dsh/dual_camera_system/config/detection.py

"""
检测配置
"""

# 检测配置
DETECTION_CONFIG = {
    'target_classes': ['person'],   # 检测目标类别 (支持中英文)
    'confidence_threshold': 0.5,     # 置信度阈值
    'detection_fps': 2,              # 检测帧率(每秒检测帧数)，替代原来的detection_interval
    'detection_interval': 0.5,       # 兼容保留：检测间隔(秒)，当detection_fps=2时间隔为0.5秒
    
    # 检测图片保存配置
    'save_detection_image': True,   # 是否保存检测到人的图片
    'detection_image_dir': '/home/admin/dsh/detection_images',  # 图片保存目录
    
    # RK3588 平台使用 RKNN 安全检测模型 (包含人体检测)
    # 类别映射: 0=安全帽, 3=人, 4=反光衣
    'model_path': '/home/admin/dsh/testrk3588/yolo11m_safety.rknn',
    'model_type': 'rknn',           # 模型类型: 'rknn', 'yolo', 'onnx'
    'use_gpu': False,               # RKNN 使用 NPU，不依赖 GPU
    
    # 安全检测模型的类别映射
    'class_map': {
        0: 'hat',
        3: 'person',
        4: 'reflective'
    },
    'person_class_id': 3,           # 人员在模型中的类别ID
    'person_threshold': 0.8,        # 人员检测置信度阈值
}

# 安全检测模型配置
SAFETY_DETECTION_CONFIG = {
    # 模型路径 - 支持三种格式:
    # - YOLO: .pt 文件, 使用 ultralytics
    # - RKNN: .rknn 文件, 使用 rknnlite (RK3588 平台)
    # - ONNX: .onnx 文件, 使用 onnxruntime
    'model_path': '/home/admin/dsh/testrk3588/yolo11m_safety.rknn',
    
    'model_type': 'rknn',           # 模型类型: 'auto', 'yolo', 'rknn', 'onnx'
    'use_gpu': False,                # RKNN 使用 NPU，不依赖 GPU
    'conf_threshold': 0.5,           # 一般物品置信度阈值 (安全帽、反光衣)
    'person_threshold': 0.8,         # 人员检测置信度阈值
    
    # 检测类别映射
    'class_map': {
        0: 'hat',
        3: 'person',
        4: 'reflective'
    },
    
    # 检测帧率配置
    'detection_fps': 2,              # 检测帧率(每秒检测帧数)，默认每秒2帧
    'detection_interval': 0.5,       # 兼容保留：检测间隔(秒)，由detection_fps计算得出
    
    # 告警控制
    'alert_cooldown': 3.0,           # 同一目标告警冷却时间(秒)
    'max_alerts_per_minute': 10,     # 每分钟最大告警数
    
    # 检测图片保存配置
    'save_detection_image': True,     # 是否保存检测到人的图片
    'detection_image_dir': '/home/admin/dsh/detection_images',  # 图片保存目录
    'detection_image_max_count': 1000,  # 最大保存图片数量，超过后自动清理旧图片
}