前言 前幾天，在食堂吃飯，本來每天中午的新聞三十分換成了視頻監控。我們已經習慣了，前十分鐘看著領導都很忙，中間十分鐘中國人民都很幸福，後十分鐘別的國家都生活在水深火熱里，順便跟同事談談國家大事。突然主角換成了我們自己，便毫無抬頭的欲望。 恰巧最近也有在接觸大屏監控的解決方案，於是乎，就索性拿樹莓派實 ...
前言
前幾天，在食堂吃飯，本來每天中午的新聞三十分換成了視頻監控。我們已經習慣了，前十分鐘看著領導都很忙，中間十分鐘中國人民都很幸福，後十分鐘別的國家都生活在水深火熱里，順便跟同事談談國家大事。突然主角換成了我們自己，便毫無抬頭的欲望。
恰巧最近也有在接觸大屏監控的解決方案，於是乎，就索性拿樹莓派實驗了一把，做一個智能監控系統。
軟硬體清單
- 讀卡器以及 SD 卡(裝系統用)
- 攝像頭一枚，支持 USB
- SSH連接工具(SecureCRT，Xshell)
- 寬頻、路由器(家中常備)
- 裝好系統的樹莓派 3B+ 一隻(充電器、CPU散熱風扇等)
在開始之前照常先秀一下這半成品的監控系統，是不是醜到爆！？
監控系統
市面上有很多開源的攝像頭管理軟體，比如 motion、mjpg-streamer，當然我們也可以用 Python 自己實現更智能的監控系統。
下麵，我們分別來介紹以上三種方案。
motion
安裝：
sudo apt-get install motion打開 motion daemon 守護進程，讓他可以一直在後臺運行
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
#設置解析度
width 800
height 600
#關閉 localhost 的限制
stream_localhost off運行 motion：
sudo motion停止motion：
killall motion 或者 service motion stop現在我們的攝像頭已經變成了一臺網路攝像頭。在chrome瀏覽器下訪問 http://<樹莓派IP>:8081 即可看到攝像頭當前拍攝的畫面。
不得不說，真的很耗CPU，差不多持續在60%左右，並且有一定的延遲，卡頓特別嚴重。
mjpg-streamer
先安裝依賴：
sudo apt-get install libjpeg8-dev cmake下載 mjpg-streamer-master 軟體：
wget http://github.com/jacksonliam/mjpg-streamer/archive/master.zip
unzip master.zip
cd mjpg-streamer-master/mjpg-streamer-experimental
# 編輯配置文件
vim plugins/input_raspicam/input_raspicam.c進去之後搜索fps，也就是按一下/鍵，然後輸入fps，然後回車將fps、高度、寬度修改，參考下圖：
然後退出到mjpg-streamer-master/mjpg-streamer-experimental路徑，編譯：
sudo make clean all啟動攝像頭：
//啟動普通 USB攝像頭
./mjpg_streamer -i "./input_uvc.so" -o "./output_http.so -w ./www"
//啟動樹莓派專用攝像頭
./mjpg_streamer -i "./input_raspicam.so" -o "./output_http.so -w ./www"
//openwrt下啟動,8090埠
mjpg_streamer -i "input_uvc.so -f 10 -r 320*240" -o "output_http.so -p 8090 -w www"如果出現以下錯誤：
多插拔幾次攝像頭興許就可以了。
多參數啟動：
sudo mjpg_streamer -i "./input_uvc.so -r 640x480 -f 10 -n" -o "./output_http.so -p 8080 --w ./www"# 密碼訪問 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"在瀏覽器中打開，外網自備穿透：
http://<樹莓派IP>:8080
http://<樹莓派IP>:8080/?action=stream最終畫面：
這個就流暢多了，CPU差不多也占到五六十的樣子，不過無礙，畢竟是4核。
Python 實現
上面兩種方式只能做到瀏覽器監控訪問，非區域網還得搭個穿透才能訪問，看似華麗，其實並沒有實際卵用。
為了更加智能的實現監控告警，下麵我們採用Python +OpenCV+Wechat 實現。
安裝 OpenCV
安裝基礎組件：
sudo apt-get update
sudo apt-get install libjpeg-dev libatlas-base-dev libjpeg-dev libtiff5-dev libpng12-dev libqtgui4 libqt4-test libjasper-dev
然後安裝 OpenCV：
sudo pip3 install opencv-python一般情況，你是不可能安裝成功的，99.999% 會出現以下錯誤：
Collecting opencv-python
Downloading 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 329d9d9fdd62b93d44a485aeaab4602c6f5b8555ea8bcc7dbcdc62c90cfe2c3f
Got 869c7994c40b84ac09f244f768db9269d52d3265d376441e8516a47f24711ef2這可能是由於網速太慢了，沒有下載完整的文件，所以不完整的文件的md5和期望的不一樣。
我們首先下載 whl 文件到本地：
# 瀏覽器直接訪問就可以
https://www.piwheels.org/simple/opencv-python/opencv_python-3.4.4.19-cp35-cp35m-linux_armv7l.whl然後上傳到樹莓派，使用以下命令安裝：
sudo pip3 install opencv_python-3.4.4.19-cp35-cp35m-linux_armv7l.whl如果出現以下代碼，說明安裝成功：
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智能監控主要代碼：
# -*- coding: utf-8 -*-
# import 進openCV的庫
import cv2
import os
import time
from wxpy import *
"""
樹莓派打造智能看門狗
sudo pip3 install opencv-python
sudo pip3 install wechat_sender
"""
# 登錄微信
bot = Bot()
my_friend = bot.friends().search('監控狗')[0]
# 調用攝像頭檢測人臉並截圖
def camera(window_name, path_name):
# Linux 不顯示圖形界面
# cv2.namedWindow(window_name)
# 視頻來源，來自USB攝像頭
cap = cv2.VideoCapture(0)
# 告訴OpenCV使用人臉識別分類器
classfier = cv2.CascadeClassifier(os.getcwd()+"/haarcascade/haarcascade_frontalface_alt.xml")
# 識別出人臉後要畫的邊框的顏色，RGB格式, color是一個不可增刪的數組
color = (0, 255, 0)
num = 0
while cap.isOpened():
ok, frame = cap.read() # 讀取一幀數據
if not ok:
break
# 將當前楨圖像轉換成灰度圖像
grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 人臉檢測，1.2和2分別為圖片縮放比例和需要檢測的有效點數
faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
if len(faceRects) > 0: # 大於0則檢測到人臉
for faceRect in faceRects: # 單獨框出每一張人臉
x, y, w, h = faceRect
num = num+1
# 將當前幀保存為圖片
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("有人來了~~~")
alarm(num)
# 延遲 60s，不要太頻繁的發送，知道來了就可以了
time.sleep(60)
# 畫出矩形框
cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)
# 顯示當前捕捉到了多少人臉圖片了
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)
# 顯示圖像 Linux 下註釋掉即可
# cv2.imshow(window_name, frame)
c = cv2.waitKey(10)
if c & 0xFF == ord('q'):
break
# 釋放攝像頭並銷毀所有視窗
cap.release()
cv2.destroyAllWindows()
def alarm(num):
my_friend.send('有人闖進卧室了!')
my_friend.send_image(os.getcwd()+"/dog/"+str(num)+".jpg")
if __name__ == '__main__':
camera("watchdog", os.getcwd()+"/dog")
運行腳本，系統會自動生成一個二維碼，使用微信掃描登錄即可：
python3 watchdog.py然後，把你的狗頭對準攝像頭，神奇的事情就這麼發生了。
有點小遺憾的是，啟動腳本後，Python 進程 CPU 占用率居然高達300+，平均每個 CPU 差不多80+的樣子，心疼我的小風扇一秒鐘。
小結
如果你比較追求精緻，還是不要這麼搞了，這套方案離小米網路監控視攝像頭功能差遠了，到手價只要189，而一個樹莓派的板子就 200+。
如果你喜歡瞎折騰，還是蠻好的，不僅能學到知識，還能體會到其中的樂趣，最重要的是可以隨心所欲的接入可以實現的任何功能。
源碼：https://gitee.com/52itstyle/Python/tree/master/Day23
