2ff9c2b0bb
- 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>
76 lines
2.6 KiB
Markdown
76 lines
2.6 KiB
Markdown
# 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
|
||
1. **最小化实现**：按照MVP思路，优先实现核心检测功能
|
||
2. **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）
|
||
3. **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
|
||
1. **ROI标定系统**：交互式界面标定18个灯位置
|
||
2. **多阈值检测算法**：亮度峰值+面积双重验证
|
||
3. **帧间稳定机制**：连续3-5帧一致才更新状态
|
||
4. **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 |