「玩转树莓派」搭建智能家居远程监控系统

前言

前几天，在食堂吃饭，本来每天中午的新闻三十分换成了视频监控。我们已经习惯了，前十分钟看着领导都很忙，中间十分钟中国人民都很幸福，后十分钟别的国家都生活在水深火热里，顺便跟同事谈谈国家大事。突然主角换成了我们自己，便毫无抬头的欲望。

恰巧最近也有在接触大屏监控的解决方案，于是乎，就索性拿树莓派实验了一把，做一个智能监控系统。

软硬件清单

读卡器以及 SD 卡(装系统用)
摄像头一枚，支持 USB
SSH连接工具(SecureCRT，Xshell)
宽带、路由器(家中常备)
装好系统的树莓派 3B+ 一只(充电器、CPU散热风扇等)

在开始之前照常先秀一下这半成品的监控系统，是不是丑到爆！？

监控系统

市面上有很多开源的摄像头管理软件，比如 motion、mjpg-streamer，当然我们也可以用 Python 自己实现更智能的监控系统。

下面，我们分别来介绍以上三种方案。

motion

安装：

sudo apt-get install motion

打开 motion daemon 守护进程，让他可以一直在后台运行

sudo vim /etc/default/motion
＃no修改成yes:
start_motion_daemon=yes

修改 motion 的配置文件：

sudo vim /etc/motion/motion.conf
#deamon off 改成 on
deamon on
#设置分辨率
width 800
height 600
#关闭 localhost 的限制
stream_localhost off

运行 motion：

sudo motion

停止motion：

killall motion 或者 service motion stop

现在我们的摄像头已经变成了一台网络摄像头。在chrome浏览器下访问 http://<树莓派IP>:8081 即可看到摄像头当前拍摄的画面。

不得不说，真的很耗CPU，差不多持续在60%左右，并且有一定的延迟，卡顿特别严重。

mjpg-streamer

先安装依赖：

sudo apt-get install libjpeg8-dev cmake

下载 mjpg-streamer-master 软件：

wget http://github.com/jacksonliam/mjpg-streamer/archive/master.zip
unzip master.zip
cd mjpg-streamer-master/mjpg-streamer-experimental
# 编辑配置文件
vim plugins/input_raspicam/input_raspicam.c

进去之后搜索fps，也就是按一下/键，然后输入fps，然后回车将fps、高度、宽度修改，参考下图：

然后退出到mjpg-streamer-master/mjpg-streamer-experimental路径，编译：

sudo make clean all

启动摄像头：

//启动普通 USB摄像头
./mjpg_streamer -i "./input_uvc.so" -o "./output_http.so -w ./www"
//启动树莓派专用摄像头
./mjpg_streamer -i "./input_raspicam.so" -o "./output_http.so -w ./www"
//openwrt下启动,8090端口
mjpg_streamer -i "input_uvc.so -f 10 -r 320*240" -o "output_http.so -p 8090 -w www"

如果出现以下错误：

多插拔几次摄像头兴许就可以了。

多参数启动：

sudo mjpg_streamer -i "./input_uvc.so -r 640x480 -f 10 -n" -o "./output_http.so -p 8080 --w ./www"

# 密码访问 userid:password 改成自己的就可以
sudo mjpg_streamer -i "./input_uvc.so -r 640x480 -f 10 -n" -o "./output_http.so -p 8080 --w ./www -c userid:password"

在浏览器中打开，外网自备穿透：

http://<树莓派IP>:8080
http://<树莓派IP>:8080/?action=stream

最终画面：

这个就流畅多了，CPU差不多也占到五六十的样子，不过无碍，毕竟是4核。

Python 实现

上面两种方式只能做到浏览器监控访问，非局域网还得搭个穿透才能访问，看似华丽，其实并没有实际卵用。

为了更加智能的实现监控告警，下面我们采用Python +OpenCV+Wechat 实现。

安装 OpenCV

安装基础组件：

sudo apt-get update
sudo apt-get install libjpeg-dev libatlas-base-dev libjpeg-dev libtiff5-dev libpng12-dev libqtgui4 libqt4-test libjasper-dev

然后安装 OpenCV：

sudo pip3 install opencv-python

一般情况，你是不可能安装成功的，99.999% 会出现以下错误：

Collecting opencv-pythonDownloading https://www.piwheels.org/simple/opencv-python/opencv_python-3.4.4.19-cp35-cp35m-linux_armv7l.whl (7.4MB)45% |██████████████▍                 | 3.3MB 15kB/s eta 0:04:20
THESE PACKAGES DO NOT MATCH THE HASHES FROM THE REQUIREMENTS FILE. If you have updated the package versions, please update the hashes. Otherwise, examine the package contents carefully; someone may have tampered with them.opencv-python from https://www.piwheels.org/simple/opencv-python/opencv_python-3.4.4.19-cp35-cp35m-linux_armv7l.whl#sha256=329d9d9fdd62b93d44a485aeaab4602c6f5b8555ea8bcc7dbcdc62c90cfe2c3f:Expected sha256 329d9d9fdd62b93d44a485aeaab4602c6f5b8555ea8bcc7dbcdc62c90cfe2c3fGot        869c7994c40b84ac09f244f768db9269d52d3265d376441e8516a47f24711ef2

这可能是由于网速太慢了，没有下载完整的文件，所以不完整的文件的md5和期望的不一样。

我们首先下载 whl 文件到本地：

# 浏览器直接访问就可以
https://www.piwheels.org/simple/opencv-python/opencv_python-3.4.4.19-cp35-cp35m-linux_armv7l.whl

然后上传到树莓派，使用以下命令安装：

sudo pip3 install opencv_python-3.4.4.19-cp35-cp35m-linux_armv7l.whl

如果出现以下代码，说明安装成功：

Processing ./opencv_python-3.4.4.19-cp35-cp35m-linux_armv7l.whl
Requirement already satisfied: numpy>=1.12.1 in /usr/lib/python3/dist-packages (from opencv-python==3.4.4.19)
Installing collected packages: opencv-python
Successfully installed opencv-python-3.4.4.19

智能监控主要代码：

# -*- coding: utf-8 -*-
# import 进openCV的库
import cv2
import os
import time
from wxpy import *"""
树莓派打造智能看门狗
sudo pip3 install opencv-python
sudo pip3 install wechat_sender
"""# 登录微信
bot = Bot()
my_friend = bot.friends().search('监控狗')[0]# 调用摄像头检测人脸并截图
def camera(window_name, path_name):# Linux 不显示图形界面# cv2.namedWindow(window_name)# 视频来源，来自USB摄像头cap = cv2.VideoCapture(0)# 告诉OpenCV使用人脸识别分类器classfier = cv2.CascadeClassifier(os.getcwd()+"/haarcascade/haarcascade_frontalface_alt.xml")# 识别出人脸后要画的边框的颜色，RGB格式, color是一个不可增删的数组color = (0, 255, 0)num = 0while cap.isOpened():ok, frame = cap.read()  # 读取一帧数据if not ok:break# 将当前桢图像转换成灰度图像grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# 人脸检测，1.2和2分别为图片缩放比例和需要检测的有效点数faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))if len(faceRects) > 0:  # 大于0则检测到人脸for faceRect in faceRects:  # 单独框出每一张人脸x, y, w, h = faceRectnum = num+1# 将当前帧保存为图片img_name = "%s/%d.jpg" % (path_name, num)image = frame[y - 10: y + h + 10, x - 10: x + w + 10]cv2.imwrite(img_name, image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])print("有人来了~~~")alarm(num)# 延迟 60s，不要太频繁的发送，知道来了就可以了time.sleep(60)# 画出矩形框cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)# 显示当前捕捉到了多少人脸图片了font = cv2.FONT_HERSHEY_SIMPLEXcv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)# 显示图像 Linux 下注释掉即可# cv2.imshow(window_name, frame)c = cv2.waitKey(10)if c & 0xFF == ord('q'):break# 释放摄像头并销毁所有窗口cap.release()cv2.destroyAllWindows()def alarm(num):my_friend.send('有人闯进卧室了!')my_friend.send_image(os.getcwd()+"/dog/"+str(num)+".jpg")if __name__ == '__main__':camera("watchdog", os.getcwd()+"/dog")

运行脚本，系统会自动生成一个二维码，使用微信扫描登录即可：

python3 watchdog.py

然后，把你的狗头对准摄像头，神奇的事情就这么发生了。

有点小遗憾的是，启动脚本后，Python 进程 CPU 占用率居然高达300+，平均每个 CPU 差不多80+的样子，心疼我的小风扇一秒钟。

小结

如果你比较追求精致，还是不要这么搞了，这套方案离小米网络监控视摄像头功能差远了，到手价只要189，而一个树莓派的板子就 200+。

如果你喜欢瞎折腾，还是蛮好的，不仅能学到知识，还能体会到其中的乐趣，最重要的是可以随心所欲的接入可以实现的任何功能。

源码：https://gitee.com/52itstyle/Python