MiMaMori家庭安全警报开源分享

描述

描述

“MiMaMori Alert”是您家中的自动监控摄像头。没有教师图像的自动学习，并在有访客时通知。你不在家，但你可以看到你的访客和小偷。

介绍

出门在外不愁家！你经历过吗？

• 例如，在不在的一天，有人在推对讲机！
• 或者小偷进了你家！！
• 或者“滑子”被我家偷走了！！！

这种情况，如果有MiMaMori Alert，就可以解决。MiMaMori Alert 是一款自动监控摄像头。如需网络设置，只需安装摄像头即可。不需要教师形象。

如果摄像头前有任何可疑动静，摄像头会自动拍照并通知您。MiMaMori Alert 非常紧凑。而且成本非常低。

硬件

 

MiMaMori Alert 是两种配置。

・M5StickV + M5StickC

・M5UnitV + M5StickC

M5StickV 和 M5UnitV 包括 Kendryte K210。Kendryte K210 是一款非常强大的设备。计算神经网络。M5StickC 是一种便携式网络设备。这可以与互联网连接。

 

M5StickV/UnitV 和 M5StickC 通过 Grove 连接。通过 UART 进行通信。使用专有协议进行通信。以 10 位为单位发送数据。

算法

 

算法如下。

①首先，使用Mobilnet的神经网络计算特征向量。Mobilnet 使用 Keras 和 NNcase 创建了一个 0.5 的 V1 权重。NNCASE 是一个 Kendryte 工具。

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

②将神经网络得到的特征向量在时间序列方向进行滤波，得到加权平均。向量运算使用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计算当前时刻的平均向量与特征向量的距离。这相当于寻找运动。移动时距离大，静止时距离小。

#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检测波形的上升沿，通过串口发送数据。上升沿与时间序列中的上一个数据进行比较

 

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通过UART通知向LINE发送图像和消息。M5StickC 是使用 ArduinoIDE 开发的。

 

更多应用

 

此应用程序可以检测动态的。安装也很容易。只是保持眼前的事物。各种应用都是可能的。

这是日本传统食品“滑子”的防御技巧。《MiMaMori Alert》设定在滑美子的背后。如果有 nameko 被带走，请尽快通知您的 LINE。

演示说明

此源代码需要 MixPy 选项配置 Numpy。自定义二进制文件存储在 Github 中。并且，神经网络需要权重为 0.5 的 MobileNetV1。这个 Kmodel 文件也存储在 Github 中。使用 Kflash GUI 工具写入 M5StickV / UnitV。