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>
5.6 KiB
5.6 KiB
一、场景假设与需求重述
- 灯阵布局：室外，多排布置，每排 6 盏灯（等距摆放）
- 监控目标：前三排共 18盏 灯的亮灭状态
- 摄像头部署：灯阵正前方稍许偏斜
- 雾天问题：光晕扩散，后排光晕进入前排 ROI，轮廓模糊
- 目标：雾天也能稳定检测前三排亮/灭
二、ROI布置示意（概念图）
下面是一个矩阵式 ROI 布置示意（不按真实比例，仅示例布局思路）：
+--------------------------------------------------+
| |
| [R1C1] [R1C2] [R1C3] [R1C4] [R1C5] [R1C6] | ← 第一排ROI
| |
| [R2C1] [R2C2] [R2C3] [R2C4] [R2C5] [R2C6] | ← 第二排ROI
| |
| [R3C1] [R3C2] [R3C3] [R3C4] [R3C5] [R3C6] | ← 第三排ROI
| |
+--------------------------------------------------+
说明：
- ROI = Region of Interest（兴趣区域），即每个灯的专用检测窗口
- ROI中心对准灯泡中心位置
- ROI范围比灯直径稍大（可覆盖轻微光晕）
- ROI之间要预留黑边区间（相邻最小亮区距离），减少光晕互相污染的几率
- 这些 ROI 坐标在晴天标定一次即可，固定保存
三、落地技术方案（无代码详细步骤）
我将方案分为硬件部署、环境标定、算法执行流程、雾天适配增强、长期维护建议五个部分。
1. 硬件部署
-
摄像头
- 分辨率 ≥1080p，低照度高清（星光级）
- 固定安装，不摇动
- 镜头焦距选择能完整拍下前三排，并保留背景缓冲区
- 带偏振滤光片（减少雾散射杂光）
-
角度控制
- 尽量正对灯阵，倾斜控制在 ±10° 内
- 已存在倾斜需用透视校正（software）补偿
-
照明波段（可选增强）
- 如果可以更换灯具，考虑：窄波段 LED + 同波段滤光镜（比如850nm近红外）
- 普通可见光场景也可工作，只是雾天性能略受限
2. 环境标定（一次性）
- 选择能见度良好的白天或傍晚进行
- 手动或软件定位 18 盏灯中心坐标
- 为每个灯定义：
- ROI矩形位置
- ROI中心区域（核心区，用于抑制光晕干扰）
- 边缘缓冲区（保证相邻光晕不影响ROI中心判定）
- 保存 ROI 参数（固定使用）
3. 算法执行流程（实时检测）
3.1 整体流程框架图
[视频帧读取]
↓
[透视/几何校正]
↓
[去雾增强（可选）]
↓
[逐ROI处理] ← ROI列表（18个灯）
↓
灰度化 -> 高斯模糊 -> 核心区峰值提取
↓
[亮度+面积双阈值判断]
↓
[帧间稳定滤波]
↓
[输出灯亮灭状态]
3.2 关键技术点
-
透视/几何校正
把倾斜拍摄的画面校正成灯阵规则矩形，方便ROI直接定位 -
去雾增强（可选开关）
- CLAHE（提升局部对比度）
- Gamma校正（如γ=0.7提亮暗部）
- 频域高通（抑制低频光晕）
-
核心亮度判断
对 ROI 中央小圆区域取最大亮度值和平均亮度值，与阈值比较- 阈值1（峰值亮度阈值）
- 阈值2（亮度占比/面积阈值）
-
面积限制
灯亮：亮度峰高且亮区面积在合理范围
灯灭：亮度峰低或亮区过大（可能是光晕污染） -
帧间稳定
连续 3~5 帧一致才更新最终状态，消除瞬时雾波动的干扰
4. 雾天适配增强
- 物理增强：偏振镜，波段匹配滤光片
- 亮度阈值自适应：根据摄像头当前画面平均亮度，动态调整峰值亮度阈值
- 算法抗干扰：
- 如果后排光晕进入前排 ROI，通常中心亮度分布较平缓 → “尖峰检测”可区分
- 记录 ROI 中心亮度与边缘亮度的差值（Δ亮度），Δ大则是自亮，Δ小可能是污染
5. 长期维护建议
- 定期标定复查：摄像头安装略微变化或环境光大改动时（建议每季度一次）
- 天气多样数据积累：保存雾天与晴天检测样本
- AI升级准备：当数据积累到几百小时，可引入轻量化 CNN/YOLO 模型训练，进一步增强鲁棒性
四、方案优势
- 固定 ROI + 核心区域峰值法 能显著减少雾天光晕串扰
- 对硬件和算法要求适中，能快速落地
- 保留了可升级到 AI 的接口
- 即使非常浓的雾，前三排 ROI 中心仍可检测出亮点变化
五、你可以直接交给工程团队的落地说明
- 硬件：1080p星光级相机，固定安装，镜头视野包含前三排，配偏振镜
- 标定：晴天标 18 盏灯的 ROI 和核心区坐标
- 图像处理链：
- 几何校正
- ROI 裁剪
- 灰度化 + 高斯滤波
- 核心区峰值提取 + 阈值判断
- 面积过滤（防串扰）
- 帧间稳定（滑动窗口）
- 可选：去雾增强和阈值自适应
- 输出：每秒更新一次 18 盏灯的亮灭表
✅ 结论：
按照上面图示的 ROI 布置 + 核心亮度法，即便是在类似你给的图片场景（雾+夜晚）下，也可以在大多数天气情况下稳健识别前三排灯的亮灭，而且这个方案完全可落地且不依赖高算力。