Kasvontunnistuksen turvajärjestelmä Raspberry Pi -jääkaapille: 7 vaihetta (kuvilla)

2024 Kirjoittaja: John Day | [email protected]. Viimeksi muokattu: 2024-01-30 09:02

Internetin selaamisen aikana olen havainnut, että turvajärjestelmien hinnat vaihtelevat 150 dollarista 600 dollariin ja sitä korkeammalle, mutta kaikkia ratkaisuja (edes kalliita) ei voida integroida muihin kotisi älykkäisiin työkaluihin! Et esimerkiksi voi asettaa turvakameraa etuovellesi, joten se avaa oven automaattisesti sinulle tai ystävillesi!

Olen päättänyt tehdä yksinkertaisen, halvan ja tehokkaan ratkaisun, jota voit käyttää missä tahansa! Halpoja ja kotitekoisia turvajärjestelmiä voidaan luoda monissa käsikirjoissa, mutta haluan kuitenkin osoittaa niiden todella ei -triviaalin soveltamisen - turvajärjestelmä jääkaapille, jossa on kasvojentunnistus!

Kuinka se toimii? Jääkaapin päälle asetettu IP -kamera, anturit (kaksi painiketta) tunnistavat, kun henkilö avaa jääkaapin oven, minkä jälkeen Raspberry Pi ottaa kuvan kyseisestä henkilöstä (IP -kameralla) ja lähettää sen sitten Microsoft Face APIlle kuvan analysoimiseksi ja henkilön nimen saamiseksi. Näillä tiedoilla Raspberry Pi skannaa pääsylistan: jos henkilöllä ei ole lupaa käyttää jääkaappia, Raspberry ilmoittaa omistajalle sähköpostitse, tekstiviestillä ja Twitterissä! (Katso kuvat yllä)

Miksi? Järjestelmän avulla voit hallita perheenjäseniäsi, varsinkin kun he ovat ruokavaliossa tai kamppailevat syömättä keskiyön jälkeen! Tai käytä sitä vain huviksesi!

Lisäksi voit itse asettaa kameran etuovellesi ja määrittää järjestelmän avaamaan oven, kun sinä, perheenjäsenesi tai ystäväsi lähestyt. Ja tämä ei ole loppu! Sovelluksen mahdollisuudet ovat rajattomat!

Aloitetaanpa!

Vaihe 1: Valmistelu

Tarvitset:

• Raspberry Pi 3 (voit käyttää vanhempia versioita, mutta kolmannessa sukupolvessa on Wi-Fi, joten se on erittäin kätevää)
• Painikkeet
• Johdot
• Vanha älypuhelin tai Raspberry Pi -kamera

Ensimmäinen asia, joka sinun on tehtävä, on määrittää Raspberry Pi. Yksityiskohtaiset ohjeet sen tekemiseen löydät täältä ja täältä, mutta katamme tärkeimmät vaiheet tässä oppaassa.

1. Lataa Win32 DiskImager täältä (jos käytät Windowsia)
2. Lataa SD Formatter täältä
3. Aseta SD -kortti tietokoneeseen ja alusta se SD Formatterilla
4. Lataa Raspbian -kuva täältä (Valitse "Raspbian Jessie pikselillä")
5. Suorita Win32 DiskImager, valitse SD -kortti, määritä polku Raspbian -kuvaan, napsauta "Kirjoita"
6. Aseta SD -kortti Raspberry Pi -laitteeseen ja kytke virta päälle!

Lisäksi sinun on määritettävä Raspberry Pi, jotta voit käyttää järjestelmää SSH: n kautta. Internetissä on paljon ohjeita, voit käyttää sitä esimerkiksi tai liittää näytön ja näppäimistön.

Nyt Pi on määritetty ja olet valmis jatkamaan!

Vaihe 2: Anturin valmistus

Vaihe Kuvaus: Tässä vaiheessa teemme anturin, joka tunnistaa, kun henkilö avaa jääkaapin oven ja aktivoi Raspberry Pi: n.

Sen asentamiseen tarvitset alun perin valmistamiasi kahta painiketta. Ensimmäinen painike tunnistaa, kun ovi avataan, toinen painike havaitsee, kun ovi avataan siihen pisteeseen, jolloin otamme valokuvan henkilöstä.

1. Juotosjohdot nappeihin.
2. Kiinnitä ensimmäinen painike jääkaapin oveen niin, että sitä painetaan oven ollessa kiinni (katso kuva yllä)
3. Kiinnitä toinen painike jääkaapin oveen yllä olevan kuvan mukaisesti. Tämä painike on vapautettava aina, paitsi silloin, kun ovi saavuttaa kohdan, jolloin järjestelmä ottaa kuvan. Sen asettamiseksi sinun on kiinnitettävä jotain jääkaappiin niin, että tätä painiketta painetaan, kun luukku avataan halutulla tavalla (katso yllä olevat kuvat).
4. Kiinnitä johdot painikkeista Raspberry Pi -laitteeseen: ensimmäinen painike GPIO 23 -laitteeseen ja maahan, toinen painike GPIO 24 -laitteeseen ja maahan (katso leimauskaavio).

Huomautus: Käytän BCM -pinoutia (ei Board), lisätietoja erosta täältä.

Kun olet muodostanut yhteyden Raspberry Pi -laitteeseesi SSH: n kautta, suorita python -kuori kirjoittamalla päätelaite:

python3

Jos liität näytön ja näppäimistön Raspberry Pi -laitteeseen, suorita valikosta”Python 3 IDLE”.

Seuraava askel on saada Raspberry Pi toimimaan painikkeilla. Kiinnitämme erityisiä kuuntelijoita GPIO 23- ja 24 -nastoihin, jotka kuuntelevat "nousevan reunan" -tapahtuman ja "laskevan reunan" -tapahtuman näissä nastoissa. Tapahtuman tapauksessa kuuntelijat kutsuvat määrittämiämme toimintoja. "Nouseva reuna" tarkoittaa, että painiketta painettiin ja se vapautettiin (ensimmäinen painike - ovi avataan), "laskeva reuna" tarkoittaa, että painike vapautettiin ja sitä painettiin nyt (toinen painike - ovi on saavuttanut tietyn kohdan). Lisää painikkeiden toiminnoista - täällä.

Tuo ensin kirjasto, joka antaa meille pääsyn nastoihin:

tuoda RPi. GPIO GPIO: ksi

Määritä nyt erityistoiminnot, joita kutsutaan tapahtuman käynnistyttyä:

def anturi1 (kanava): tulostus (“anturi 1 laukaistu”) def anturi2 (kanava): tulostus (“anturi 2 lauennut)

Aseta pinout -tyyppi:

GPIO.setmode (GPIO. BCM)

Määritä nastat:

GPIO.setup (23, GPIO. IN, pull_up_down = GPIO. PUD_UP) GPIO.setup (24, GPIO. IN, pull_up_down = GPIO. PUD_UP)

Liitä kuuntelijoita:

GPIO.add_event_detect (23, GPIO. RISING, takaisinsoitto = anturi1, bouncetime = 300) GPIO.add_event_detect (24, GPIO. FALLING, takaisinsoitto = anturi2, bouncetime = 300)

Nyt voit testata! Jos painat painiketta 1, näet viestin liittimessä "anturi 1 lauennut", painike 2 antaa viestin "anturi 2 lauennut".

Huomautus: Kun olet lopettanut kokeilun, älä unohda kutsua seuraavaa toimintoa: GPIO.cleanup ().

Asetetaan vielä yksi toiminto, jota kutsutaan, kun ovi saavuttaa kuvan ottamispisteen! Voit tehdä sen itse tai käyttää tähän liittämääni toteutusta (sensor.py)

Huomautus: sensor.py -tiedostoa käytetään vain testaustarkoituksiin, tiedostot, joissa on kaikki toiminnot, olen liittänyt viimeiseen vaiheeseen.

Vaihe 3: Määritä IP -kamera

Vaiheen kuvaus: Nyt määritämme vanhan älypuhelimen IP -kameraksi.

Älypuhelimen käyttö IP -kamerana tapahtuu sovelluksen kautta. Voit käyttää erilaisia sovelluksia Androidille, iOS: lle ja Windows Phonelle. Valitsin Androidin IP -verkkokameran. Tämä on ilmainen sovellus ja se on helppo määrittää.

Suorita sovellus, siirry kohtaan "Videomääritykset" ja määritä sovelluksen tarjoamien valokuvien resoluutio. Napauta sitten "Käynnistä palvelin" (Ensimmäinen kuva yllä). Näytön alareunassa sinun on nähtävä nokan ip -osoite (katso toinen kuva yllä). Selaimeen voit kirjoittaa https://cam_ip_address/photo-j.webp

Kiinnitä lopuksi kamera jääkaappiin (viimeinen kuva yllä).

Vaihe 4: Face API

Vaihe Kuvaus: Tässä vaiheessa puhumme Microsoftin Face API: sta, joka tunnistaa kasvot ja tunnistaa ihmiset.

Microsoftin Face API on kasvojentunnistuspalvelu, jonka avulla voimme analysoida valokuvia ja tunnistaa niissä olevat ihmiset.

Ensin tarvitset Microsoft Azure -tilin. Jos sinulla ei ole sitä, voit luoda sen ilmaiseksi täältä.

Toiseksi, siirry osoitteeseen https://portal.azure.com, napsauta "Uusi" vasemmassa reunassa, kirjoita lomakkeeseen "Kognitiivisten palveluiden sovellusliittymät", valitse se ja napsauta "Luo". Tai voit avata tämän linkin. Nyt sinun on syötettävä palvelusi nimi, valittava tilaustyyppi, tarvitsemasi sovellusliittymän tyyppi (meidän tapauksessamme Face API), sijainti, hinnoittelutaso, resurssiryhmä ja hyväksyttävä lakiehdot (katso tähän vaiheeseen lisätty kuvakaappaus).

Kolmanneksi napsauta "Kaikki resurssit", valitse Face API -palvelu ja katso käyttötilastot, kirjautumistiedot jne.

Face API -tiedot löytyvät täältä, esimerkkejä eri ohjelmointikielillä. Tässä projektissa käytämme pythonia. Voit lukea dokumentaatiota ja tehdä oman toiminnallisuutesi tai voit käyttää tässä olevaa (tämä ei ole Microsoftin kaikkia toimintoja, vain tähän projektiin tarvittavat kohdat). Python -tiedostoni on liitetty tähän vaiheeseen.

Siirrytään Face APIn kanssa tehtävän työn rakenteeseen. Jotta voimme käyttää "Tunnistus" -toimintoa, meidän on luotava kirjasto ihmisistä, jotka käyttävät Face API -palvelua, joka tunnistaa sovelluksen ottamat valokuvat. Määritä se seuraavasti:

1. Luo ryhmä
2. Lisää henkilöitä tähän ryhmään
3. Lisää näille henkilöille kasvot
4. Juna ryhmä
5. Lähetä valokuva henkilön kanssa, jonka haluat tunnistaa (sinun on annettava valokuva ja ryhmän tunnus, josta palvelu etsii ehdokkaita)
6. Tulos: Vastauksena saat luettelon ehdokkaista, jotka voivat olla lähettämässäsi valokuvassa.

Olen luonut kolme tiedostoa, joilla on erityistoiminnot, joiden avulla voidaan työskennellä ryhmien, yksittäisten henkilöiden ja yksittäisten valokuvien kanssa:

• PersonGroup.py - sisältää ominaisuuksia, joiden avulla voit luoda ryhmän, saada tietoja ryhmästä, saada luettelon kaikista ryhmistäsi, kouluttaa ryhmän ja saada koulutuksen tilan
• Person.py - sisältää ominaisuuksia, joiden avulla: luoda henkilö, saada henkilötietoja, luetella kaikki määritetyn ryhmän henkilöt, lisätä kasvoja määritetylle henkilölle
• Face.py - sisältää ominaisuuksia, joiden avulla voidaan tunnistaa kuvasta kasvot, tunnistaa henkilö, saada tunnistetun henkilön nimi

Tiedostossa nimeltä "tunnistus.py" annan ominaisuuksia, joiden avulla voit tarkistaa, sisältääkö kuva kasvot, ja lisätä kasvoja määritetylle henkilölle (lisää automaattisesti kasvot useista kuvista määritetystä kansiosta).

Lataa tähän vaiheeseen liitetty tiedosto, pura se, muuta KEY -globaalia muuttujaa näissä kolmessa tiedostossa: PersonGroup.py, Person.py ja Face.py omalle avaimellesi, jonka löydät: portal.azure.com> kaikki resurssit > face api -palvelu (tai miten kutsut sitä)> avaimet -välilehti. Voit käyttää mitä tahansa kahdesta näppäimestä.

Huomautus: tässä koulutamme Face API -palvelua tunnistamaan ihmiset, joten seuraavat toiminnot voidaan tehdä mistä tahansa tietokoneesta (Raspberry Pi ei ole tarpeen) - muutokset tallennetaan Microsoftin palvelimelle.

Kun olet vaihtanut AVAINTA, suorita tunnistus.py ja kirjoita seuraava komento python -kuoreen:

PersonGroup.create ("perhe", 'fff-fff')) // voit käyttää omaa nimeäsi ja tunnustasi

ryhmä printResJson (PersonGroup.getPersonGroup ('fff-fff'))

Sinun on tarkasteltava juuri luomasi ryhmän tietoja. Kirjoita nyt:

printResJson (Person.createPerson ('fff-fff', 'henkilön nimi'))

Nyt saat henkilötunnuksen. Luo kansio tämän henkilön kuvista, jotta kaikki kuvat sisältävät tämän henkilön kasvot. Voit käyttää toimintoa detectFaceOnImages tunnistuksessa.py, joka näyttää, mistä valokuvista kasvot tunnistetaan. Suorita nyt komento:

addFacesToPerson ('kansio kuvilla', 'edellisen komennon jälkeen saamasi henkilötunnus', 'fff-fff')

Sitten meidän on koulutettava palveluamme syöttämällä seuraava:

PersonGroup.trainPersonGroup ('fff-fff') printResJson (PersonGroup.getPersonGroupTrainingStatus ('fff-fff'))

Ryhmämme on nyt koulutettu ja valmis tunnistamaan henkilön.

Voit tarkistaa kuvan henkilön seuraavasti:

Face.checkPerson (kuva, 'fff-fff')

Vastauksena saat luettelon ehdokkaista ja todennäköisyyden, kuka kuvassa on.

Huomaa: joka kerta, kun lisäät kasvoja henkilölle tai henkilölle ryhmässä, sinun on koulutettava ryhmä!

Vaihe 5: Solmunpunainen määritys

Vaihe Kuvaus: Tässä vaiheessa luomme solmunpunaisen virtauksen, joka ilmoittaa jääkaapin käyttöoikeusloukkauksesta =)

Jos Raspberry Pi toimii Raspbian Jessie -laitteessa marraskuussa 2015 tai uudemmassa versiossa, sinun ei tarvitse asentaa solmupunaista, koska se on jo esiasennettu. Sinun tarvitsee vain päivittää se. Käytä käyttöopasta täällä.

Nyt meidän on asennettava Twilio-solmu solmu-punaiseen, jotta voimme käynnistää tekstiviestin. Avaa terminaali ja kirjoita:

cd ~/.node-rednpm asentaa node-red-node-twilio

Lisää Twilio -solmusta täällä. Suorita sen jälkeen solmu-punainen kirjoittamalla päätelaitteeseen:

solmu-punainen

Siirry sitten osoitteeseen: https://127.0.0.1:1880/ - jos avaat selaimen Raspberry Pihttps:// {raspberry_pi_ip}: 1880/ - jos haluat avata Node -Red -editorin toiselta tietokoneelta

Jos haluat tietää vadelma pi: n IP -osoitteen, käytä tätä ohjetta.

Nyt sinun on löydettävä Twilio-solmu Node-Red-editorin solmuluettelosta (yleensä se näkyy "sosiaalisen" ryhmän jälkeen).

On aika luoda virta!

Huomautus: voit käyttää tämän vaiheen liitteenä olevaa kulkuani, mutta älä unohda määrittää solmuja: sähköposti, twitter ja twilio. Lue siitä myöhemmin.

Virtamme alkaa "ilmoita" -solmulla, joka hyväksyy POST -pyynnön pääohjelmaltamme, jossa on joitain tietoja pääsyn rikkomisesta (esimerkki tiedoista löytyy kommenttisolmusta "vastaanottavista objekteista"). Tämä solmu vastaa välittömästi "Ok" -viestillä, joten pääohjelma tietää, että tiedot on vastaanotettu (Flow: /ilmoitus> vastaus Ok> vastaus). Vihreä solmu alareunassa nimellä msg.payload on olemassa virheenkorjausta varten: jos jokin ei toimi, voit käyttää sitä.

Ensimmäisen solmun (/ilmoitus) tiedoista, jotka on levitetty datateemaan ja kuvan aiheeseen, joihin on lisätty aiheet "data" ja "kuva".

"Käännä" -solmussa vastaanotamme dataa (jonka saamme ensimmäisen vaiheen aikana) "data" -aiheella ja kuvan "kuva" -aiheella (kuva on otettu /home/pi/image.jpg). Nämä kaksi viestiä tulisi koota yhdeksi objektiksi, mutta nämä kaksi kohdetta vastaanotetaan eri aikaan! Käytämme tätä "konteksti" -ominaisuutta, jonka avulla voimme tallentaa tietoja toimintojen kutsumisten välillä.

Seuraava vaihe on tarkistaa, onko pääsyluettelossamme oleva henkilö vai onko hän muukalainen (checkConditions -solmu). Saamissamme tiedoissa on "trustedPerson" -kenttä: "true" tarkoittaa, että tunnemme tämän henkilön, mutta hän rikkoi käyttöoikeutta, "false" tarkoittaa, että henkilö on muukalainen.

Kun tulos on”totta”, lähetämme ilmoituksen twitteriin, twilioon ja sähköpostitse; kun tulos on "väärä" - vain sähköposti ja twilio. Luomme sähköpostiviestille viestin, liitetyn kuvan ja sähköpostin aiheen, objektin twilio -viestille. Twitterissä lisäämme tietoja objektiin, jos "trustedPerson" on totta. Lähetä sitten nämä kolme objektia kolmeen eri solmuun.

Huomautus: Jos seuraava solmu ei saa viestiä, lähetämme sille vain "null".

On aika määrittää solmut ilmoitusta varten!

Twitter Lisää "twitter" -solmu kulkuun. Avaa se kaksoisnapsauttamalla. Napsauta kynää "Twitter ID" -kohdan vieressä. Napsauta sitten "Todenna Twitterin avulla napsauttamalla tätä". Siirry Twitter-tilillesi ja anna solmupunaiselle tarvittavat käyttöoikeudet.

EmailLisää "email" -solmu kulkuun. Jos et käytä Gmailia, sinun on vaihdettava tiedot seuraavissa kentissä - "Palvelin" ja "Portti" (löydät mitä palvelinta ja porttia sinun tulee käyttää sähköpostisi välittäjän ohjesivuilta), muuten älä muuta näitä kentät.

• Vastaanottaja> sähköpostiosoite, johon viestit lähetetään
• Userid> kirjaudu sähköpostista (ehkä sama kuin Vastaanottaja -kenttä)
• Salasana> salasana sähköpostitililtäsi
• Nimi> nimi tälle solmulle

Twilio Siirry osoitteeseen https://www.twilio.com/try-twilio ja rekisteröi tili. Vahvista se. Siirry osoitteeseen https://www.twilio.com/console. Napsauta "Puhelinnumerot" (iso # -kuvake) ja luo ilmainen numero. Jos olet Yhdysvaltojen ulkopuolella, sinun on lisättävä GEO-oikeudet, siirry osoitteeseen https://www.twilio.com/console/sms/settings/geo-pe… ja lisää maasi.

Siirry nyt Node-Red-editoriin, lisää Twilio-solmu, kaksoisnapsauta sitä konfiguroidaksesi ja täyttääksesi kaikki kentät:

• Kirjautumistiedot> Käytä paikallisia kirjautumistietoja
• Twilio> muokkaa
  • Tilin SID> ota täältä
  • Alkaen> kirjoita luomasi virtuaalinen numero
  • Token> ota täältä
  • Nimi> Twilio
• Lähtö> SMS
• > Puhelinnumeroosi
• Nimi> nimi tälle solmulle.

Napsauta Ota käyttöön

Nyt virtauksesi on valmis! Voit testata sen lähettämällä POST -pyynnön määritetyn objektin kanssa!

Vaihe 6: Koko projektin kokoaminen

Vaihe Kuvaus: Tässä vaiheessa kokoamme kaikki osat yhteen ja saamme ne toimimaan erillisenä järjestelmänä.

Tässä vaiheessa sinun on:

1. Määritä vanha älypuhelin ip -kameraksi
2. Käytä toimivia antureita
3. Koulutettu Microsoftin Face API
4. Konfiguroitu solmu-punainen virtaus

Nyt meidän on parannettava koodia, jonka kirjoitimme vaiheessa 2. Tarkemmin sanottuna toimintoprosessi (), joka kutsutaan, kun henkilö avaa oven. Tässä toiminnossa teemme seuraavaa:

1. Hae kuva ip -kamerasta ja tallenna se kansioon "/home/pi/" nimellä "image.jpg" (toiminto "fromIpCam" tiedostossa "getImage")
2. Hae kuvassa olevan henkilön nimi (toiminto "checkPerson" tiedostossa "tunnistus")
3. Tarkista kyseisen henkilön käyttöoikeus (toiminto "tarkista" tiedoston "käyttöoikeus")
4. Perustuu "check" -toiminnon laatimisviestin tulokseen
5. Lähetä sävelletty viesti solmupunaiselle (toiminto "toNodeRed" tiedostossa "sendData")

Huomautus: nähdäksesi mainittujen toimintojen koko koodin lataa tähän vaiheeseen liitetty zip -tiedosto.

Tietoja toiminnosta “fromIpCam”. Tämä toiminto tekee GET -pyynnön ip -kamerallesi, saa tarkennetun kuvan vastauksena ja tallentaa sen valitsemallesi polulle. Sinun on annettava kameran IP -osoite tähän toimintoon.

Tietoja toiminnosta "checkPerson". Toiminto saa parametreina polun kuvaan ja ryhmään, josta haluat etsiä henkilöä valokuvasta. Ensinnäkin se tunnistaa kasvot annetusta kuvasta (tiedosto Face.py, toiminto "tunnista"). Vastauksena se saa tunnuksen, jos havaitut kasvot. Sitten se kutsuu "tunnista" -toimintoa (Face.py -tiedosto), joka löytää samankaltaisia henkilöitä määritellystä ryhmästä. Vastauksena se saa henkilötunnuksen, jos henkilö löytyy. Soita sitten funktiolle "person" (tiedosto Person.py), jonka parametrina on henkilötunnus, "person" -funktio palauttaa henkilön, jolla on määritetty tunnus, saamme henkilön nimen ja palautamme sen.

Tietoja toiminnosta "tarkista". Tämä toiminto sijoitetaan tiedostoon "access", jossa myös "access list" on yleinen muuttuja (voit muokata sitä haluamallasi tavalla). Kun saat henkilön nimen edellisestä toiminnosta, toiminto "check" vertaa tätä henkilöä pääsyluetteloon ja palauta tulos.

Huomaa: koko projekti on liitetty seuraavaan vaiheeseen.

Vaihe 7: Johtopäätös

Tässä vaiheessa liitin koko projektin, joka sinun pitäisi purkaa ja sijoittaa Raspberry Pi -laitteeseesi.

Jotta tämä projekti toimisi, suorita "main.py" -tiedosto.

Jos ohjaat Raspberry Pi: tä SSH: n kautta, sinun on suoritettava kaksi ohjelmaa yhdestä kuorista: python-ohjelma ja Node-Red. Kirjoita päätelaitteeseen seuraava:

solmu-punainen

Paina Ctrl + Z ja kirjoita:

työpaikkoja

Olet nähnyt solmu-punaisen prosessin. Katso prosessin tunnus ja kirjoita:

bg

Nyt Node-Redin on aloitettava toiminta taustalla. Siirry sitten projektisi hakemistoon ja suorita pääohjelma:

python3 main.py

Huomautus: älä unohda muuttaa PYTON-tiedostojen AVAINTA (vaihe 4) ja tunnistetietoja solmupunaisessa kulmassa (vaihe 5)

Tehty! Jääkaappi on turvassa!

Toivottavasti pidit tästä vaikeasta! Jätä mieleesi kommentit.

Olisin kiitollinen, jos äänestäisit projektiani =)

Kiitos!