rtasp 0.1.7

libs to run RTASP - Real-Time Annotation and Stream Processing

RTASP - Real-Time Annotation and Stream Processing ✍

RTASP to modularny system do wykrywania, przetwarzania i analizy strumieni wideo w czasie rzeczywistym. System umożliwia łatwą integrację z kamerami IP, mikrofonami i innymi źródłami sygnału, a także zapewnia zaawansowane możliwości adnotacji i analizy przy użyciu modułów AI.

Główne funkcje

• Automatyczne wykrywanie kamer RTSP w sieci lokalnej
• Zarządzanie strumieniami wideo z różnych źródeł
• Przetwarzanie AI (wykrywanie ruchu, obiektów, twarzy, rozpoznawanie mowy)
• Interfejs webowy do zarządzania systemem
• Protokół komunikacyjny MCP (Message Communication Protocol) do integracji modułów
• Nagrywanie i wykonywanie zrzutów ekranu
• Modułowa architektura umożliwiająca łatwe rozszerzanie funkcjonalności

Szybka instalacja

Aby zainstalować RTASP na systemie Debian/Ubuntu/Raspberry Pi OS, wykonaj następującą komendę:

curl -sSL https://raw.githubusercontent.com/rt-asp/python/main/scripts/quick-install.sh | sudo bash

System zostanie zainstalowany w katalogu /opt/rtasp i uruchomiony jako usługa systemd.

Wymagania systemowe

• Python 3.8 lub nowszy
• System operacyjny: Debian, Ubuntu, Raspberry Pi OS (lub inny oparty na Linuxie)
• Minimum 2GB RAM (4GB zalecane)
• Minimum 1GB wolnego miejsca na dysku (więcej w przypadku nagrywania strumieni)

✍

Ręczna instalacja

1. Sklonuj repozytorium:

   git clone https://github.com/rt-asp/python.git rtasp
   cd rtasp
   

2. Uruchom skrypt instalacyjny:

   sudo bash scripts/install.sh
   

3. Po instalacji, RTASP zostanie uruchomiony jako usługa systemd. Możesz uzyskać dostęp do interfejsu webowego pod adresem http://localhost:8080 lub http://<adres-ip-serwera>:8080.

Konfiguracja

Główny plik konfiguracyjny znajduje się w /opt/rtasp/config/config.yaml. Możesz go edytować, aby dostosować system do swoich potrzeb. Po dokonaniu zmian, uruchom ponownie usługę:

sudo systemctl restart rtasp.service

Ręczne uruchamianie

RTASP można również uruchomić ręcznie:

rtasp  # Używa domyślnej konfiguracji

# Lub z określonym plikiem konfiguracyjnym:
rtasp -c /ścieżka/do/config.yaml

# Tryb skanowania sieci w poszukiwaniu kamer RTSP:
rtasp -s

Struktura projektu

rtasp/
├── config/                    # Katalog konfiguracyjny
├── core/                      # Główne moduły systemu
├── ai_modules/                # Moduły przetwarzania AI
├── web/                       # Interfejs webowy
├── models/                    # Folder na modele AI
├── tools/                     # Narzędzia pomocnicze
├── scripts/                   # Skrypty pomocnicze
├── tests/                     # Testy jednostkowe
├── docs/                      # Dokumentacja
├── main.py                    # Główny plik uruchomieniowy
└── requirements.txt           # Zależności Pythona

Protokół komunikacyjny MCP

System wykorzystuje wewnętrzny protokół komunikacyjny MCP (Message Communication Protocol) oparty na wzorcu Publish-Subscribe. Umożliwia to luźne powiązanie komponentów systemu i łatwą rozbudowę.

Przykład użycia MCP:

from core.mcp import MCPClient

# Utworzenie klienta MCP
client = MCPClient(broker, client_id="my_module")

# Subskrypcja zdarzeń
client.subscribe("stream/+/frame", handle_frame)
client.subscribe("ai/face_recognition/result", handle_face_result)

# Publikowanie zdarzeń
client.publish("command/stream/start/camera1", {})

Moduły AI

System zawiera następujące moduły AI:

• motion_detection - wykrywanie ruchu w strumieniu wideo
• object_detection - wykrywanie i klasyfikacja obiektów
• face_recognition - rozpoznawanie twarzy
• speech_recognition - rozpoznawanie mowy
• audio_processor - analiza dźwięku

Rozszerzanie systemu

RTASP został zaprojektowany z myślą o łatwej rozbudowie. Możesz tworzyć własne moduły AI, dodawać nowe źródła strumieni i integrować system z innymi aplikacjami.

Tworzenie własnego modułu AI

1. Utwórz nowy plik w katalogu ai_modules:

# ai_modules/my_custom_module.py
import cv2
import numpy as np

class MyCustomModule:
    def __init__(self, config=None):
        self.config = config or {}
        
    def process_frame(self, frame):
        # Przetwarzanie klatki wideo
        processed_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        
        return {
            "processed_frame": processed_frame,
            "result": "Przykładowy wynik"
        }
        
    def process_audio(self, audio_chunk):
        # Opcjonalne przetwarzanie audio
        return None

2. Zarejestruj moduł w ai_modules/__init__.py:

from .my_custom_module import MyCustomModule

available_modules = {
    # Inne moduły...
    "my_custom_module": MyCustomModule
}

3. Włącz moduł w konfiguracji:

ai:
  enabled_modules: ["motion_detection", "my_custom_module"]

Rozwiązywanie problemów

Jeśli napotkasz problemy:

1. Sprawdź logi systemowe:

   journalctl -u rtasp.service -f
   

2. Sprawdź status usługi:

   systemctl status rtasp.service
   

3. Sprawdź logi aplikacji:

   cat /opt/rtasp/logs/rtasp.log
   

Licencja

RTASP jest udostępniany na licencji MIT. Szczegóły znajdziesz w pliku LICENSE.

Kontakt i zgłaszanie problemów

Jeśli napotkasz problemy lub masz sugestie, utwórz zgłoszenie na GitHub.

---

Projekt RTASP (Real-Time Audio and Stream Processing)

---

• Modular Documentation made possible by the FlatEdit project.