利用OpenCV构建一个RaspberryPi运动检测系统

　　OpenCV是一个强大的工具，结合RaspberryPi可以打开许多便携式智能设备的大门，我们将学习如何利用OpenCV的强大功能并在我们的实时闭路电视画面上构建一个RaspberryPi运动检测系统。

　　我们将编写一个 Python 脚本，它可以同时监控所有四个闭路电视摄像机的任何活动（运动）。如果在任何摄像头上检测到活动，我们的 Raspberry Pi 将自动切换到该特定摄像头屏幕并突出显示发生了哪些活动，所有这些都是实时的，只有 1.5 秒的延迟。我还添加了一个警报功能，例如蜂鸣器，如果检测到活动，它可以通过蜂鸣声提醒用户。但是您可以轻松地将其放大以发送消息或电子邮件或其他什么！令人兴奋的权利！让我们开始吧

　　使用 Buster 和 OpenCV 设置 Raspberry Pi

　　我正在使用运行 Buster OS 的 Raspberry Pi 3 B+，OpenCV 的版本是 4.1。如果您是新手，请先按照以下教程开始操作。

　　树莓派入门

　　在树莓派上安装 OpenCV

　　Raspberry Pi 上的 RTSP CCTV 录像监控

　　目标是让您的 Pi 启动并准备好进行开发。可以在您的 Pi 上安装任何版本的 Raspbian OS，但请确保 OpenCV 的版本为 4.1 或更高版本。您可以按照上面的教程编译您的 OpenCV，这将花费数小时，但对于繁重的项目更可靠，或者直接使用以下命令从 pip 安装它。

 

$ pip install opencv-contrib-python==4.1.0.25

 

如果您是第一次使用 pip 安装 OpenCV，则还必须安装其他依赖项。为此，请使用以下命令。

 

$ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
$ sudo apt-get install libxvidcore-dev libx264-dev
$sudo apt-get install libatlas-base-dev gfortran
$ sudo apt-get install libhdf5-dev libhdf5-serial-dev libhdf5-103
$ sudo apt-get install libqtgui4 libqtwebkit4 libqt4-test python3-pyqt5

 

我们已经构建了许多Raspberry Pi OpenCV 项目，您也可以查看它们以获得更多灵感。

　　为 Raspberry Pi 5 英寸显示屏添加蜂鸣器

　　在硬件方面，除了 5 英寸显示屏和蜂鸣器外，我们没有太多东西。将5 英寸显示器与树莓派接口后，我们可以直接将蜂鸣器安装在显示器的背面，为我们扩展了一些 GPIO 引脚。我已经连接了我的蜂鸣器，如下所示-

　　如果您对使用更多 I/O 引脚感兴趣，那么下面的引脚描述将很有用。正如您在扩展引脚中看到的那样，大多数引脚都被显示器本身用于触摸屏界面。但是，我们仍然有没有连接的引脚 3、5、7、8、10、11、12、13、15、16 和 24，我们可以将其用于我们自己的应用程序。在本教程中，我将蜂鸣器连接到 GPIO 3。

　　为闭路电视运动检测编程树莓派

　　这个项目的完整 python 脚本可以在这个页面的底部找到，但是让我们讨论代码的每个部分以了解它是如何工作的。

　　使用 RTSP 在 Raspberry Pi 上无延迟监控多个摄像头

　　完成这项工作的挑战性部分是减少 Raspberry pi 上的负载以避免流式传输延迟。最初，我尝试在所有四个摄像机之间切换以寻找运动，但它非常滞后（大约 10 秒）。所以我将所有四个摄像头组合成一个图像，并在该图像上进行所有运动检测活动。我写了两个函数，分别是创建相机和读取相机。

　　创建相机功能用于打开带有相应通道号的凸轮。请注意，RTSP URL 以“02”结尾，这意味着我正在使用分辨率较低的子流视频源，因此阅读速度更快。此外，您使用的视频编解码器类型也有助于提高速度，我尝试了不同的编码，发现 FFMPEG 是所有编码中最快速的。

 

def create_camera（频道）：
    rtsp = "rtsp://" + rtsp_username + ":" + rtsp_password + "@" + rtsp_IP + ":554/Streaming/channels/" + channel + "02" #更改 IP 以适合您的
    cap = cv2.VideoCapture(rtsp, cv2.CAP_FFMPEG)
    cap.set(3, cam_width) # 宽度的 ID 号为 3
    cap.set(4, cam_height) # 高度的 ID 号是 480
    cap.set(10, 100) # 亮度 ID 号为 10
    返回帽

 

在读取相机功能中，我们将读取所有四个凸轮，即 cam1、cam2、cam3 和 cam4，以将它们全部组合成一个名为Main_screen的图像。一旦这个主屏幕准备好，我们将在这个图像上完成我们所有的 OpenCV 工作。

 

def read_camera ():
    成功，current_screen = cam1.read()
    Main_screen [:cam_height, :cam_width, :3] = current_screen
    成功，current_screen = cam2.read()
    Main_screen[cam_height:cam_height*2, :cam_width, :3] = current_screen
    成功，current_screen = cam3.read()
    Main_screen[:cam_height, cam_width:cam_width*2, :3] = current_screen
    成功，current_screen = cam4.read()
    Main_screen[cam_height:cam_height*2, cam_width:cam_width*2, :3] = current_screen
    返回（主屏幕）

 

　　组合了所有四个凸轮的主屏幕图像将如下图所示。

使用 Raspberry Pi 在 OpenCV 上进行运动检测

现在我们已经准备好图像，我们可以从运动检测开始。在while 循环中，我们首先读取两个不同的帧，即 frame1 和 frame2，然后将它们转换为灰度

 

frame1 = read_camera() #读取第一帧
grayImage_F1 = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY) # 转换为灰色
frame2 = read_camera() #读取第2帧
grayImage_F2 = cv2.cvtColor(frame2, cv2.COLOR_BGR2GRAY)

 

然后我们对这两个图像进行比较，看看发生了什么变化，并使用一个阈值，将所有发生变化的地方分组，有点像一团。模糊和扩大图像以避免锐利边缘也很常见。

 

diffImage = cv2.absdiff(grayImage_F1,grayImage_F2) #获取差异——这很酷
blurImage = cv2.GaussianBlur(diffImage, (5,5), 0)
_, thresholdImage = cv2.threshold(blurImage, 20,255,cv2.THRESH_BINARY)
dilatedImage = cv2.dilate(thresholdImage,kernal,iterations=5)

 

下一步是找到计数器并检查每个计数器的面积，通过找到面积，我们可以算出运动有多大。如果该区域大于变量motion_detected中的指定值，则我们将其视为活动并在更改周围绘制一个框以向用户突出显示它。

 

contours, _ = cv2.findContours (dilatedImage, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) #查找轮廓是一个神奇的函数
对于轮廓中的轮廓：#对于检测到的每个变化
    (x,y,w,h) = cv2.boundingRect(contour) #获取发现变化的位置
    如果 cv2.contourArea(contour) > motion_threshold:
        cv2.rectangle(frame1, (x, y), (x + w, y + h), (255, 255, 0), 1)
        display_screen = find_screen()

 

函数find_screen()用于查找活动在四个摄像头中发生的位置。我们可以发现，因为我们知道运动的 x 和 y 值。我们将这些 x 和 y 值与每个屏幕的位置进行比较，以找出哪个屏幕产生了活动，然后我们再次裁剪该特定屏幕，以便我们可以将其显示在 pi 触摸屏上。

 

定义查找屏幕（）：
    如果（x < cam_width）：
        如果（y < cam_height）：
            屏幕 = frame1 [0:cam_height, 0:cam_width]
            print("凸轮屏幕 1 中的活动")
        别的：
            屏幕 = frame1[cam_height:cam_height*2, :cam_width]
            print("凸轮屏幕 2 中的活动")
    别的：
        如果（y < cam_height）：
            屏幕 = frame1[:cam_height, cam_width:cam_width*2]
            print("凸轮屏幕 3 中的活动")
        别的：
            屏幕 = frame1[cam_height:cam_height*2, cam_width:cam_width*2]
            print("凸轮屏幕 4 中的活动")
    返回（屏幕）

 

为移动侦测设置警报

一旦我们知道在哪个屏幕上检测到运动，就很容易添加我们需要的任何类型的警报。在这里，我们将通过连接到 GPIO 3 的蜂鸣器发出蜂鸣声。if语句检查是否在屏幕 3 中检测到运动并增加一个名为trig_alarm的变量。您可以检测您选择的任何屏幕，甚至可以检测多个屏幕。

 

         如果 ((x>cam_width) 和 (y

	 

	如果trig_alarm的值达到 3 以上，我们将蜂鸣一次。这个计数的原因是有时我注意到阴影或鸟儿制造了假警报。所以这种方式只有在连续活动 3 帧的情况下，我们才会收到警报。

	 
    if (trig_alarm>=3):#wait for conts 3 动作
        #按蜂鸣器
        GPIO.输出（蜂鸣器，1）
        time.sleep(0.02)
        GPIO.输出（蜂鸣器，0）
        触发警报 =0

	 

	监控 CPU 温度和使用情况

	该系统旨在 24x7 全天候工作，因此 Pi 会变得非常热，因此我决定通过在屏幕上显示这些值来监控温度和 CPU 使用率。我们已经使用 gpiozero 库获得了这些信息。

	 
cpu = CPU温度（）
    负载 = 平均负载（）
    cpu_temperature = str((cpu.temperature)//1)
    load_average = str(load.load_average)
    #print (cpu.温度)
    #print(load.load_average)
    cv2.putText(display_screen, cpu_temperature, (250,250), cv2.FONT_HERSHEY_SIMPLEX, 0.4, (0,0,255), 1)
    cv2.putText(display_screen, load_average, (300,250), cv2.FONT_HERSHEY_SIMPLEX, 0.4, (0,255,0), 2)

	 

	　　启动 Pi CCTV 运动探测器

	　　我已经测试了好几天来收集它，它每次都能正常工作，这真的是一个有趣的构建，直到我损坏了一台相机，更多关于它的内容以及下面的视频中的详细工作。但是这个系统是可靠的，我很惊讶地看到 pi 能顺利处理所有这些黄油。

	

	

	#!/usr/bin/env python3

	导入简历2

	将 numpy 导入为 np

	进口时间

	导入 RPi.GPIO 作为 GPIO

	从 gpiozero 导入 CPUTemperature, LoadAverage

	#输入 CCTV 的凭据

	rtsp_username = "管理员"

	rtsp_password = "aswinth347653"

	rtsp_IP = "192.168.29.100"

	cam_width = 352 #设置为来自 DVR 的传入视频的分辨率

	cam_height = 288 #设置为来自 DVR 的传入视频的分辨率

	motion_threshold = 1000 #降低此值以增加灵敏度

	cam_no = 1

	触发警报 =0

	GPIO.setmode(GPIO.BCM)

	GPIO.setwarnings (假)

	蜂鸣器 = 3

	GPIO.setup（蜂鸣器，GPIO.OUT）

	def create_camera（频道）：

	rtsp = "rtsp://" + rtsp_username + ":" + rtsp_password + "@" + rtsp_IP + ":554/Streaming/channels/" + channel + "02" #更改 IP 以适合您的

	cap = cv2.VideoCapture(rtsp, cv2.CAP_FFMPEG)

	cap.set(3, cam_width) # 宽度的 ID 号为 3

	cap.set(4, cam_height) # 高度的 ID 号是 480

	cap.set(10, 100) # 亮度 ID 号为 10

	返回帽

	def read_camera ():

	成功，current_screen = cam1.read()

	Main_screen [:cam_height, :cam_width, :3] = current_screen

	成功，current_screen = cam2.read()

	Main_screen[cam_height:cam_height*2, :cam_width, :3] = current_screen

	成功，current_screen = cam3.read()

	Main_screen[:cam_height, cam_width:cam_width*2, :3] = current_screen

	成功，current_screen = cam4.read()

	Main_screen[cam_height:cam_height*2, cam_width:cam_width*2, :3] = current_screen

	返回（主屏幕）

	定义查找屏幕（）：

	如果（x < cam_width）：

	如果（y < cam_height）：

	屏幕 = frame1 [0:cam_height, 0:cam_width]

	print("凸轮屏幕 1 中的活动")

	别的：

	屏幕 = frame1[cam_height:cam_height*2, :cam_width]

	print("凸轮屏幕 2 中的活动")

	别的：

	如果（y < cam_height）：

	屏幕 = frame1[:cam_height, cam_width:cam_width*2]

	print("凸轮屏幕 3 中的活动")

	别的：

	屏幕 = frame1[cam_height:cam_height*2, cam_width:cam_width*2]

	print("凸轮屏幕 4 中的活动")

	返回（屏幕）

	#打开所有四个相机Framers

	cam1 = create_camera(str(1))

	cam2 = create_camera(str(2))

	cam3 = create_camera(str(3))

	cam4 = create_camera(str(4))

	print ("读取相机成功")

	Main_screen = np.zeros(( (cam_height*2), (cam_width*2), 3) , np.uint8) # 创建所有四个摄像头都将被缝合的屏幕

	display_screen = np.zeros(( (cam_height*2), (cam_width*2), 3) , np.uint8) # 创建要在 5 英寸 TFT 显示器上显示的屏幕

	kernal = np.ones((5,5),np.uint8) #形成一个5x5矩阵，全1范围为8位

	而真：

	frame1 = read_camera() #读取第一帧

	grayImage_F1 = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY) # 转换为灰色

	frame2 = read_camera() #读取第2帧

	grayImage_F2 = cv2.cvtColor(frame2, cv2.COLOR_BGR2GRAY)

	diffImage = cv2.absdiff(grayImage_F1,grayImage_F2) #获取差异——这很酷

	blurImage = cv2.GaussianBlur(diffImage, (5,5), 0)

	_, thresholdImage = cv2.threshold(blurImage, 20,255,cv2.THRESH_BINARY)

	dilatedImage = cv2.dilate(thresholdImage,kernal,iterations=5)

	contours, _ = cv2.findContours (dilatedImage, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) #查找轮廓是一个神奇的函数

	对于轮廓中的轮廓：#对于检测到的每个变化

	(x,y,w,h) = cv2.boundingRect(contour) #获取发现变化的位置

	如果 cv2.contourArea(contour) > motion_threshold:

	cv2.rectangle(frame1, (x, y), (x + w, y + h), (255, 0, 0), 1)

	display_screen = find_screen()

	如果 ((x>cam_width) 和 (y
	触发警报+=1

	别的：

	触发警报 =0

	if (trig_alarm>=3):#wait for conts 3 动作

	#按蜂鸣器

	GPIO.输出（蜂鸣器，1）

	time.sleep(0.02)

	GPIO.输出（蜂鸣器，0）

	触发警报 =0

	cpu = CPU温度（）

	负载 = 平均负载（）

	cpu_temperature = str((cpu.temperature)//1)

	load_average = str(load.load_average)

	#print (cpu.温度)

	#print(load.load_average)

	cv2.putText(display_screen, cpu_temperature, (250,250), cv2.FONT_HERSHEY_SIMPLEX, 0.4, (0,0,255), 1)

	cv2.putText(display_screen, load_average, (300,250), cv2.FONT_HERSHEY_SIMPLEX, 0.4, (0,255,0), 2)

	打印（trig_alarm）

	暗淡 = (800, 480)

	Full_frame = cv2.resize (display_screen,dim,interpolation=cv2.INTER_AREA)

	cv2.namedWindow("AISHA", cv2.WINDOW_NORMAL)

	cv2.setWindowProperty('AISHA', cv2.WND_PROP_FULLSCREEN, cv2.WINDOW_FULLSCREEN)

	cv2.imshow("AISHA",Full_frame)

	如果 cv2.waitKey(1) & 0xFF == ord('p'):

	cam1.release()

	cam2.release()

	cam3.release()

	cam4.release()

	cv2.destroyAllWindows()

	休息