# camera-ops

**Repository Path**: wsxrafael/camera-ops

## Basic Information

- **Project Name**: camera-ops
- **Description**: 摄像头视频文件处理工具 - 自动检测并裁剪含有人/猫/狗等变化画面的视频片段
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-09
- **Last Updated**: 2026-04-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 小米摄像头视频处理工具 - 需求文档

## 1. 概述

对小米摄像头录制的视频文件进行处理：
1. 按小时合并视频
2. 检测画面中是否有目标（人、猫、狗等）
3. 只保留有有效内容的视频段

## 2. 小米摄像头文件规则

### 2.1 目录规则
`/xiaomi_camera_videos/607ea4c1faea/yyyymmddHH`
- `xiaomi_camera_videos`：小米摄像头根目录
- `607ea4c1faea`：小米摄像头 MAC 地址
- `yyyymmddHH`：按小时建立的目录，如 `2026040515` 表示 2026年4月5日 15点的所有视频

### 2.2 文件规则
- 每分钟一个视频文件
- 命名格式：`MMMSS_timestamp.mp4`
  - `MM`：分钟（00-59）
  - `SS`：秒（00-59）
  - `timestamp`：UTC 时间戳
- 示例：`16M13S_1775373373.mp4` 表示 15:16:13 开始的一分钟视频

## 3. 技术路线

### 3.1 Python 版

#### 3.1.1 程序架构

分为两个程序：`xiaomi-move-one.py` 和 `xiaomi-move.py`。

- `xiaomi-move-one.py` - 处理单个视频文件
- `xiaomi-move.py` - 处理整个目录

#### 3.1.2 程序参数

**xiaomi-move-one.py**:
```bash
python xiaomi-move-one.py --input <输入文件> --output <输出文件>
```
- `--input`（`-i`）：一个小米摄像头视频源文件（必填）
- `--output`（`-o`）：处理结果输出目录（必填）

**xiaomi-move.py**:
```bash
python xiaomi-move.py --input <输入目录> --output <输出目录>
```
- `--input`（`-i`）：小米摄像头视频源目录（必填）
- `--output`（`-o`）：处理结果输出目录（必填）
- `--deltmp`：是否删除临时数据（默认 true）

#### 3.1.3 输出格式

单文件输出（txt）：
```
HHMMSS-HHMMSS
HHMMSS-HHMMSS
```

目录输出（每小时）：
```
xxxx.mp4,HHMMSS-HHMMSS,HHMMSS-HHMMSS,...
xxxx.mp4,000000
```

#### 3.1.4 环境依赖

```bash
# 创建虚拟环境
python3 -m venv ./.env

# 激活环境
source ./.env/bin/activate

# 安装依赖
pip install opencv-python ultralytics
```

#### 3.1.5 运行示例

```bash
# 激活环境
source ./.env/bin/activate

# 处理单个视频
python xiaomi-move-one.py --input /path/to/video.mp4 --output /tmp/

# 处理整个目录
python xiaomi-move.py --input ./.video/test/2026010515 --output ./.video/done/
```

---

### 3.2 C++ 版（开发中）

#### 3.2.1 技术选型

| 模块 | 技术选型 |
|------|----------|
| 视频解码 | **FFmpeg + NVDEC** (CUDA 硬解) |
| 前处理 | **CUDA Kernel** (零拷贝) |
| 目标检测 | **TensorRT** 推理 |
| 视频处理 | FFmpeg (命令行) |

#### 3.2.2 架构

```
视频文件 → FFmpeg (NVDEC) → GPU 显存 → CUDA Kernel → TensorRT → 结果
```

#### 3.2.3 环境搭建计划

**目标**：全程 GPU 零拷贝，200+ FPS

**当前环境**：
- CUDA 12.8 ✅ 已安装
- RTX 5060 ✅ 正常
- TensorRT ✅ 已安装 (/usr/local/TensorRT-10.16.1.11)
- FFmpeg + CUDA ❌ 未安装

**环境搭建步骤**：

1. **安装 TensorRT**
   ✅ 已就绪 (/usr/local/TensorRT-10.16.1.11)

2. **安装 FFmpeg (CUDA 支持)**
   ⏳ 待安装 (通过 PPA 或手动编译)
   sudo apt install ffmpeg

   # 方法2：手动编译 FFmpeg (带 CUDA 支持)
   # 略复杂，不推荐

   # 验证
   ffmpeg -hide_banner -hwaccels
   # 应显示 cuda
   ```

3. **安装 OpenCV (带 CUDA 支持)**
   ```bash
   # 从源码编译 OpenCV，启用 CUDA 支持
   # 略复杂，不推荐
   ```

4. **模型转换**
   ```bash
   # YOLOv8 → ONNX
   yolo export model=yolov8n.pt format=onnx

   # ONNX → TensorRT (.engine)
   # 使用 TensorRT Python API 转换
   ```

5. **代码编译**
   ```bash
   cd cpp
   mkdir build && cd build
   cmake ..
   make
   ```

#### 3.2.4 待实现

- `cpp/main.cpp` - 主程序
- `cpp/CMakeLists.txt` - 构建配置
- `cpp/yolo.cpp` - YOLO 推理模块
- `cpp/video.cpp` - 视频解码模块
- `cpp/preprocess.cu` - CUDA 前处理

---

## 4. 目录结构

```
camera-ops/
├── python/            # Python 版
│   ├── xiaomi-move-one.py
│   └── xiaomi-move.py
├── cpp/               # C++ 版（开发中）
│   └── .gitkeep
├── .env/              # Python 虚拟环境
├── .video/            # 测试视频目录
├── README.md
└── .gitignore
```

---

## 5. 已知问题

### 5.1 Python 版：视频解码慢

- OpenCV + FFMPEG 不支持 GPU 硬件解码
- 实测：1199帧视频，解码耗时 ~9秒，YOLO推理 ~9秒
- 瓶颈在视频解码（OpenCV），而非 YOLO 推理

### 5.2 GPU 视频解码测试结果

| 方案 | 耗时 | FPS |
|------|------|-----|
| OpenCV CPU | 9.74s | 123 |
| FFmpeg CUDA | 7.32s | 164 |
| PyNvVideoCodec GPU | 1.01s | 1188 |

- **PyNvVideoCodec** 解码最快（9倍提升），但帧无法直接转 PyTorch Tensor（API 不友好）
- 需额外 OpenCV 读取帧，总耗时 3.21s，优势消失
- **结论**：当前 WSL2 环境下，视频解码 GPU 加速方案不成熟，暂不采用