OpenCV程序如何检测特定目标移出画面 实现离屏超时音频提醒

• 缺失依赖导入：未引入计时所需的time模块、音频播放所需的pygame模块，代码无法直接运行
• 死循环阻塞流程：检测到无人脸时嵌套了while len(faces) == 0内层循环，循环内不会重新读取摄像头帧、不会更新人脸检测结果，直接导致程序卡死
• 计时逻辑错误：每次检测到无人脸就重置start_time，无法累计连续离开时长；超时后重复初始化音频模块、重复触发播放，会出现音频叠放问题
• 缺失返回检测逻辑：没有实现人脸回到画面后立即停止音频的分支

import cv2 as cv
import sys
import time
import pygame

# 初始化人脸检测器、摄像头
cascPath = sys.argv[1]
faceCascade = cv.CascadeClassifier(cascPath)
video_capture = cv.VideoCapture(0)

# 提前初始化音频模块、加载提醒音，避免循环内重复创建资源
pygame.mixer.init()
alert_sound = pygame.mixer.Sound("Recording.mp3")

# 流程状态变量
away_start_time = None  # 连续离开的起始时间，None表示当前画面有人
is_alert_playing = False  # 提醒音频播放状态标记
AWAY_TIME_THRESHOLD = 120  # 离开触发提醒的时长阈值，单位秒

while True:
    # 逐帧读取摄像头画面
    ret, frame = video_capture.read()
    if not ret:
        break

    # 人脸检测
    gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
    faces = faceCascade.detectMultiScale(
        gray,
        scaleFactor=1.1,
        minNeighbors=5,
        minSize=(30, 30),
        flags=cv.CASCADE_SCALE_IMAGE  
    )

    # 绘制人脸矩形框
    for (x, y, w, h) in faces:
        cv.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

    # 显示画面
    cv.imshow('Video', frame)

    # 离开/返回状态判断
    if len(faces) > 0:
        # 检测到人脸，立刻停止提醒、重置计时
        if is_alert_playing:
            alert_sound.stop()
            is_alert_playing = False
        away_start_time = None
    else:
        # 未检测到人脸
        current_time = time.time()
        # 刚从有人状态切到无人，记录离开起始时间
        if away_start_time is None:
            away_start_time = current_time
        
        away_duration = current_time - away_start_time
        print(f"已离开时长: {away_duration:.1f}秒")

        # 离开时长超阈值且未在播提醒，触发音频循环播放
        if away_duration >= AWAY_TIME_THRESHOLD and not is_alert_playing:
            alert_sound.play(loops=-1)  # loops=-1为持续循环播放，需手动停止；如果要固定播放次数可改对应数值
            is_alert_playing = True

    # 按q键退出程序
    if cv.waitKey(1) & 0xFF == ord('q'):
        break

# 退出前释放所有资源
if is_alert_playing:
    alert_sound.stop()
pygame.mixer.quit()
video_capture.release()
cv.destroyAllWindows()

• 所有检测、判断逻辑都放在主视频采集循环内，每轮循环都会读取新帧、更新人脸检测结果，不会出现流程卡死问题
• 用两个状态变量分离计时、播放逻辑，避免重复触发音频、重复计时的问题
• 检测到人脸回归的第一时间就停止音频播放、清空离开计时，满足返回即停的需求
• 音频相关初始化、资源加载全部放在主循环外完成，减少不必要的性能开销

内容的提问来源于stack exchange，提问作者Abinesh Prakash