_missing_frames = 0 # 连续未检测到犯人的帧数
|
||||||
|
self.prisoner_alert_active = False # 犯人报警是否激活
|
||||||
|
|
||||||
|
|
||||||
|
def compute_iou(self,boxA, boxB):
|
||||||
|
# box = [x1, y1, x2, y2]
|
||||||
|
xA = max(boxA[0], boxB[0])
|
||||||
|
yA = max(boxA[1], boxB[1])
|
||||||
|
xB = min(boxA[2], boxB[2])
|
||||||
|
yB = min(boxA[3], boxB[3])
|
||||||
|
|
||||||
|
interW = max(0, xB - xA)
|
||||||
|
interH = max(0, yB - yA)
|
||||||
|
interArea = interW * interH
|
||||||
|
|
||||||
|
boxAArea = (boxA[2] - boxA[0]) * (boxA[3] - boxA[1])
|
||||||
|
boxBArea = (boxB[2] - boxB[0]) * (boxB[3] - boxB[1])
|
||||||
|
|
||||||
|
unionArea = boxAArea + boxBArea - interArea
|
||||||
|
if unionArea == 0:
|
||||||
|
return 0.0
|
||||||
|
|
||||||
|
return interArea / unionArea
|
||||||
|
|
||||||
|
def draw_alert(self, frame, text, color=(0, 0, 255), sub_text=None, offset_y=0):
|
||||||
|
"""在右上角绘制警告文字 (支持垂直偏移，防止文字重叠)"""
|
||||||
|
font_scale = 1.5
|
||||||
|
thickness = 3
|
||||||
|
font = cv2.FONT_HERSHEY_SIMPLEX
|
||||||
|
|
||||||
|
(text_w, text_h), _ = cv2.getTextSize(text, font, font_scale, thickness)
|
||||||
|
x = self.width - text_w - 20
|
||||||
|
y = 50 + text_h + offset_y # 增加 Y 轴偏移
|
||||||
|
|
||||||
|
cv2.rectangle(frame, (x - 10, y - text_h - 10), (x + text_w + 10, y + 10), (0, 0, 0), -1)
|
||||||
|
cv2.putText(frame, text, (x, y), font, font_scale, color, thickness)
|
||||||
|
|
||||||
|
if sub_text:
|
||||||
|
cv2.putText(frame, sub_text, (x, y + 40), font, 0.7, (200, 200, 200), 2)
|
||||||
|
|
||||||
|
def process_frame(self, frame, camera_id: int, timestamp: float) -> Dict[str, Any]:
|
||||||
|
h, w = frame.shape[:2]
|
||||||
|
self.width, self.height = w, h
|
||||||
|
|
||||||
|
self.current_frame_idx += 1
|
||||||
|
|
||||||
|
current_time_sec = timestamp
|
||||||
|
|
||||||
|
# ========= 警察和犯人检测 =========
|
||||||
|
police_prisoner_results = self.police_prisoner_detector(frame)
|
||||||
|
|
||||||
|
police_prisoner_dets_xyxy = []
|
||||||
|
police_prisoner_dets_roles = []
|
||||||
|
police_prisoner_dets_for_tracker = []
|
||||||
|
|
||||||
|
# ========= 当前帧所有警告列表（关键改动）==========
|
||||||
|
current_frame_alerts = [] # 每帧清空，重新收集
|
||||||
|
|
||||||
|
if police_prisoner_results:
|
||||||
|
for det in police_prisoner_results:
|
||||||
|
x1, y1, x2, y2, conf, cls_id = det # x1, y1, x2, y2为角点坐标，x1 y1为左上角，x2 y2为右下角
|
||||||
|
police_prisoner_dets_xyxy.append([x1, y1, x2, y2])
|
||||||
|
police_prisoner_dets_for_tracker.append([x1, y1, x2, y2, conf])
|
||||||
|
if cls_id == 0:
|
||||||
|
police_prisoner_dets_roles.append("police")
|
||||||
|
elif cls_id == 1:
|
||||||
|
police_prisoner_dets_roles.append("prisoner")
|
||||||
|
|
||||||
|
ppolice_prisoner_dets = np.array(police_prisoner_dets_for_tracker, dtype=np.float32) if len(
|
||||||
|
police_prisoner_dets_for_tracker) else np.empty((0, 5))
|
||||||
|
|
||||||
|
police_prisoner_dets_tracks = self.tracker.update(
|
||||||
|
ppolice_prisoner_dets,
|
||||||
|
[self.height, self.width],
|
||||||
|
[self.height, self.width]
|
||||||
|
)
|
||||||
|
# ========= 单帧统计变量 =========
|
||||||
|
current_police_count = 0
|
||||||
|
current_prisoner_count = 0
|
||||||
|
|
||||||
|
# ========= 警察和犯人检测 =========
|
||||||
|
for t in police_prisoner_dets_tracks:
|
||||||
|
# print("t: {}".format(t))
|
||||||
|
tid = t.track_id
|
||||||
|
# cls_id = -1
|
||||||
|
|
||||||
|
# IoU 匹配角色
|
||||||
|
|
||||||
|
REVALIDATE_FRAME_INTERVAL = 10
|
||||||
|
if (self.current_frame_idx % REVALIDATE_FRAME_INTERVAL == 0) or (
|
||||||
|
tid not in self.police_prisoner_track_role):
|
||||||
|
best_iou = 0
|
||||||
|
best_role = "unknown"
|
||||||
|
|
||||||
|
t_box = list(map(float, t.tlbr)) # [x1,y1,x2,y2]
|
||||||
|
|
||||||
|
for i, box in enumerate(police_prisoner_dets_xyxy):
|
||||||
|
iou_val = self.compute_iou(t_box, box)
|
||||||
|
if iou_val > best_iou:
|
||||||
|
best_iou = iou_val
|
||||||
|
best_role = police_prisoner_dets_roles[i]
|
||||||
|
if best_iou > 0.1:
|
||||||
|
self.police_prisoner_track_role[tid] = best_role
|
||||||
|
else:
|
||||||
|
self.police_prisoner_track_role[tid] = "unknown"
|
||||||
|
|
||||||
|
role = self.police_prisoner_track_role.get(tid, "unknown")
|
||||||
|
cls_id = -1
|
||||||
|
if role == "police":
|
||||||
|
cls_id = 0
|
||||||
|
elif role == "prisoner":
|
||||||
|
cls_id = 1
|
||||||
|
# print("tid: {}, role: {}, cls: {}".format(tid, role,cls_id))
|
||||||
|
|
||||||
|
x1, y1, x2, y2 = map(int, t.tlbr)
|
||||||
|
|
||||||
|
cx, cy = (x1 + x2) // 2, (y1 + y2) // 2
|
||||||
|
|
||||||
|
color = None
|
||||||
|
label = None
|
||||||
|
|
||||||
|
if cls_id == 0: # Person
|
||||||
|
current_police_count += 1
|
||||||
|
color = (255, 0, 255)
|
||||||
|
label = "police"
|
||||||
|
|
||||||
|
elif cls_id == 1: # Phone（主模型已支持）
|
||||||
|
current_prisoner_count += 1
|
||||||
|
color = (0, 0, 139)
|
||||||
|
label = "prisoner"
|
||||||
|
else:
|
||||||
|
color = (255, 255, 255)
|
||||||
|
label = "Unknown"
|
||||||
|
|
||||||
|
# label = f"ID:{tid} IN"
|
||||||
|
|
||||||
|
cv2.rectangle(frame, (x1, y1), (x2, y2), color, 2)
|
||||||
|
cv2.putText(frame, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2)
|
||||||
|
|
||||||
|
# ==========================================
|
||||||
|
# 犯人检测
|
||||||
|
# ==========================================
|
||||||
|
if current_prisoner_count > 0:
|
||||||
|
# 检测到犯人框
|
||||||
|
self.prisoner_detection_frames += 1
|
||||||
|
self.prisoner_missing_frames = 0 # 重置丢失计数器
|
||||||
|
|
||||||
|
# 当检测累计达到阈值时，激活报警
|
||||||
|
if self.prisoner_detection_frames >= self.frame_thresh_prisoner:
|
||||||
|
self.prisoner_alert_active = True
|
||||||
|
else:
|
||||||
|
# 未检测到犯人框
|
||||||
|
self.prisoner_missing_frames += 1
|
||||||
|
|
||||||
|
# 如果之前检测到手机，重置检测计数器
|
||||||
|
if self.prisoner_detection_frames > 0:
|
||||||
|
# 只有在连续丢失超过缓冲帧数时才重置
|
||||||
|
if self.prisoner_missing_frames >= self.frame_buffer_prisoner:
|
||||||
|
self.prisoner_detection_frames = 0
|
||||||
|
self.prisoner_alert_active = False
|
||||||
|
else:
|
||||||
|
# 从未检测到犯人，保持状态
|
||||||
|
pass
|
||||||
|
# ==========================================
|
||||||
|
# 警察检测
|
||||||
|
# ==========================================
|
||||||
|
if current_police_count > 0:
|
||||||
|
# 检测到犯人框
|
||||||
|
self.police_detection_frames += 1
|
||||||
|
self.police_missing_frames = 0 # 重置丢失计数器
|
||||||
|
|
||||||
|
# 当检测累计达到阈值时，激活报警
|
||||||
|
if self.police_detection_frames >= self.frame_thresh_police:
|
||||||
|
self.police_alert_active = True
|
||||||
|
else:
|
||||||
|
# 未检测到犯人框
|
||||||
|
self.police_missing_frames += 1
|
||||||
|
|
||||||
|
# 如果之前检测到手机，重置检测计数器
|
||||||
|
if self.police_detection_frames > 0:
|
||||||
|
# 只有在连续丢失超过缓冲帧数时才重置
|
||||||
|
if self.police_missing_frames >= self.frame_buffer_police:
|
||||||
|
self.police_detection_frames = 0
|
||||||
|
self.police_alert_active = False
|
||||||
|
else:
|
||||||
|
# 从未检测到犯人，保持状态
|
||||||
|
pass
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
alert_offset = 0
|
||||||
|
|
||||||
|
# A. 有犯人
|
||||||
|
if self.prisoner_alert_active:
|
||||||
|
duration_seconds = self.prisoner_detection_frames / self.fps
|
||||||
|
current_frame_alerts.append(
|
||||||
|
{
|
||||||
|
'time': current_time_sec,
|
||||||
|
'action': 'prisoner',
|
||||||
|
'confidence': 1.0, # 固定为1.0（规则判定）
|
||||||
|
'details': f"Detected for {duration_seconds:.1f}s"
|
||||||
|
}
|
||||||
|
)
|
||||||
|
self.draw_alert(frame, "prisoner", (0, 0, 255), offset_y=alert_offset)
|
||||||
|
alert_offset += 100
|
||||||
|
|
||||||
|
# ==========================================
|
||||||
|
# 11. 统一显示当前帧所有警告（可替换原分层显示）
|
||||||
|
# ==========================================
|
||||||
|
debug_info = f" prisoner: {current_prisoner_count}"
|
||||||
|
cv2.putText(frame, debug_info, (20, 40), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2)
|
||||||
|
|
||||||
|
# 统一警告显示区
|
||||||
|
alert_y_start = 150
|
||||||
|
for i, alert in enumerate(current_frame_alerts):
|
||||||
|
action = alert['action']
|
||||||
|
details = alert.get('details', '')
|
||||||
|
color = (0, 0, 255) # 默认红色警告
|
||||||
|
|
||||||
|
if action == 'prisoner':
|
||||||
|
color = (255, 255, 255)
|
||||||
|
|
||||||
|
main_text = action
|
||||||
|
if details:
|
||||||
|
main_text += f" ({details})"
|
||||||
|
|
||||||
|
y_pos = alert_y_start + i * 50
|
||||||
|
cv2.rectangle(frame, (20, y_pos - 40), (900, y_pos + 10), (0, 0, 0), -1)
|
||||||
|
cv2.putText(frame, main_text, (30, y_pos), cv2.FONT_HERSHEY_SIMPLEX, 1.0, color, 2)
|
||||||
|
|
||||||
|
return {
|
||||||
|
"image": frame,
|
||||||
|
|
||||||
|
"alerts":current_frame_alerts
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
# ========================= 帧处理线程 =========================
|
||||||
|
class FrameProcessorWorker(threading.Thread):
|
||||||
|
def __init__(self,
|
||||||
|
raw_frame_queue: "queue.Queue[Dict[str, Any]]",
|
||||||
|
ws_send_queue: "queue.Queue[Dict[str, Any]]",
|
||||||
|
stop_event: threading.Event):
|
||||||
|
super().__init__(daemon=True)
|
||||||
|
self.raw_queue = raw_frame_queue
|
||||||
|
self.ws_queue = ws_send_queue
|
||||||
|
self.stop_event = stop_event
|
||||||
|
|
||||||
|
self.last_ts: Dict[int, float] = {}
|
||||||
|
|
||||||
|
# 每个摄像头一个独立的 Kadian 检测器实例
|
||||||
|
self.kadian_detectors: Dict[int, ZoulangDetector] = {}
|
||||||
|
|
||||||
|
# 新增：维护每个摄像头每个action的最后推送时间 {camera_id: {action: last_push_time}}
|
||||||
|
self.last_alert_push_time: Dict[int, Dict[str, float]] = {}
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
def _encode_image_to_base64(self, image) -> str:
|
||||||
|
ok, buf = cv2.imencode(".jpg", image)
|
||||||
|
if not ok:
|
||||||
|
raise RuntimeError("Failed to encode image to JPEG")
|
||||||
|
return base64.b64encode(buf.tobytes()).decode("ascii")
|
||||||
|
|
||||||
|
def run(self):
|
||||||
|
target_interval = 1.0 / RTSP_TARGET_FPS
|
||||||
|
while not self.stop_event.is_set():
|
||||||
|
try:
|
||||||
|
item = self.raw_queue.get(timeout=0.5)
|
||||||
|
except queue.Empty:
|
||||||
|
continue
|
||||||
|
|
||||||
|
cam_id = item["camera_id"]
|
||||||
|
ts = item["timestamp"]
|
||||||
|
frame = item["frame"]
|
||||||
|
|
||||||
|
# 抽帧控制
|
||||||
|
if ts - self.last_ts.get(cam_id, 0) < target_interval:
|
||||||
|
self.raw_queue.task_done()
|
||||||
|
continue
|
||||||
|
self.last_ts[cam_id] = ts
|
||||||
|
|
||||||
|
# 获取检测器实例
|
||||||
|
if cam_id not in self.kadian_detectors:
|
||||||
|
self.kadian_detectors[cam_id] = ZoulangDetector()
|
||||||
|
detector = self.kadian_detectors[cam_id]
|
||||||
|
|
||||||
|
# 执行检测
|
||||||
|
result = detector.process_frame(frame.copy(), cam_id, ts)
|
||||||
|
|
||||||
|
result_img = result["image"]
|
||||||
|
result_type = result["alerts"]
|
||||||
|
|
||||||
|
# ========= 核心修改：过滤5秒内重复的action =========
|
||||||
|
# 初始化当前摄像头的推送时间记录
|
||||||
|
if cam_id not in self.last_alert_push_time:
|
||||||
|
self.last_alert_push_time[cam_id] = {}
|
||||||
|
|
||||||
|
# 筛选出符合推送条件的action（5秒内未推送过）
|
||||||
|
push_actions = []
|
||||||
|
current_time = time.time()
|
||||||
|
for alert in result_type:
|
||||||
|
action = alert['action']
|
||||||
|
last_push = self.last_alert_push_time[cam_id].get(action, 0)
|
||||||
|
# 检查是否超过推送间隔
|
||||||
|
if current_time - last_push >= ALERT_PUSH_INTERVAL:
|
||||||
|
push_actions.append(action)
|
||||||
|
# 更新该action的最后推送时间
|
||||||
|
self.last_alert_push_time[cam_id][action] = current_time
|
||||||
|
|
||||||
|
# 通过 WebSocket 发送帧结果
|
||||||
|
try:
|
||||||
|
img_b64 = self._encode_image_to_base64(result_img)
|
||||||
|
except Exception as e:
|
||||||
|
print(f"[ERROR] Encode image failed: {e}")
|
||||||
|
img_b64 = None
|
||||||
|
|
||||||
|
if img_b64 is not None:
|
||||||
|
# 将abnormal_actions对象数组转换为字符串数组
|
||||||
|
#action_names = [action_info['action'] for action_info in push_actions]
|
||||||
|
|
||||||
|
msg = {
|
||||||
|
"msg_type": "frame",
|
||||||
|
"camera_id": item["camera_index"],
|
||||||
|
"timestamp": ts,
|
||||||
|
#"result_type": action_names,
|
||||||
|
"result_type": push_actions,
|
||||||
|
"image_base64": img_b64,
|
||||||
|
}
|
||||||
|
try:
|
||||||
|
self.ws_queue.put(msg, timeout=1.0)
|
||||||
|
if push_actions and len(push_actions) > 0:
|
||||||
|
# 发送POST请求
|
||||||
|
post_msg = msg.copy()
|
||||||
|
post_msg['type'] = 2
|
||||||
|
try:
|
||||||
|
response = requests.post(ALERT_PUSH_URL, json=post_msg, timeout=5.0)
|
||||||
|
if response.status_code == 200:
|
||||||
|
print(f"[INFO] POST alert sent successfully for actions: {push_actions}")
|
||||||
|
else:
|
||||||
|
print(f"[WARN] POST alert failed with status: {response.status_code}")
|
||||||
|
except Exception as e:
|
||||||
|
print(f"[ERROR] POST alert request failed: {e}")
|
||||||
|
except queue.Full:
|
||||||
|
print("[WARN] ws_send_queue full, drop frame message")
|
||||||
|
|
||||||
|
self.raw_queue.task_done()
|
||||||
Reference in New Issue
Block a user