基于树莓派打造你的个人感知终端
)
基于树莓派打造你的个人感知终端
原创 喵喵张 城市感知计算
城市感知计算
微信号 sensingcity
功能介绍 认识世界和改造世界，分享地理信息系统科普知识与学术研究，欢迎加好友学术交流。
哈喽大家好，好久没有给大家带来好玩的东西了。这次给大家介绍下开发的小玩意，让大家联动手机与树莓派，来进行实时的监控。
首先我们用的是一台树莓派4B，加装了一个摄像头，并安装了Raspber ry Pi OS系统。 这个系统大家一般购买的时候店家会发给你，自己按照教程烧录就好啦。
)
（购买的树莓派）
)
（进入到系统界面）
然后最关键的是我们要安装Linux版本的opencv，这个步骤相对较难，我直接找了别人装好的镜像，安装到了树莓派里，其他的诸如miniconda等大家自行安装。然后进行以下测试，如果桌面正常采集出 example1.png 那么我们基本上可以完成剩下的步骤！
-
import cv2import numpy as npcap = cv2.VideoCapture(0) # 注意：这个地方本文的图片里没有参数0，但是应该传入0f, frame = cap.read() # 此刻拍照cv2.imwrite("example1.png", frame) # 将拍摄内容保存为png图片cap.release() # 关闭调用的摄像头print('采集完成')
-
如果我们想对摄像头采集的内容进行感知，来判断是否存在场景变化（例如实现有行人经过进行抓拍），那么最简单的思路是，间隔一秒钟进行拍照，然后对比一秒钟前后的图像变化，计算哈希相似度，如果相似度低于0.8那么我们判断有人经过或者场景发生了改变~
-
def compare_image(self, file_image1, file_image2, size=(256, 256), part_size=(64, 64)): ''' 'file_image1'和'file_image2'是传入的文件路径 可以通过'Image.open(path)'创建'image1' 和 'image2' Image 对象. 'size' 重新将 image 对象的尺寸进行重置，默认大小为256 * 256 . 'part_size' 定义了分割图片的大小.默认大小为64*64 . 返回值是 'image1' 和 'image2'对比后的相似度，相似度越高，图片越接近，达到1.0说明图片完全相同。 '''
image1 = Image.open(file_image1) image2 = Image.open(file_image2)
img1 = image1.resize(size).convert("RGB") sub_image1 = self.split_image(img1, part_size)
img2 = image2.resize(size).convert("RGB") sub_image2 = self.split_image(img2, part_size)
sub_data = 0 for im1, im2 in zip(sub_image1, sub_image2): sub_data += self.calculate(im1, im2)
x = size[0] / part_size[0] y = size[1] / part_size[1]
pre = round((sub_data / (x * y)), 6) # print(str(pre * 100) + '%') print('Compare the image result is: ' + str(pre)) return pre -
（写一下对比的代码）
同时我们设置While循环，这个系统就可以一直运行啦。但是仅仅计算出来，没办法传送到移动设备，感觉这还是不够智能。我们就引入邮件的SMTP服务，让他自动进行戒备。我们这里使用的是网易163邮箱，相关授权请自行百度。
)
构造一个发邮箱请求：
-
def sendEmail(content,title): sender = 'XXX@163.com'# 我用的163邮箱 receivers = ['XXXX'] # 接收邮件，可设置为你的QQ邮箱或者其他邮箱
message_content = MIMEText(content, 'plain', 'utf-8')# 内容, 格式, 编码 message = MIMEMultipart('related') message['Subject'] = '摄像头识别检测' message['From'] = "{}".format(sender) message['To'] = ",".join(receivers) # message['Subject'] = title
# 第三方 SMTP 服务 mail_host = "smtp.163.com" # SMTP服务器 mail_user = "" # 用户名 mail_pass = "" #你的smtp密钥
img = MIMEImage(open('example1.png', 'rb').read(), _subtype='octet-stream') img.add_header('Content-Disposition', 'attachment', filename='example1.png') message.attach(img) message.attach(message_content) try: smtpObj = smtplib.SMTP_SSL(mail_host, 465) # 启用SSL发信, 端口一般是465 smtpObj.login(mail_user, mail_pass)# 登录验证 smtpObj.sendmail(sender, receivers, message.as_string())# 发送 print("mail has been send successfully.") except smtplib.SMTPException as e: print(e) -
测试效果：
)
)
)
（手机收到邮件）
其他的 一些好玩的，例如在树莓派上进行图像的边缘检测：
)
-
import cv2import numpy as npimg1=cv2.imread('/home/pi/Desktop/example1.png')img2=cv2.imread('/home/pi/Desktop/example2.png')# 从文件中读取图像image = cv2.imread('/home/pi/Desktop/example2.png', cv2.IMREAD_COLOR)# 将图像转换为灰度图gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 使用Canny算法进行边缘检测edges = cv2.Canny(gray, threshold1=30, threshold2=100)# 保存边缘检测结果的图像cv2.imwrite('edges_image.jpg', edges)# 显示原始图像和边缘检测结果cv2.imshow('Original', image)cv2.imshow('Edges', edges)# 等待用户按下任意键，然后关闭窗口cv2.waitKey(0)cv2.destroyAllWindows()
-
还可以 部署 yolos-tiny 来进行目标检测与识别~返回手机的信息可以更多，甚至可以接入大模型接口来进行场景描述（参见： 城市字幕，教你如何利用图像跨模态推理空间知识 ）。后期我们还集成了人脸的年龄、情绪、族裔以及性别检测算法，也会将在接下来的教程中公开。
做科学实验，数据的获取是非常关键的步骤，计划未来开发城市感知微型基站，集成更加多源的传感器，获取声热音光等多源信息，部署在车辆上，采集 一手的 城市数据，欢迎大家继续关注。
)
（采购了一些小的传感器）
下一期继续给大家推送微博数据相关的技术与方法，教大家如何构建自己的公共事件社交媒体数据集，以下是一些前期文档：
最后是本文分享的全部代码：