这个需求是怎么来的呢?笔者看到部门同事要经常检查监控摄像头是不是正常工作,需要登录一个个主机来检测画面是不是偏了,发黑,过度发白等,其实是挺耗时间的,既然现在的设备都是IOT了,监控镜头也是走网络了,为什么Python不能自动巡检呢? 机会就是这么产生的。
在这个摄像头巡检的过程中,是使用了rtsp的协议,最关键的核心节点有两个:
1. 通过rtsp连接摄像头获取当前的图片,代码如下:
def get_pic(info):
picturevalue=0
cam_no=info[0]
ip=info[1]
file_name='images\\'+info[0]+".jpg"
username='***************'
password=‘***************’
port="554"
try:
cap = cv2.VideoCapture("rtsp://" + username + ":" + password+ "@" + ip + ":" + port + "/Streaming/Channels/1")
isOpened=cap.isOpened()
print(isOpened)
print(type(isOpened))
print(file_name)
if isOpened:
ret, frame = cap.read()
cv2.imwrite(file_name, frame)
cap.release()
print('完成抓拍')
picturevalue=get_pic_value(file_name)
except:
picturevalue=str(0)
return cam_no,picturevalue
这里主要是通过CV调用摄像头,获取图片并保存到指定路径。
2. 图片分析,如何通过图片判断这个摄像头的状态是否正常。在这里,笔者选用了提取图片的亮度值作为参考值,具体的原因如下:
- 如果镜头发生了位移,对应的亮度值会发生变化,已经测试过。
- 如果过量或者过暗,亮度值也会发生变化,也测试过。
- 如果摄像头掉线了,直接无法获取数据,这个直接就可以判断出来。
当然,选取亮度值作为参考也有局限性,会受到天气的影响,当然,我们可以将参考阈值设置的宽泛一点(参考值与实际值之间的差距),建议参考阈值不超过10,如果超过10,如果画面是正常的,可以修改参考值。当然,更智能一点,可以动态设置参考值,以前30天的平均实际值作为参考,这样会更精确一点。
def get_pic_value(img_name):
im=Image.open(img_name).convert('L')
start=ImageStat.Stat(im)
return str(int(start.mean[0]))
整体方案设计如下:
目前这个方案已经部署在笔者公司,基本上一些大的问题都可以通过这个机制发现,期待基于这些数据图片上进一步拓展,发现更多有益于业务需求的机会。