描述

描述

“MiMaMori Alert”是您家中的自動監(jiān)控攝像頭。沒有教師圖像的自動學(xué)習(xí)，并在有訪客時通知。你不在家，但你可以看到你的訪客和小偷。

介紹

出門在外不愁家！你經(jīng)歷過嗎？

• 例如，在不在的一天，有人在推對講機！
• 或者小偷進了你家??！
• 或者“滑子”被我家偷走了?。?！

這種情況，如果有MiMaMori Alert，就可以解決。MiMaMori Alert 是一款自動監(jiān)控攝像頭。如需網(wǎng)絡(luò)設(shè)置，只需安裝攝像頭即可。不需要教師形象。

如果攝像頭前有任何可疑動靜，攝像頭會自動拍照并通知您。MiMaMori Alert 非常緊湊。而且成本非常低。

硬件

?

MiMaMori Alert 是兩種配置。

?M5StickV + M5StickC

?M5UnitV + M5StickC

M5StickV 和 M5UnitV 包括 Kendryte K210。Kendryte K210 是一款非常強大的設(shè)備。計算神經(jīng)網(wǎng)絡(luò)。M5StickC 是一種便攜式網(wǎng)絡(luò)設(shè)備。這可以與互聯(lián)網(wǎng)連接。

?

M5StickV/UnitV 和 M5StickC 通過 Grove 連接。通過 UART 進行通信。使用專有協(xié)議進行通信。以 10 位為單位發(fā)送數(shù)據(jù)。

算法

?

算法如下。

①首先，使用Mobilnet的神經(jīng)網(wǎng)絡(luò)計算特征向量。Mobilnet 使用 Keras 和 NNcase 創(chuàng)建了一個 0.5 的 V1 權(quán)重。NNCASE 是一個 Kendryte 工具。

task = kpu.load(0x200000)
fmap = kpu.forward(task, img)
new_data = np.array(fmap[:])

②將神經(jīng)網(wǎng)絡(luò)得到的特征向量在時間序列方向進行濾波，得到加權(quán)平均。向量運算使用Numpy

#Feature Vector Update
def update(capture,new_data,weight):
    new_data= new_data*weight+capture*(1.0-weight)
    return new_data

new_data=update(capture,new_data,cap_weight)

③計算當(dāng)前時刻的平均向量與特征向量的距離。這相當(dāng)于尋找運動。移動時距離大，靜止時距離小。

#Feature Vector Compare
def get_dis(new_data,master_data):
    dist = np.sum((new_data-master_data)*(new_data-master_data))
    return dist

dist=get_dis(new_data,master_data)

④檢測波形的上升沿，通過串口發(fā)送數(shù)據(jù)。上升沿與時間序列中的上一個數(shù)據(jù)進行比較

?

if dist > dist_thresh:
    if dist_old <= dist_thresh:
        img_buf = img.copy()
        img_buf.compress(quality=70)
        img_size1 = (img_buf.size()& 0xFF0000)>>16
        img_size2 = (img_buf.size()& 0x00FF00)>>8
        img_size3 = (img_buf.size()& 0x0000FF)>>0
        data_packet = bytearray([0xFF,0xF1,0xF2,0xA1,img_size1,img_size2,img_size3,0x00,0x00,0x00])
        uart_Port.write(data_packet)
        uart_Port.write(img_buf)
        time.sleep(1.0)
        print("image send,data_packet")

⑤M5StickC通過UART通知向LINE發(fā)送圖像和消息。M5StickC 是使用 ArduinoIDE 開發(fā)的。

?

更多應(yīng)用

?

此應(yīng)用程序可以檢測動態(tài)的。安裝也很容易。只是保持眼前的事物。各種應(yīng)用都是可能的。

這是日本傳統(tǒng)食品“滑子”的防御技巧。《MiMaMori Alert》設(shè)定在滑美子的背后。如果有 nameko 被帶走，請盡快通知您的 LINE。

演示說明

此源代碼需要 MixPy 選項配置 Numpy。自定義二進制文件存儲在 Github 中。并且，神經(jīng)網(wǎng)絡(luò)需要權(quán)重為 0.5 的 MobileNetV1。這個 Kmodel 文件也存儲在 Github 中。使用 Kflash GUI 工具寫入 M5StickV / UnitV。

?

?

?