1 Star 19 Fork 0

yzwcfhmy / 高空抛物AI监测预警系统

加入 Gitee
与超过 1200万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
该仓库未声明开源许可证文件(LICENSE),使用请关注具体项目描述及其代码上游依赖。
克隆/下载
【精神小伙】抛物检测3.0.2.py 8.77 KB
一键复制 编辑 原始数据 按行查看 历史
yzwcfhmy 提交于 2020-11-19 22:34 . AIRec Files
from skimage.measure import compare_ssim
from datetime import datetime
from threading import Thread # 导入线程函数
from time import sleep # 导入时间休眠函数
import argparse
import imutils
import cv2
import time
#import os
import winsound
import numpy as np
#from goto import with_goto//本来有用到的,但是考虑到严谨性,哈哈还是算了~
'初始化SSIM模型安全值'
def InitializeSSIM():
#调用笔记本内置摄像头,所以参数为0,如果有其他的摄像头可以调整参数为1,2
cap=cv2.VideoCapture(0)
#从摄像头读取图片
sucess,InitializeSSIMA=cap.read()
gray=cv2.cvtColor(InitializeSSIMA,cv2.COLOR_BGR2GRAY)
cv2.imwrite("InitializeSSIMA.png",InitializeSSIMA)
imageA = cv2.bilateralFilter(InitializeSSIMA,9,75,75)
grayA = cv2.cvtColor(InitializeSSIMA, cv2.COLOR_BGR2GRAY)
SSIM_All = []
for i in range(6):
i=0
i=i+1
sucess,InitializeSSIMB=cap.read()
time.sleep(0.5)
cv2.imwrite("InitializeSSIMB.png",InitializeSSIMB)
grayB = cv2.cvtColor(InitializeSSIMB, cv2.COLOR_BGR2GRAY)
imageB = cv2.bilateralFilter(InitializeSSIMB,9,75,75)
#计算两者之间的结构相似性指数
#图像,确保返回差异图像
(score, diff) = compare_ssim(grayA, grayB, full=True)
diff = (diff * 255).astype("uint8")
print("正在初始化/更新模型数据,请不要移动摄像头...ssim: {}".format(score))
SSIM_All.append(score)
print("\n模型数据更新成功!!!\n\nALL_SSIM: ", SSIM_All)
SSIM_AVR = ((float(SSIM_All[5])+float(SSIM_All[1])+\
float(SSIM_All[2])+float(SSIM_All[3])+\
float(SSIM_All[4]))/5)-0.001
print('当前的ssim为:',SSIM_AVR)
cv2.destroyAllWindows()
return SSIM_AVR
def Camera(n): # 初始化摄像头获取第一张图作为模型/选择摄像头
#InitializeSSIM()
SSIM_AVR = InitializeSSIM()
#调用笔记本内置摄像头,所以参数为0,如果有其他的摄像头可以调整参数为1,2
cap=cv2.VideoCapture(0)
#调用时间直接复制:print (time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()))
#初始化获取第A张图
sucess,imageA=cap.read()
#写入A
cv2.imwrite("1.png",imageA)
# 将图像转换为灰度
grayA = cv2.cvtColor(imageA, cv2.COLOR_BGR2GRAY)
#转为灰度图片
gray=cv2.cvtColor(imageA,cv2.COLOR_BGR2GRAY)
#降噪A
imageA = cv2.medianBlur(imageA,5)
t2 = Thread(target=Ring) # 定义线程t2,线程任务为调用task2函数,task2函数无参数
while True:
#当前时间
a = int(time.time())
c = datetime.fromtimestamp(a+43200).strftime('%S') #格式转换
c=int (c)
'''/////////////'''
#按时间间隔更新A,每59S也要更新SSIM的AVR
'''/////////////'''
if c == 59:
#更新获取第A张图
sucess,imageA=cap.read()
#写入A
cv2.imwrite("1.png",imageA)
# 将图像转换为灰度
grayA = cv2.cvtColor(imageA, cv2.COLOR_BGR2GRAY)
#转为灰度图片
gray=cv2.cvtColor(imageA,cv2.COLOR_BGR2GRAY)
#降噪A
imageA = cv2.medianBlur(imageA,5)
print('开始更新摄像头模型数据..请不要惊慌^_^')
#cv2.waitKey(0)
#关闭摄像头
cap.release()
SSIM_AVR = InitializeSSIM()
'''//这一段是补偿代码!也就是重启由于初始化SSIM的时候冲突的数据//'''
#调用笔记本内置摄像头,所以参数为0,如果有其他的摄像头可以调整参数为1,2
cap=cv2.VideoCapture(0)
#调用时间直接复制:print (time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()))
#初始化获取第A张图
sucess,imageA=cap.read()
#写入A
cv2.imwrite("1.png",imageA)
# 将图像转换为灰度
grayA = cv2.cvtColor(imageA, cv2.COLOR_BGR2GRAY)
#转为灰度图片
gray=cv2.cvtColor(imageA,cv2.COLOR_BGR2GRAY)
#降噪A
imageA = cv2.medianBlur(imageA,5)
t2 = Thread(target=Ring) # 定义线程t2,线程任务为调用task2函数,task2函数无参数
'''//这一段是补偿代码!也就是重启由于初始化SSIM的时候冲突的数据//'''
#从摄像头读取图片B
sucess,imageB=cap.read()
#转为灰度图片
gray=cv2.cvtColor(imageB,cv2.COLOR_BGR2GRAY)
#显示摄像头,背景是灰度,打印时间。
cv2.putText(gray,(time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())),
(20,400),cv2.FONT_HERSHEY_SIMPLEX,0.7,(255,255,255), 1,
cv2.LINE_AA)
cv2.imshow("Real time state",gray)
#保持画面的持续。
k=cv2.waitKey(1)
if k == 27:
#通过esc键退出摄像
cv2.destroyAllWindows()
break
#不断地判断是否不符合。
elif __name__ == '__main__':
time.sleep(0.5)
cv2.imwrite("2.png",imageB)
# cv2.destroyAllWindows()
# break
# 将图像转换为灰度
grayB = cv2.cvtColor(imageB, cv2.COLOR_BGR2GRAY)
#计算两者之间的结构相似性指数
#图像,确保返回差异图像
(score, diff) = compare_ssim(grayA, grayB, full=True)
diff = (diff * 255).astype("uint8")
#显示初始化的模型与当前图像的SSIM:
#print("与初始化模型的匹配值: {}".format(score))
t2 = Thread(target=Ring) # 定义线程t2,线程任务为调用task2函数,task2函数无参数
if score<=SSIM_AVR:
t2.start() # 开始运行t2线程
else:
print('安全')
#将差分图像设为阈值,然后查找等高线
#获取两个不同输入图像的区域
thresh = cv2.threshold(diff, 255, 255,
cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1]
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
#画框框
for c in cnts:
#计算轮廓的边界框,然后绘制
#两个输入图像上的边界框,表示两个
#图像不同
(x, y, w, h) = cv2.boundingRect(c)
#cv2.rectangle(imageA, (x, y), (x + w, y + h), (0, 0, 255), 2)
cv2.rectangle(imageB, (x, y), (x + w, y + h), (0, 255,0), 2)
#图像降噪处理
imageB = cv2.medianBlur(imageB,5)
#显示输出图像
#cv2.imshow("Original", imageA)
# 显示SSIM值
cv2.putText(imageB, ("SSIM: {}".format(score)),
(20, 400), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 255, 255), 1,
cv2.LINE_AA)
cv2.imshow("Modified", imageB)
cv2.imshow("Diff", diff)
cv2.imshow("Thresh", thresh)
cv2.waitKey(0)
#关闭摄像头
#cap.release()
def Ring(): # 定义任务2
print('危险!请赶紧撤离!')
duration = 1000 # millisecond
freq = 440 # Hz
winsound.Beep(freq, duration)
#time.sleep(1)
def main(): # 定义main函数,双线程:为了避免声音与摄像头检测冲突
t1 = Thread(target=Camera, args=(6,)) #定义线程t1,线程任务为调用Camera函数,
#task1函数的参数是6//可以是无
#t2 = Thread(target=Ring) # 定义线程t2,线程任务为调用task2函数,task2函数无参数
t1.start() # 开始运行主线程
#t2.start() # 开始运行t2线程
print('\n写在前面:这是一个高空抛物检测程序 //来自精神小伙团队[贵民大人文]\n\n指导老师:卢昌义老师\n')
print('接下来是一些简单说明:\n1、这个程序每1分钟就会进行一次模型更新以避免光线干扰,使用的过程中请不要随意移动摄像头;\n2、这个程序基于对比算法来实现高空抛物识别,因此用到的模型不多,仅仅需要每分钟的更新模型;\n3、窗口打开后按下Esc键即可退出~\n\n祝您使用愉快!这段话出现10秒后将会自动继续!\n\n ----Check.Y (来自精神小伙!^_^)')
time.sleep(10)
if __name__ == '__main__':
main() # 调用main函数
Python
1
https://gitee.com/yuzhenwu/AIRec.git
git@gitee.com:yuzhenwu/AIRec.git
yuzhenwu
AIRec
高空抛物AI监测预警系统
master

搜索帮助