yuturuishi/rebucca

解决的问题

Rebucca 是一个实时视频监控与智能监测平台。它解决了将原始摄像头画面转化为可操作、结构化告警的问题。它不仅仅是录制视频，还能检测物体（人、车辆等），在您定义的区域（如入侵或徘徊）上应用基于规则的推理，并生成带有快照的可靠告警。它还解决了实际部署中的痛点：重型检测模型可以替换为轻量级 YOLO 或 D-FINE 模型，并且可选的大语言模型可以二次检查检测结果以减少误报。

工作原理

Rebucca 使用 RTSP 或 GB28181（通过 ZLMediaKit 转发）拉取视频流，并可选通过 ONVIF 发现摄像头。检测流水线运行在小型快速模型上：内置的 D-FINE 实时端到端检测器（导出到 OpenVINO 或 ONNX Runtime）或 PyTorch/ONNX/OpenVINO 格式的 YOLO。您可以将检测绑定到绘制的多边形区域，并选择七种后处理规则：入侵、越线、计数、方向、密度、徘徊和缺席。当规则触发时，系统生成带有快照图像的告警，并且告警频率被限制为与检测频率匹配，以避免告警风暴。可选使用兼容 OpenAI 的大模型进行二次审查以提高可靠性。整个流程通过 Web 控制面板管理。

适用对象

这面向需要智能视频监控的安全和运维团队：例如，警卫室、收银台、建筑工地或服务器机房。它也适用于部署商业监控系统的集成商和开发人员，得益于宽松的 MIT 许可证（注意：YOLO-PyTorch 引擎依赖 AGPL 许可的 Ultralytics，除非您使用 ONNX/OpenVINO 路径）。

亮点

• 支持多种流协议：GB28181、RTSP、ONVIF 发现，并支持 ZLMediaKit 中继。
• 内置 D-FINE 作为检测框架（ICLR 2025），提供高定位精度和低延迟，无需 NMS。
• 双推理引擎：OpenVINO 2024.6 和 ONNX Runtime 1.30.0，支持 CPU 和 GPU。
• 七种基于规则的后处理行为，适用于灵活的区域告警场景。
• 每个告警都包含快照；不再有“空”告警。
• 告警频率严格限制为检测频率，防止告警风暴。
• 告警快照支持中文标签渲染，避免乱码。
• 可选大模型审查以减少误报。
• Web 控制面板提供仪表盘、统计和一键重启。
• 支持 7 种语言界面，源代码采用 MIT 许可证。