AiPy 监控视频智能监察：人像一键抽取+可反复执行程序落地

不过我最近搞了个骚操作：用AiPy搓了个脚本，让监控视频自己监察，有人经过自动截图存档，并打上时间戳，关键是简单、免费、可复用，换个视频文件也能跑！当前目录有一个daka文件夹，需要你帮忙写一个脚本名称为daka(1).py，可以识别daka文件夹内部的视频，每当有人经过的时候就能截图保存到dakajietu文件夹中，识别过程要避免重复。但对于AiPy来说完全不是问题，基于错误反馈，AiPy移除了

Pope789

848人浏览 · 2025-06-18 12:01:44

Pope789 · 2025-06-18 12:01:44 发布

兄弟们，不知道你们有没有过查监控的经历，虽然现在监控摄像头是越来越多，硬盘越塞越满，但真出了事儿，回放查录像堪比大海捞针！纯人工一帧帧的去找，能把眼睛盯瞎还是人影都找不到。不过我最近搞了个骚操作：用AiPy搓了个脚本，让监控视频自己监察，有人经过自动截图存档，并打上时间戳，关键是简单、免费、可复用，换个视频文件也能跑！

一、为什么要做这个脚本？

前段时间下班跑得太急，直接把打卡这事抛到了九霄云外。等想起来时，已经是三天后的事，只模糊记得个大概时间（下班果然应该按时就走！）。眼瞅着工时结算逼近，没办法，只能硬着头皮去翻监控提交补卡申诉。屏幕前的我，神经紧绷地盯了半小时显示屏，好在赶在截止时间前完成了申诉。

之后我就萌生了做个智能监控脚本的想法。人工查监控方式，不仅效率低，还容易遗漏关键信息，要是能让机器自动帮我们“盯梢”，岂不是美滋滋？于是，我决定试试用 AiPy，看看能不能解决这个难题。

二、说干就干

2.1、准备工作

第一步当然是更新 AiPy 啦！这玩意儿更新速度简直离谱，之前我在本地装的版本，只能在黑乎乎的命令行里用，操作起来特别费劲。现在好了，直接去官网（https://www.aipyaipy.com/）就能下载带图形界面的新版，方便多了！

2.2、提示词准备

用大语言模型（LLM）搭配 Python 真的超方便！咱们只要把需求捋清楚告诉 AiPy 就行，比如：把某个文件夹里的所有监控视频都翻一遍，找到有人出现的画面截个图，再把这些截图存到另一个指定文件夹里。

搞明白这个需求后，就写出提示词如下：

当前目录有一个daka文件夹，需要你帮忙写一个脚本名称为daka(1).py，可以识别daka文件夹内部的视频，每当有人经过的时候就能截图保存到dakajietu文件夹中，识别过程要避免重复。

2.3、AiPy启动！

基于我们的提示词，AiPy首先对任务进行了拆解

[步骤1] 检查并创建必要的文件夹结构

[步骤2] 遍历daka文件夹获取视频文件列表

[步骤3] 初始化人体检测器

[步骤4] 处理每个视频文件，检测人体并截图

[步骤5] 实现截图间隔控制

制定完成计划后，AiPy就开始编写代码了，部分代码展示如下：

import os

import cv2

import time

from datetime import datetime



# 支持的视频格式

SUPPORTED_VIDEO_FORMATS = ('.mp4', '.avi', '.mov', '.mkv', '.flv', '.wmv')



def init_folders():

    # 确保daka文件夹存在

    if not os.path.exists('daka'):

        os.makedirs('daka')

        print("已创建daka文件夹，请将视频文件放入其中")

    

    # 确保截图文件夹存在

    if not os.path.exists('dakajietu'):

        os.makedirs('dakajietu')

        print("已创建dakajietu文件夹用于保存截图")



def get_video_files():

    """获取daka文件夹中的所有视频文件"""

    video_files = []

    for file in os.listdir('daka'):

        if file.lower().endswith(SUPPORTED_VIDEO_FORMATS):

            video_files.append(os.path.join('daka', file))

    return video_files



def process_video(video_path, last_capture_time):

    """处理单个视频文件，检测人体并截图"""

    # 初始化人体检测器

    hog = cv2.HOGDescriptor()

    hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

    

    cap = cv2.VideoCapture(video_path)

    if not cap.isOpened():

        print(f"无法打开视频文件: {video_path}")

        return last_capture_time

    

    print(f"开始处理视频: {os.path.basename(video_path)}")

    

    while cap.isOpened():

        ret, frame = cap.read()

        if not ret:

            break

        

        # 调整帧大小以提高处理速度

        frame = cv2.resize(frame, (640, 360))

        

        # 检测人体

        boxes, _ = hog.detectMultiScale(frame, winStride=(4, 4), padding=(8, 8), scale=1.05)

        

        # 如果检测到人体且满足时间间隔

        current_time = time.time()

        if len(boxes) > 0 and (current_time - last_capture_time) >= 5:

            # 保存截图

            timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")

            filename = f"dakajietu/{timestamp}.jpg"

            cv2.imwrite(filename, frame)

            print(f"检测到人体，已保存截图: {filename}")

            last_capture_time = current_time

        

        # 按q键可提前退出

        if cv2.waitKey(1) & 0xFF == ord('q'):

            break

    

    cap.release()

    return last_capture_time



def main():

    init_folders()

    video_files = get_video_files()

    

    if not video_files:

        print("daka文件夹中没有找到视频文件，请添加视频文件后再运行")

        return

    

    print(f"找到 {len(video_files)} 个视频文件:")

    for video in video_files:

        print(f"- {os.path.basename(video)}")

    

    # 初始化最后截图时间

    last_capture_time = 0

    

    # 处理每个视频文件

    for video_file in video_files:

        last_capture_time = process_video(video_file, last_capture_time)



if __name__ == "__main__":

    main()