利用OpenCV構(gòu)建一個RaspberryPi運動檢測系統(tǒng)

　　OpenCV是一個強大的工具，結(jié)合RaspberryPi可以打開許多便攜式智能設備的大門，我們將學習如何利用OpenCV的強大功能并在我們的實時閉路電視畫面上構(gòu)建一個RaspberryPi運動檢測系統(tǒng)。

　　我們將編寫一個 Python 腳本，它可以同時監(jiān)控所有四個閉路電視攝像機的任何活動（運動）。如果在任何攝像頭上檢測到活動，我們的 Raspberry Pi 將自動切換到該特定攝像頭屏幕并突出顯示發(fā)生了哪些活動，所有這些都是實時的，只有 1.5 秒的延遲。我還添加了一個警報功能，例如蜂鳴器，如果檢測到活動，它可以通過蜂鳴聲提醒用戶。但是您可以輕松地將其放大以發(fā)送消息或電子郵件或其他什么！令人興奮的權利！讓我們開始吧

　　使用 Buster 和 OpenCV 設置 Raspberry Pi

　　我正在使用運行 Buster OS 的 Raspberry Pi 3 B+，OpenCV 的版本是 4.1。如果您是新手，請先按照以下教程開始操作。

　　樹莓派入門

　　在樹莓派上安裝 OpenCV

　　Raspberry Pi 上的 RTSP CCTV 錄像監(jiān)控

　　目標是讓您的 Pi 啟動并準備好進行開發(fā)?？梢栽谀?Pi 上安裝任何版本的 Raspbian OS，但請確保 OpenCV 的版本為 4.1 或更高版本。您可以按照上面的教程編譯您的 OpenCV，這將花費數(shù)小時，但對于繁重的項目更可靠，或者直接使用以下命令從 pip 安裝它。

?

$ pip install opencv-contrib-python==4.1.0.25

?

如果您是第一次使用 pip 安裝 OpenCV，則還必須安裝其他依賴項。為此，請使用以下命令。

?

$ 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

?

我們已經(jīng)構(gòu)建了許多Raspberry Pi OpenCV 項目，您也可以查看它們以獲得更多靈感。

　　為 Raspberry Pi 5 英寸顯示屏添加蜂鳴器

　　在硬件方面，除了 5 英寸顯示屏和蜂鳴器外，我們沒有太多東西。將5 英寸顯示器與樹莓派接口后，我們可以直接將蜂鳴器安裝在顯示器的背面，為我們擴展了一些 GPIO 引腳。我已經(jīng)連接了我的蜂鳴器，如下所示-

　　如果您對使用更多 I/O 引腳感興趣，那么下面的引腳描述將很有用。正如您在擴展引腳中看到的那樣，大多數(shù)引腳都被顯示器本身用于觸摸屏界面。但是，我們?nèi)匀挥袥]有連接的引腳 3、5、7、8、10、11、12、13、15、16 和 24，我們可以將其用于我們自己的應用程序。在本教程中，我將蜂鳴器連接到 GPIO 3。

　　為閉路電視運動檢測編程樹莓派

　　這個項目的完整 python 腳本可以在這個頁面的底部找到，但是讓我們討論代碼的每個部分以了解它是如何工作的。

　　使用 RTSP 在 Raspberry Pi 上無延遲監(jiān)控多個攝像頭

　　完成這項工作的挑戰(zhàn)性部分是減少 Raspberry pi 上的負載以避免流式傳輸延遲。最初，我嘗試在所有四個攝像機之間切換以尋找運動，但它非常滯后（大約 10 秒）。所以我將所有四個攝像頭組合成一個圖像，并在該圖像上進行所有運動檢測活動。我寫了兩個函數(shù)，分別是創(chuàng)建相機和讀取相機。

　　創(chuàng)建相機功能用于打開帶有相應通道號的凸輪。請注意，RTSP URL 以“02”結(jié)尾，這意味著我正在使用分辨率較低的子流視頻源，因此閱讀速度更快。此外，您使用的視頻編解碼器類型也有助于提高速度，我嘗試了不同的編碼，發(fā)現(xiàn) FFMPEG 是所有編碼中最快速的。

?

def create_camera（頻道）：
    rtsp = "rtsp://" + rtsp_username + ":" + rtsp_password + "@" + rtsp_IP + ":554/Streaming/channels/" + channel + "02" #更改 IP 以適合您的
    cap = cv2.VideoCapture(rtsp, cv2.CAP_FFMPEG)
    cap.set(3, cam_width) # 寬度的 ID 號為 3
    cap.set(4, cam_height) # 高度的 ID 號是 480
    cap.set(10, 100) # 亮度 ID 號為 10
    返回帽

?

在讀取相機功能中，我們將讀取所有四個凸輪，即 cam1、cam2、cam3 和 cam4，以將它們?nèi)拷M合成一個名為Main_screen的圖像。一旦這個主屏幕準備好，我們將在這個圖像上完成我們所有的 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）

?

　　組合了所有四個凸輪的主屏幕圖像將如下圖所示。

使用 Raspberry Pi 在 OpenCV 上進行運動檢測

現(xiàn)在我們已經(jīng)準備好圖像，我們可以從運動檢測開始。在while 循環(huán)中，我們首先讀取兩個不同的幀，即 frame1 和 frame2，然后將它們轉(zhuǎn)換為灰度

?

frame1 = read_camera() #讀取第一幀
grayImage_F1 = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY) # 轉(zhuǎn)換為灰色
frame2 = read_camera() #讀取第2幀
grayImage_F2 = cv2.cvtColor(frame2, cv2.COLOR_BGR2GRAY)

?

然后我們對這兩個圖像進行比較，看看發(fā)生了什么變化，并使用一個閾值，將所有發(fā)生變化的地方分組，有點像一團。模糊和擴大圖像以避免銳利邊緣也很常見。

?

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

?

下一步是找到計數(shù)器并檢查每個計數(shù)器的面積，通過找到面積，我們可以算出運動有多大。如果該區(qū)域大于變量motion_detected中的指定值，則我們將其視為活動并在更改周圍繪制一個框以向用戶突出顯示它。

?

contours, _ = cv2.findContours (dilatedImage, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) #查找輪廓是一個神奇的函數(shù)
對于輪廓中的輪廓：#對于檢測到的每個變化
??? (x,y,w,h) = cv2.boundingRect(contour) #獲取發(fā)現(xiàn)變化的位置
??? 如果 cv2.contourArea(contour) > motion_threshold:
??????? cv2.rectangle(frame1, (x, y), (x + w, y + h), (255, 255, 0), 1)
??????? display_screen = find_screen()

?

函數(shù)find_screen()用于查找活動在四個攝像頭中發(fā)生的位置。我們可以發(fā)現(xiàn)，因為我們知道運動的 x 和 y 值。我們將這些 x 和 y 值與每個屏幕的位置進行比較，以找出哪個屏幕產(chǎn)生了活動，然后我們再次裁剪該特定屏幕，以便我們可以將其顯示在 pi 觸摸屏上。

?

定義查找屏幕（）：
??? 如果（x < cam_width）：
??????? 如果（y < cam_height）：
??????????? 屏幕 = frame1 [0:cam_height, 0:cam_width]
??????????? print("凸輪屏幕 1 中的活動")
??????? 別的：
??????????? 屏幕 = frame1[cam_height:cam_height*2, :cam_width]
??????????? print("凸輪屏幕 2 中的活動")
??? 別的：
??????? 如果（y < cam_height）：
??????????? 屏幕 = frame1[:cam_height, cam_width:cam_width*2]
??????????? print("凸輪屏幕 3 中的活動")
??????? 別的：
??????????? 屏幕 = frame1[cam_height:cam_height*2, cam_width:cam_width*2]
??????????? print("凸輪屏幕 4 中的活動")
??? 返回（屏幕）

?

為移動偵測設置警報

一旦我們知道在哪個屏幕上檢測到運動，就很容易添加我們需要的任何類型的警報。在這里，我們將通過連接到 GPIO 3 的蜂鳴器發(fā)出蜂鳴聲。if語句檢查是否在屏幕 3 中檢測到運動并增加一個名為trig_alarm的變量。您可以檢測您選擇的任何屏幕，甚至可以檢測多個屏幕。

?

         如果 ((x>cam_width) 和 (y

	?

	如果trig_alarm的值達到 3 以上，我們將蜂鳴一次。這個計數(shù)的原因是有時我注意到陰影或鳥兒制造了假警報。所以這種方式只有在連續(xù)活動 3 幀的情況下，我們才會收到警報。

	?
    if (trig_alarm>=3):#wait for conts 3 動作
        #按蜂鳴器
        GPIO.輸出（蜂鳴器，1）
        time.sleep(0.02)
        GPIO.輸出（蜂鳴器，0）
        觸發(fā)警報 =0

	?

	監(jiān)控 CPU 溫度和使用情況

	該系統(tǒng)旨在 24x7 全天候工作，因此 Pi 會變得非常熱，因此我決定通過在屏幕上顯示這些值來監(jiān)控溫度和 CPU 使用率。我們已經(jīng)使用 gpiozero 庫獲得了這些信息。

	?
cpu = CPU溫度（）
    負載 = 平均負載（）
    cpu_temperature = str((cpu.temperature)//1)
    load_average = str(load.load_average)
    #print (cpu.溫度)
    #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)

	?

	　　啟動 Pi CCTV 運動探測器

	　　我已經(jīng)測試了好幾天來收集它，它每次都能正常工作，這真的是一個有趣的構(gòu)建，直到我損壞了一臺相機，更多關于它的內(nèi)容以及下面的視頻中的詳細工作。但是這個系統(tǒng)是可靠的，我很驚訝地看到 pi 能順利處理所有這些黃油。

	

	

	#!/usr/bin/env python3

	導入簡歷2

	將 numpy 導入為 np

	進口時間

	導入 RPi.GPIO 作為 GPIO

	從 gpiozero 導入 CPUTemperature, LoadAverage

	#輸入 CCTV 的憑據(jù)

	rtsp_username = "管理員"

	rtsp_password = "aswinth347653"

	rtsp_IP = "192.168.29.100"

	cam_width = 352 #設置為來自 DVR 的傳入視頻的分辨率

	cam_height = 288 #設置為來自 DVR 的傳入視頻的分辨率

	motion_threshold = 1000 #降低此值以增加靈敏度

	cam_no = 1

	觸發(fā)警報 =0

	GPIO.setmode(GPIO.BCM)

	GPIO.setwarnings (假)

	蜂鳴器 = 3

	GPIO.setup（蜂鳴器，GPIO.OUT）

	def create_camera（頻道）：

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

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

	cap.set(3, cam_width) # 寬度的 ID 號為 3

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

	cap.set(10, 100) # 亮度 ID 號為 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）

	定義查找屏幕（）：

	如果（x < cam_width）：

	如果（y < cam_height）：

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

	print("凸輪屏幕 1 中的活動")

	別的：

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

	print("凸輪屏幕 2 中的活動")

	別的：

	如果（y < cam_height）：

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

	print("凸輪屏幕 3 中的活動")

	別的：

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

	print("凸輪屏幕 4 中的活動")

	返回（屏幕）

	#打開所有四個相機Framers

	cam1 = create_camera(str(1))

	cam2 = create_camera(str(2))

	cam3 = create_camera(str(3))

	cam4 = create_camera(str(4))

	print ("讀取相機成功")

	Main_screen = np.zeros(( (cam_height*2), (cam_width*2), 3) , np.uint8) # 創(chuàng)建所有四個攝像頭都將被縫合的屏幕

	display_screen = np.zeros(( (cam_height*2), (cam_width*2), 3) , np.uint8) # 創(chuàng)建要在 5 英寸 TFT 顯示器上顯示的屏幕

	kernal = np.ones((5,5),np.uint8) #形成一個5x5矩陣，全1范圍為8位

	而真：

	frame1 = read_camera() #讀取第一幀

	grayImage_F1 = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY) # 轉(zhuǎn)換為灰色

	frame2 = read_camera() #讀取第2幀

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

	diffImage = cv2.absdiff(grayImage_F1,grayImage_F2) #獲取差異——這很酷

	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) #查找輪廓是一個神奇的函數(shù)

	對于輪廓中的輪廓：#對于檢測到的每個變化

	(x,y,w,h) = cv2.boundingRect(contour) #獲取發(fā)現(xiàn)變化的位置

	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
	觸發(fā)警報+=1

	別的：

	觸發(fā)警報 =0

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

	#按蜂鳴器

	GPIO.輸出（蜂鳴器，1）

	time.sleep(0.02)

	GPIO.輸出（蜂鳴器，0）

	觸發(fā)警報 =0

	cpu = CPU溫度（）

	負載 = 平均負載（）

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

	load_average = str(load.load_average)

	#print (cpu.溫度)

	#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?。╰rig_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