Evitar falsos positivos de carrera al mover la camara

La velocidad se medía con el salto del centroide entre dos fotogramas consecutivos. Con la Tapo a 15 fps eso daba falsos positivos por tres vías, todas comprobadas: mover la cámara (el aviso falso del 2026-10-01), el parpadeo de la caja del detector (31 alertas con la escena quieta) y el cambio de sujeto cuando hay dos animales (39 alertas con ambos inmóviles).

- pet_motion.py: seguimiento temporal. Velocidad medida sobre una ventana de 0.2 s (el temblor se cancela, el movimiento real no), asociación con la detección más cercana a la anterior en vez de con la primera de la lista, descarte de saltos imposibles para un animal y exigencia de 3 fotogramas seguidos por encima del umbral.

- pet_speed.py: detecta el cambio de escena comparando una miniatura del fotograma (calibrado con fotogramas reales: escena quieta 0.0001, mascota moviéndose hasta 0.062, encuadre desplazado un 5% ya 0.119) y reinicia el seguimiento en vez de avisar.

- Readme.md: sección de detección de carreras, con las tres causas de falso positivo y el límite conocido (paneo rápido y sostenido).

Readme.md

@@ -75,6 +75,7 @@ uv pip install sounddevice numpy scipy requests onnxruntime
 El proyecto se reparte en módulos, más los scripts de apoyo:
 - `pet_common.py`: carga del `.env`, construcción de la URL RTSP y enmascarado de credenciales.
 - `pet_speed.py`: visión por computador (vídeo + NPU Hailo). Es el punto de entrada.
+- `pet_motion.py`: seguimiento del movimiento y decisión de "está corriendo".
 - `pet_audio.py`: detección de ladridos sobre el audio de la cámara.
 - `pet_alerts.py`: decide qué sale por consola, qué se guarda como captura y qué va a Telegram.
 - `pet_telegram.py`: cliente de Telegram (cola + hilo de envío, reintentos).
@@ -87,7 +88,7 @@ El proyecto se reparte en módulos, más los scripts de apoyo:
 - Escala el fotograma con **letterbox** (mantiene la relación de aspecto, relleno gris) hasta los 640x640 que espera el modelo, y deshace esa transformación para dar las cajas y el centroide en píxeles del fotograma original.
 - Utiliza la API nativa de aceleración `picamera2.devices.hailo.Hailo` (parte del paquete del sistema, no requiere la cámara CSI) cargando el modelo optimizado (`/usr/share/hailo-models/yolov8s_h8.hef`).
 - Filtra detecciones del conjunto COCO para gato (id: 15) y perro (id: 16).
-- Calcula el centroide del animal y evalúa el desplazamiento entre fotogramas consecutivos para alertar si la velocidad supera el umbral de carrera (`SPEED_THRESHOLD = 0.30` por segundo).
+- Calcula la velocidad de la mascota con un **seguimiento temporal** (`pet_motion.py`) y avisa si supera el umbral de carrera (`SPEED_THRESHOLD = 0.30` por segundo).
 - Imprime estadísticas cada 10 s (fps de captura, fps de análisis, latencia de inferencia, reconexiones).
 - Libera el stream RTSP y el acelerador Hailo al recibir `SIGINT` (`Ctrl+C`) o `SIGTERM`, de cara a ejecutarlo como servicio systemd.
 
@@ -103,7 +104,25 @@ Ejecución:
 uv run pet_speed.py
 ```
 ---
-6. Detección de Ladridos (audio de la cámara)
+6. Detección de Carreras (seguimiento temporal)
+La primera versión medía el salto del centroide **entre dos fotogramas consecutivos**, sin más. Eso genera falsos positivos por tres vías, y las tres se comprobaron:
+
+1. **Mover la cámara.** El detector encuentra "algo" antes y después de recolocar la cámara, y el salto entre ambas posiciones parece una carrera. Es el aviso falso que saltó el 2026-10-01 al mover la cámara de sitio.
+2. **Parpadeo del detector.** Con la caja temblando ±2% del encuadre, la velocidad instantánea llega a 0.8 norm/s sin que nadie se mueva (medido: la lógica antigua daba 31 alertas en una escena completamente quieta).
+3. **Cambio de sujeto.** Si hay dos animales y la lista de detecciones cambia de orden, el centroide salta de uno a otro (la lógica antigua daba 39 alertas con dos animales inmóviles).
+
+`pet_motion.py` lo resuelve con cuatro medidas:
+- **Velocidad sobre una ventana de 0.2 s**, no entre dos fotogramas: el temblor se cancela, el movimiento real no.
+- **Asociación por cercanía**: cada fotograma se empareja con la detección más próxima a la anterior, en vez de con la primera de la lista.
+- **Descarte de saltos imposibles** (`MAX_PLAUSIBLE_SPEED = 3.0` norm/s): cámara movida o cambio de sujeto.
+- **Reinicio por cambio de escena**: el bucle compara una miniatura en gris (64x36) del fotograma con la anterior; si el cambio supera `SCENE_CHANGE_THRESHOLD = 0.12`, la escena entera se ha movido y el seguimiento se reinicia en vez de avisar. Calibrado con fotogramas reales: escena quieta 0.0001, un objeto grande moviéndose 0.019-0.062, y un desplazamiento del encuadre del 5% ya da 0.119.
+
+Además se exige que la velocidad supere el umbral durante **3 fotogramas seguidos** (`SPEED_FRAMES_REQUIRED`), no en uno suelto.
+
+> **Límite conocido:** un paneo **rápido y sostenido** de la cámara (arrastrarla mientras se mueve, sin parar) sigue pareciendo una carrera: el movimiento es continuo y coherente, así que ni el descarte de saltos ni la puerta de escena lo distinguen. La solución completa sería compensar el movimiento global con correlación de fase; no se ha implementado porque recolocar la cámara son movimientos bruscos, que sí se detectan.
+
+---
+7. Detección de Ladridos (audio de la cámara)
 La cámara Tapo publica su micrófono dentro del mismo stream RTSP que el vídeo, así que **no hace falta micrófono USB**. El audio va en G.711 A-law, 8 kHz mono, pero el vídeo y el audio se piden en dos conexiones RTSP distintas (la cámara admite varias en paralelo), porque OpenCV no sabe decodificar sonido y hay que usar PyAV.
 
 `pet_audio.py`:
@@ -127,7 +146,7 @@ El recorte de banda a 4 kHz cuesta un 14% de puntuación, pero la separación en
 > **Pendiente de comprobar in situ:** el experimento aísla la pérdida de códec y banda, pero no la calidad del micrófono de la cámara, la distancia al animal ni la acústica de la sala. Conviene validarlo con un ladrido real delante de la cámara.
 
 ---
-7. Avisos por Telegram
+8. Avisos por Telegram
 Cuando salta una alerta (carrera o ladrido), el monitor manda un mensaje **con la foto de la cámara anotada**: la caja de la mascota detectada, su confianza y la fecha y hora. Las capturas se guardan además en `capturas/` (ignorado por git).
 
 Puesta en marcha (una sola vez):
@@ -159,7 +178,7 @@ Variables opcionales en el `.env`:
 ```
 
 ---
-8. Próximos Pasos (Hoja de Ruta)
+9. Próximos Pasos (Hoja de Ruta)
 Fase A: Integración de Audio (Ladridos y Sonidos) — *hecha*
 Descartado el micrófono USB: se usa el de la propia cámara.
 El modelo YAMNet ONNX y el diccionario de clases de AudioSet (`yamnet_classes.csv`) están en `models/`.

pet_motion.py

@@ -0,0 +1,116 @@
+"""
+Seguimiento del movimiento de la mascota principal.
+
+El cálculo original comparaba el centroide entre dos fotogramas consecutivos, y
+nada más. Con la Tapo a 15 fps eso da falsos positivos por tres vías distintas:
+
+  1. Mover la cámara: el detector encuentra "algo" antes y después del cambio de
+     encuadre, y el salto entre ambas posiciones parece una carrera. Es el caso
+     real que se dio el 2026-10-01.
+  2. Parpadeo del detector: la caja se desplaza unos píxeles de un fotograma al
+     siguiente sin que el animal se mueva.
+  3. Cambio de sujeto: si hay dos animales, o el detector duda, el centroide
+     salta de uno a otro.
+
+Medir la velocidad fotograma a fotograma es muy ruidoso: con la caja temblando
++-2% del encuadre, la velocidad instantánea llega a 0.8 norm/s sin que nadie se
+mueva. Por eso aquí la velocidad se mide como el **desplazamiento neto sobre una
+ventana de tiempo** (0.2 s por defecto): el temblor se cancela, el movimiento
+real no.
+
+Salvaguardas:
+  - Asociación con la detección más cercana a la anterior, no con la primera.
+  - Descarte de saltos imposibles para un animal (cámara movida, cambio de sujeto).
+  - Velocidad medida sobre una ventana, no entre dos fotogramas.
+  - Exigencia de varios fotogramas seguidos por encima del umbral.
+  - La escena puede reiniciar el seguimiento cuando cambia entera (lo detecta
+    `pet_speed.py` comparando miniaturas de fotograma).
+"""
+
+import math
+from collections import namedtuple
+
+# Detección ya convertida a píxeles (caja) y a coordenadas normalizadas (centro)
+Deteccion = namedtuple("Deteccion", "etiqueta confianza caja cx cy")
+
+
+class MotionTracker:
+    """Decide si la mascota seguida está corriendo."""
+
+    def __init__(
+        self,
+        speed_threshold=0.30,
+        frames_required=3,
+        window=0.2,
+        max_plausible_speed=3.0,
+        max_history=10,
+    ):
+        self.speed_threshold = speed_threshold
+        self.frames_required = frames_required
+        self.window = window
+        self.max_plausible_speed = max_plausible_speed
+        self.max_history = max_history
+        self.discarded = 0   # saltos imposibles descartados
+        self.reset()
+
+    def reset(self):
+        """Olvida el seguimiento actual (cambio de escena, o pérdida del sujeto)."""
+        self._historial = []
+        self._racha = 0
+        self.speed = 0.0
+
+    def update(self, detecciones, timestamp):
+        """
+        detecciones: lista de Deteccion del fotograma actual (puede ir vacía).
+        Devuelve (deteccion_elegida, velocidad, corriendo) o None si no hay nada.
+        """
+        elegida = self._asocia(detecciones)
+        if elegida is None:
+            self.reset()
+            return None
+
+        # ¿Salto imposible desde el fotograma anterior?
+        if self._historial:
+            t_prev, x_prev, y_prev = self._historial[-1]
+            dt_prev = timestamp - t_prev
+            if dt_prev > 0 and math.hypot(elegida.cx - x_prev, elegida.cy - y_prev) / dt_prev > self.max_plausible_speed:
+                # Ningún animal cruza el encuadre varias veces por segundo: esto
+                # es la cámara moviéndose o el detector saltando a otro objeto.
+                self.discarded += 1
+                self._historial = [(timestamp, elegida.cx, elegida.cy)]
+                self._racha = 0
+                self.speed = 0.0
+                return elegida, 0.0, False
+
+        self._historial.append((timestamp, elegida.cx, elegida.cy))
+        while len(self._historial) > 2 and timestamp - self._historial[0][0] > self.window:
+            self._historial.pop(0)
+        if len(self._historial) > self.max_history:
+            self._historial.pop(0)
+
+        # Velocidad = desplazamiento neto sobre la ventana disponible
+        t0, x0, y0 = self._historial[0]
+        lapso = timestamp - t0
+        if len(self._historial) < 2 or lapso < self.window * 0.5:
+            # Todavía no hay ventana suficiente para juzgar
+            self.speed = 0.0
+            return elegida, 0.0, False
+
+        self.speed = math.hypot(elegida.cx - x0, elegida.cy - y0) / lapso
+
+        if self.speed > self.speed_threshold:
+            self._racha += 1
+        else:
+            self._racha = 0
+
+        return elegida, self.speed, self._racha >= self.frames_required
+
+    def _asocia(self, detecciones):
+        """Se queda con la detección más parecida a la que venía siguiendo."""
+        if not detecciones:
+            return None
+        if not self._historial:
+            # Sin historial, la más fiable
+            return max(detecciones, key=lambda d: d.confianza)
+        _, cx, cy = self._historial[-1]
+        return min(detecciones, key=lambda d: math.hypot(d.cx - cx, d.cy - cy))

pet_speed.py

@@ -4,8 +4,10 @@ Pet Monitor - Visión por computador con cámara IP Tapo (RTSP) + NPU Hailo.
 
   - Ingesta RTSP de vídeo en un hilo aparte, que descarta los fotogramas viejos
     y expone siempre el más reciente (evita la latencia acumulada típica de RTSP).
-  - Detección de gato/perro (clases COCO 15 y 16) con YOLOv8s sobre la NPU Hailo
+  - Detección de gato/perro (clases COCO 15 y 16) con YOLOv8s sobre la NPU Hailo.
-    y alerta de carrera según el desplazamiento del centroide entre fotogramas.
+  - Alerta de carrera con seguimiento temporal (ver pet_motion.py): velocidad
+    medida sobre una ventana, descarte de saltos imposibles y reinicio del
+    seguimiento cuando la escena cambia entera porque han movido la cámara.
   - Escucha de ladridos sobre el audio de la propia cámara (ver pet_audio.py),
     en un segundo hilo y con su propia conexión RTSP.
   - Avisos por consola y a Telegram con captura anotada (ver pet_alerts.py).
@@ -38,6 +40,7 @@ from picamera2.devices.hailo import Hailo, hailo_architecture
 from pet_alerts import AlertDispatcher
 from pet_audio import AudioListener, BarkDetector
 from pet_common import build_rtsp_url, load_env, mask_url
+from pet_motion import Deteccion, MotionTracker
 from pet_telegram import TelegramNotifier
 
 # --- Configuración -------------------------------------------------------
@@ -45,6 +48,11 @@ from pet_telegram import TelegramNotifier
 TARGET_CLASSES = {15: "Gato", 16: "Perro"}
 CONF_THRESHOLD = 0.45     # Confianza mínima para considerar una detección
 SPEED_THRESHOLD = 0.30    # Velocidad normalizada por segundo (fracción del frame)
+SPEED_FRAMES_REQUIRED = 3  # Fotogramas seguidos por encima del umbral para avisar
+SPEED_WINDOW = 0.2        # Ventana (s) sobre la que se mide la velocidad
+MAX_PLAUSIBLE_SPEED = 3.0  # Salto imposible para un animal: cámara movida o cambio de sujeto
+SCENE_CHANGE_THRESHOLD = 0.12  # Cambio global de la miniatura que delata que se movió la cámara
+SCENE_THUMBNAIL = (64, 36)     # Tamaño de la miniatura para detectar el cambio de escena
 DEFAULT_STREAM = "stream2"  # stream1 = 2304x1296@15, stream2 = 1280x720@15
 STATS_INTERVAL = 10.0     # Segundos entre líneas de estadísticas
 
@@ -318,9 +326,15 @@ def main():
     signal.signal(signal.SIGINT, handle_signal)
     signal.signal(signal.SIGTERM, handle_signal)
 
+    tracker = MotionTracker(
+        speed_threshold=SPEED_THRESHOLD,
+        frames_required=SPEED_FRAMES_REQUIRED,
+        window=SPEED_WINDOW,
+        max_plausible_speed=MAX_PLAUSIBLE_SPEED,
+    )
     last_seq = 0
-    last_centroid = None
+    miniatura_previa = None
-    last_frame_time = 0.0
+    escenas_cambiadas = 0
     last_stats = time.time()
     frames_processed = 0
     inference_time = 0.0
@@ -344,9 +358,23 @@ def main():
             frames_processed += 1
 
             src_h, src_w = frame.shape[:2]
-            dt = frame_time - last_frame_time if last_frame_time else 0.0
 
-            pet_found = False
+            # ¿Ha movido alguien la cámara? Si la escena cambia entera, no es la
+            # mascota moviéndose: reiniciamos el seguimiento en vez de avisar.
+            miniatura = cv2.cvtColor(
+                cv2.resize(frame, SCENE_THUMBNAIL, interpolation=cv2.INTER_AREA),
+                cv2.COLOR_BGR2GRAY,
+            )
+            if miniatura_previa is not None:
+                cambio = float(np.mean(cv2.absdiff(miniatura, miniatura_previa))) / 255.0
+                if cambio > SCENE_CHANGE_THRESHOLD:
+                    tracker.reset()
+                    escenas_cambiadas += 1
+            miniatura_previa = miniatura
+
+            # Todas las detecciones de interés del fotograma, en píxeles y en
+            # coordenadas normalizadas. El tracker decide con cuál se queda.
+            detecciones = []
             for class_id, label in TARGET_CLASSES.items():
                 if class_id >= len(detections_by_class):
                     continue
@@ -354,39 +382,36 @@ def main():
                     confidence = det[4]
                     if confidence <= CONF_THRESHOLD:
                         continue
-
-                    pet_found = True
                     x1, y1, x2, y2 = box_to_source(det, scale, pad_x, pad_y, src_w, src_h)
-                    centroid = ((x1 + x2) / 2.0 / src_w, (y1 + y2) / 2.0 / src_h)
+                    detecciones.append(
+                        Deteccion(
+                            label,
+                            float(confidence),
+                            (x1, y1, x2, y2),
+                            (x1 + x2) / 2.0 / src_w,
+                            (y1 + y2) / 2.0 / src_h,
+                        )
+                    )
 
-                    # Cajas del fotograma actual, para anotar la captura del aviso
+            resultado = tracker.update(detecciones, frame_time)
-                    alerts.set_pet_boxes([(label, float(confidence), (x1, y1, x2, y2))])
+            if resultado is None:
-
+                alerts.set_pet_boxes([])
-                    if last_centroid and dt > 0:
+            else:
-                        dist = math.hypot(centroid[0] - last_centroid[0], centroid[1] - last_centroid[1])
+                elegida, velocidad, corriendo = resultado
-                        speed = dist / dt
+                alerts.set_pet_boxes([(elegida.etiqueta, elegida.confianza, elegida.caja)])
-                        if speed > SPEED_THRESHOLD:
+                if corriendo:
                     alerts.alert(
                         "carrera",
-                                f"⚠️ [ALERTA] ¡{label} corriendo! Vel: {speed:.2f} norm/s (Conf: {confidence:.2f})",
+                        f"⚠️ [ALERTA] ¡{elegida.etiqueta} corriendo! Vel: {velocidad:.2f} norm/s "
+                        f"(Conf: {elegida.confianza:.2f})",
                     )
                 else:
                     alerts.alert(
                         "calmado",
-                                f"🐾 [OK] {label} detectado (calmado). Vel: {speed:.2f} norm/s (Conf: {confidence:.2f})",
+                        f"🐾 [OK] {elegida.etiqueta} detectado (calmado). Vel: {velocidad:.2f} norm/s "
+                        f"(Conf: {elegida.confianza:.2f})",
                     )
 
-                    last_centroid = centroid
-                    break  # Evaluamos la mascota principal detectada
-                if pet_found:
-                    break
-
-            if not pet_found:
-                last_centroid = None
-                alerts.set_pet_boxes([])
-
-            last_frame_time = frame_time
-
             now = time.time()
             if now - last_stats >= STATS_INTERVAL:
                 avg_inf = inference_time / frames_processed * 1000 if frames_processed else 0.0
@@ -400,6 +425,7 @@ def main():
                         f" || audio: Bark máx {audio.take_max_bark():.2f} (umbral {audio.threshold:.2f}) "
                         f"| ventanas {audio.windows} | ladridos {audio.alerts}"
                     )
+                linea += f" || escenas {escenas_cambiadas} | saltos descartados {tracker.discarded}"
                 linea += f" || {alerts.stats()}"
                 print(linea)
                 last_stats = now