root 2ff9c2b0bb feat: 初始化YantaiVisionX LED灯阵监控系统

- 添加完整的项目文档（README.md, design.md, CLAUDE.md）
- 实现核心检测算法：ROI管理、峰值检测、帧间稳定
- 支持实时摄像头检测和视频文件处理
- 包含图像预处理：去雾、几何校正、图像增强
- 提供多种输出格式：JSON、CSV、矩阵、文本
- 实现双阈值检测算法适应雾天环境
- 添加ROI标定工具和配置文件管理

🤖 Generated with [Claude Code](https://claude.ai/code)

Co-Authored-By: Claude <noreply@anthropic.com>

2025-08-12 10:33:19 +08:00

2.6 KiB

Raw Permalink Blame History

CLAUDE.md

This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.

项目概述

YantaiVisionX是一个计算机视觉项目，专注于室外灯阵监控系统，主要解决雾天环境下LED灯亮灭状态检测的技术挑战。

项目架构

核心技术方案

监控目标：多排LED灯阵的前三排（共18盏灯）亮灭状态检测
关键技术：ROI（兴趣区域）固定布置 + 核心区域峰值检测算法
环境挑战：雾天光晕扩散、相邻灯光串扰、轮廓模糊等问题

算法架构设计

[视频帧读取] → [透视/几何校正] → [去雾增强] → [逐ROI处理] → [亮度+面积双阈值判断] → [帧间稳定滤波] → [输出灯亮灭状态]

ROI布局模式

矩阵式ROI布置：3排×6列 = 18个兴趣区域
每个ROI包含核心区域（用于抑制光晕干扰）和边缘缓冲区
ROI坐标在晴天标定一次后固定保存使用

开发规范

项目状态

当前项目处于设计阶段，只包含技术方案设计文档（design.md），尚未开始代码实现。

实现原则

最小化实现：按照MVP思路，优先实现核心检测功能
模块化设计：
- 硬件接口模块（摄像头控制）
- 图像预处理模块（校正、去雾）
- ROI检测模块（核心算法）
- 状态输出模块（结果处理）
可扩展架构：预留AI模型集成接口，支持后续升级到深度学习方案

技术栈建议

核心语言：Python
图像处理：OpenCV
数值计算：NumPy
可选增强：scikit-image（图像增强算法）
硬件接口：根据具体摄像头选择对应SDK

开发流程

环境设置

项目尚未创建依赖配置文件，建议在开始开发时创建：

requirements.txt 或 pyproject.toml
配置OpenCV、NumPy等核心依赖

测试方法

使用MCP工具进行功能测试
建议创建测试数据集（晴天/雾天样本）
实现ROI标定工具用于系统部署

关键实现要点

ROI标定系统：交互式界面标定18个灯位置
多阈值检测算法：亮度峰值+面积双重验证
帧间稳定机制：连续3-5帧一致才更新状态
自适应阈值：根据环境光自动调整检测参数

部署配置

硬件要求

分辨率≥1080p的星光级摄像头
固定安装支架
可选：偏振滤光片、窄波段LED灯具

系统参数

18个ROI的坐标配置
亮度阈值参数设置
帧间稳定窗口大小
去雾增强参数配置

2.6 KiB Raw Permalink Blame History Unescape Escape