| Details | |
|---|---|
| Neural network: |  |
| CV Framework: |  |
| Hardware: | Минимум Intel CPU 6-го поколения, PC с Intel GPU. |
Argus использует технологии компьютерного зрения для определение объектов. В качестве источников могут использоваться RTSP потоки с камер. Приложение сохраняет кадры с обнаруженными объектами и отправляет уведомления в Telegram.
Кадры с камер добавляются в двухсторонние очереди в отдельных потоках. В главном потоке кадры извлекаются из очередей и передаются на асинхронное распознавание. Всегда берется самый свежий кадр. Также проверяется – есть ли распознанный кадр. Если есть, то в зависимости от обраруженных на нем объектов он сохраняется или выбрасывается. Если были обнаружены important_objects, то происходит оповещение в Telegram. Оповещение происходит не чаще одного раза в 30 минут с каждого потока. Если в конфигурации указаны настройки MQTT, то происходит публикация события.
Дополнительно можно настроить сохранение кадров на диск каждые N секунд. Список распознаваемых объектов можно посмотреть в models
Предполагается, что Docker уже устновлен на хостовой машине.
- Склонируйте проект и перейдите в него
git clone git@github.com:rydikov/argus.git
cd argus- Запустите сборку
docker-compose build- Запустите проект
docker-compose upПо умолчанию проект запускается на модели yolo9s, в качестве потока испльзуется демонстрационное видео в каталоге res.
Для использования собственного файла конфигурации нужно создать файл c названием env и добавить в него переменную: CONFIG_PATH с полным путем к файлу. Файл лучше разместить в дирректории data, т.к. она монтируется при запуске. Пример:
CONFIG_PATH = /app/data/development.override.yml
Также можно установить приложение сразу на хостовую машину.
| Option | Required | Description |
|---|---|---|
| app | + | Основная секция |
| Option | Required | Description |
|---|---|---|
| sources | + | Источники кадров. |
| source-name | + | Название |
| source | + | Ссылка на поток, например, rtsp адрес камеры |
| stills_dir | + | Дирректория, куда будут сохраняться кадры |
| host_stills_uri | Ссылка web. Если nginx раздает сохраненные изображения, то в телграмм отправляется она, если не указана, то отправляется сам кадр | |
| important_objects | Объекты, при обнаружении который будет оповещение в telegram. По умолчани: person. | |
| other_objects | Объекты, которые будут распозноваться и помечаться на изображении | |
| save_every_sec | Сохранять изображения каждые N секунд, если 0, то будут сохраняться только изображения с important_objects |
Пример с двумя камерами и всеми опциями для секций:
sources:
first-cam:
source: rtsp://login:password@192.168.1.55:554/Streaming/Channels/101
save_every_sec: 15
stills_dir: /../../Stills/first
important_objects:
- person
second-cam:
source: rtsp://login:password@192.168.1.66:554/Streaming/Channels/101
save_every_sec: 0
stills_dir: ../../Stills/second
host_stills_uri: http://localhost/Stills/second
important_objects:
- person
- car
- cow
other_objects:
- bicycle
- motorcycle
- bird
- cat
- dog
- horse| Option | Required | Description |
|---|---|---|
| recognizer | + | Секция распознования |
| model | Модель (по умолчнанию yolov9s, более точные 9m и 9c можно сказать на вкладыке Releases) | |
| device_name | + | Устройсто распознования (CPU, GPU, MYRIAD) |
| num_requests | + | Количество потоков распонования. Оптимально 4 для каждого MYRIAD. Подбирается эмпирически |
Example for recognizer secton with all options:
recognizer:
model: yolo11n
device_name: MYRIAD
num_requests: 4| Option | Required | Description |
|---|---|---|
| telegram_bot | Telegram секция для опещения | |
| token | Токен | |
| chat_id | ID чата в который будет приходить оповещение | |
| proxy | URL прокси для Telegram, например socks5://user:pass@host:port |
Пример Telegram-секции:
telegram_bot:
token: 123456:ABCDEF
chat_id: -1001234567890
proxy: socks5://user:pass@proxy.example.com:1080| Option | Required | Description |
|---|---|---|
| mqtt | Telegram секция для опещения | |
| hostname | Хост mqtt | |
| port | Порт mqtt |