raimondb/detect-i-cam

Detect-i-cam

Detect-i-cam是一个使用Yolo卷积神经网络（CNN）进行AI目标检测的摄像头监控解决方案。

核心功能和特性

• 可在Linux上运行的Docker镜像
• 能够并行监控多个摄像头流
• 批量处理CNN捕获的图像以提高效率
• 使用OpenCV
• Webhook通知功能
• 保存带注释的捕获帧以便检查检测结果
• MQTT通知功能
• 可从Yolo3的80个类别中筛选可配置对象

快速开始

您可以将Detect-i-cam作为Docker容器或命令行工具运行，推荐使用Docker。

使用Docker运行Detect-i-cam

• 拉取基于Linux的镜像

bash
docker pull raimondb/detect-i-cam

• 直接运行，或使用如下docker-compose示例

yaml
---
version: "2.2"
services:
  detect-i-cam:
    image: raimondb/detect-i-cam
    container_name: detect-i-cam
    volumes:
      - ./capture:/captures
      - ./config:/config
    restart: unless-stopped

• 如上述示例所示，需通过config卷提供appsettings.json配置文件

作为命令行应用使用Detect-i-cam

• 提供按如下说明配置的appsettings.json文件
• 默认情况下，配置文件应与Detect-i-cam位于同一目录
• 可通过指定--configdir选项覆盖配置文件位置

配置视频流

要运行Detect-i-cam，必须提供要监控的视频流。配置在https://github.com/RaimondB/Detecticam/blob/master/DetectiCam/appsettings.template.json%E6%96%87%E4%BB%B6%E4%B8%AD%E3%80%82

所需的最小配置是包含video-streams部分，其中仅id和path为必填项。path可以是视频流文件（需通过映射卷访问）、IP摄像头的HTTP URL或RTSP流。

json
{
  "video-streams": [
    {
      "id": "side-door-live",
      "path": "rtsp://<user>:<passwd>@<cameraip>:<port>/<part>",
      "rotate": "Rotate90Clockwise",
      "fps": 15,
      "callbackUrl": "http://nas.home:5000/webapi/entry.cgi?api=SYNO.SurveillanceStation.Webhook&method=\"Incoming\"&version=1&token=x",
      "ROI": { "Left": 0, "Top": 172, "Right" : 479, "Bottom" : 639 },
      "additionalObjectWhitelist": [ "cat" ]
    }
  ]
}

• id：必填，标识摄像头流的唯一ID
• path：必填，文件、HTTP或RTSP流。请参考您IP摄像头的文档获取正确格式
• rotate：可选，不设置则不旋转。当摄像头不原生支持旋转时可能有用
• fps：可选，仅当日志显示无法从流中获取设置时需要。如无法获取且未指定，默认30
• ROI：可选，用于限制视频（旋转后）的检测区域（感兴趣区域）
• callbackUrl：可选，检测时触发的Webhook
• additionalObjectWhitelist：可选，在此视频流上除全局列表外额外检测的特定类别

配置检测

可将检测对象配置为Yolo网络提供的类别子集。

json
{
  "detection": {
    "detectionThreshold": 0.5,
    "objectWhitelist": [ "person", "car" ]
}

• detectionThreshold：可选，默认0.5，保留网络检测结果的最小概率。可调整以适应使用场景并防止误检测
• objectWhitelist：可选，未指定时仅检测person类别

处理检测结果

使用令牌

对于capturePattern和callbackUrl，可使用令牌替换部分内容，使其基于当前流和检测结果动态生成。

有几个特殊令牌：

• {streamId}：视频流的ID
• {ts}：可排序的时间戳
• {dobj}：检测对象标签的逗号分隔列表

此外，可在{}中使用所有常规时间戳格式化器。

捕获检测结果到磁盘

默认情况下，所有包含"person"的捕获图像会写入/captures卷，包括所有检测对象的边界框及其置信度百分比。可通过appsettings.json中的以下设置配置：

json
"capture-publisher": {
    "enabled": true,
    "captureRootDir" : "/captures",
    "capturePattern" : "{yyyy-MM-dd}/{streamId}-{ts}.jpg"
}

现在可使用令牌配置捕获保存方式，还可动态生成子目录以便按日期分组文件。

以下旧设置已弃用，将在未来版本中移除：

json
"capture-path": "./captures",

Webhook通知

若要通过Webhook与其他解决方案集成，可在视频流配置中指定回调URL。示例中使用Webhook触发Synology NAS的录制。

MQTT发布

另一个选项是使用MQTT发布。可在appsettings.json中使用以下配置：

json
"mqtt-publisher": {
   "enabled": true,
   "server": "nuc.home",
   "port": 1883,
   "username": "myuser",
   "password": "passwd",
   "topicPrefix": "home",
   "clientId": "detecticam",
   "includeDetectedObjects": false,
   "topDetectedObjectsLimit" : 3
 }

• enabled：必填，启用MQTT发布，默认false
• server：必填，MQTT服务器地址
• port：可选，默认1883
• username：可选，默认null
• password：可选，默认null
• topicPrefix：可选，默认""
• clientId：可选，默认生成唯一ID（GUID）
• includeDetectedObjects：可选，默认false：不包含检测对象数据
• topDetectedObjectsLimit：可选，默认3：仅报告概率最高的3个对象以限制数据量

目前仅支持非安全连接，无需配置证书等。

每次检测到人员时会发布消息，主题格式：

bnf
[<topicPrefix>/]detect-i-cam/<stream-id>/state

不包含检测对象时的消息值：

json
{ "detection" : true }

当includeDetectedObjects:true时，消息格式如下：

json
{ "detection":true,
  "detectedObjects":
  [
    {
      "Index":2,
     "Label":"car",
     "Probability":0.99284625,
     "BoundingBox":{"X":0,"Y":62,"Width":120,"Height":73}
    }
  ]
}

topDetectedObjectsLimit决定报告对象数量，按probability降序排序。

自定义网络

您可能需要使用不同的Yolov3 Darknet兼容配置。这些数据文件可通过从镜像映射的/config卷提供。默认情况下，镜像已包含完整YoloV3网络。仅当您训练了自己的数据集，或想使用YoloV3 tiny以节省内存和CPU时才需更改。此时应在appsettings.json配置文件中添加以下"yolov3"部分：

json
{
  "yolo3": {
     "rootPath": "/config/yolo-data",
     "namesFile": "coco.names",
     "configFile": "yolov3.cfg",
     "weightsFile": "yolov3.weights"
   }
}

• rootPath：可选，加载以下三个文件的根路径，通常位于/config卷中的目录
• namesFile：可选，包含Coco格式的识别标签
• configFile：可选，Darknet配置文件
• weightsFile：可选，Darknet权重文件

贡献

我们欢迎贡献。请在仓库提交issue和pull request，我们将尽快处理。有关如何提供帮助的更多信息，请参见贡献规则与指南。

许可证

Detect-i-cam采用GPLv3许可证。详情参见LICENSE。