算法链路从读取视频帧开始，再进行采样、推理、跟踪和事件判断。先把“读到帧”和“判断出事件”分清，避免将进程在线当作算法正常。

做一个解码与采样实验

使用 Python 3 和 OpenCV，先创建虚拟环境并安装依赖：

Terminal window
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install opencv-python==4.12.0.88

安装 FFmpeg 后生成一段测试文件：

Terminal window
ffmpeg -f lavfi -i "testsrc2=size=640x360:rate=25:duration=5" -an -c:v libx264 -pix_fmt yuv420p input.mp4

保存 sample_frames.py：

from pathlib import Path
import sys
import cv2


source = sys.argv[1] if len(sys.argv) > 1 else 'input.mp4'
output = Path('frames')
output.mkdir(exist_ok=True)
capture = cv2.VideoCapture(source, cv2.CAP_FFMPEG, [
    cv2.CAP_PROP_OPEN_TIMEOUT_MSEC, 5000,
    cv2.CAP_PROP_READ_TIMEOUT_MSEC, 5000,
])
if not capture.isOpened():
    capture.release()
    raise RuntimeError('无法打开视频，请检查路径、地址和 FFmpeg 后端支持')


read_count = 0
saved_count = 0
try:
    while read_count < 250 and saved_count < 10:
        ok, frame = capture.read()
        if not ok:
            break
        if read_count % 25 == 0:
            filename = output / f'frame_{read_count:06d}.jpg'
            if not cv2.imwrite(str(filename), frame):
                raise RuntimeError(f'图片保存失败：{filename}')
            saved_count += 1
        read_count += 1
finally:
    capture.release()
print(f'read={read_count}, saved={saved_count}')
if read_count == 0:
    raise RuntimeError('打开成功但没有读到帧')
Terminal window
.\.venv\Scripts\python.exe .\sample_frames.py .\input.mp4

对 5 秒、25 FPS 的测试素材，应读取 125 帧并保存 5 张图片。换成 RTSP URI 时，编码、账号和网络也会影响读取；URI 中凭据不应公开在日志里。

这个例子每 25 帧取一帧。只有固定 25 FPS 素材才可近似理解为每秒一帧；实时或可变帧率来源应按时间戳设计采样。循环有帧数和保存数量限制，没有无限重连。

接入自己的算法

flowchart LR
    V[视频流] --> D[解码]
    D --> S[按策略采样]
    S --> P[模型预处理与推理]
    P --> T[目标跟踪]
    T --> E[事件规则]
    E --> F[图片与录像证据]
    F --> U[上传与通知]

模型的输入尺寸、颜色顺序、归一化、类别与输出坐标必须按实际模型检查。OpenCV 常用 BGR，其他模型可能要求 RGB；一段能读取 JPEG 的代码不代表已经实现目标检测。

结果应带摄像头/任务标识、帧编号或时间戳、模型版本和坐标约定。异步结果迟到时，要回到对应的帧，不能随便画到最新画面。

从检测到告警

单帧检测是候选结果，告警通常还需要持续时间、区域、阈值、去重和恢复条件。例如“对象连续在区域内”要记录状态转换，而不是每帧发送一条通知。

先准备正常、触发、临界和恢复样本，检查事件与证据时间能否对应。模型分数不是统一可信概率，不同场景的阈值需依据实际样本确定。

下一篇：运维与容量规划。参考：OpenCV 视频读取、超时属性。