一个基于Python的视频闪光检测工具，可以自动识别视频中的闪光序列，支持命令行和图形界面两种使用方式。
- 🎯 准确检测视频中的闪光序列
- 🖼️ 支持多种可视化方式（原始帧、热力图、区域放大）
- 🔄 使用环形缓冲区实现实时检测
- 📊 提供详细的检测结果和性能统计
- 🎛️ 丰富的参数调整选项
- 💻 同时支持命令行和GUI界面
- Python 3.8+
- OpenCV 4.5+
- NumPy 1.19+
- Gradio 3.x
- psutil 5.8+
- pytest 6.0+ (用于开发)
- 克隆仓库
git clone https://github.com/yourusername/flash_detector.git
cd flash_detector- 创建虚拟环境（推荐）
python -m venv venv
source venv/bin/activate # Linux/Mac或
venv\Scripts\activate # Windows- 安装依赖
pip install -r requirements.txt- 安装项目
pip install -e .基本使用：
python -m flash_detector video_path [options]完整参数说明： 参数： video_path 视频文件路径 --abs_threshold 绝对差异阈值 (默认: 20) --rel_threshold 相对变化阈值 (默认: 0.3) --region_size 检测区域大小 (默认: 20) --frame_step 帧比较步长 (默认: 1) --start_time 开始时间 (默认: "0:00") --circularity_threshold 圆形度阈值 (默认: 0.5)
示例： 基本使用
python -m flash_detector video.mp4调整参数
python -m flash_detector video.mp4 --abs_threshold 15 --rel_threshold 0.25指定开始时间
python -m flash_detector video.mp4 --start_time "1:30"启动GUI：
python -m flash_detectorfrom flash_detector.core.detector import detect_flash检测视频中的闪光
results = detect_flash(
video_path="video.mp4",
abs_threshold=20,
rel_threshold=0.3,
region_size=20,
frame_step=1,
start_time="0:00",
circularity_threshold=0.5
)处理结果
if results:
flash_info, debug_images = results
frame_num, intensity, position = flash_info
print(f"检测到闪光：帧号 {frame_num}, 强度 {intensity}, 位置 {position}")-
绝对差异阈值 (15-25)
- 较低：增加检测灵敏度，可能产生误报
- 较高：减少误报，可能漏检
- 建议值：20
-
相对变化阈值 (0.3)
- 较低（<0.3）：适合检测微弱闪光
- 较高（>0.3）：只检测明显闪光
- 建议值：0.3（表示30%变化）
-
圆形度阈值 (0.5)
- 较低：放宽形状限制
- 较高：严格限制为圆形
- 建议值：0.5-0.7
-
检测区域大小 (20)
- 较小（10-15）：适合小范围闪光
- 较大（25-30）：适合大范围闪光
- 建议值：20
测试环境：
- CPU: Intel i7-9750H
- RAM: 16GB
- 视频分辨率: 1920x1080
- 帧率: 30fps
性能数据：
- 处理速度：约25-30fps
- 内存使用：~200MB
- CPU使用率：30-40%
-
Q: 为什么检测不到闪光？
- A: 尝试降低绝对差异阈值（--abs_threshold）
- A: 检查视频质量和闪光是否明显
- A: 确保检测区域大小合适
-
Q: 程序运行很慢？
- A: 增加帧步长（--frame_step）
- A: 减小检测区域大小
- A: 检查系统资源占用
-
Q: 出现误报？
- A: 提高绝对差异阈值
- A: 提高圆形度阈值
- A: 增加相对变化阈值
安装开发依赖
pip install pytest运行所有测试
pytest tests/运行特定测试
pytest tests/test_detector.py- 遵循PEP 8规范
- 使用类型注解
- 添加详细的文档字符串
- 支持批量视频处理
- 添加深度学习模型支持
- 优化检测速度
- 添加更多可视化选项
- 支持实时视频流处理
- 添加GUI配置保存功能
- Fork本仓库
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 创建Pull Request
- 更新了文档
- 添加了测试用例
- 通过了所有测试
- 代码符合PEP 8规范
本项目采用 MIT 许可证 - 详见 LICENSE 文件
- OpenCV团队
- Gradio开发团队
- NumPy团队
- 所有贡献者
- 初始版本发布
- 支持GUI和命令行模式
- 实现基本的闪光检测功能