第1步：大計劃

在這個教學中我們將展示如何：

使用OpenCV和TensorFlow設置Raspberry Pi

通過長USB電纜連接網絡攝像頭

編寫OpenCV算法以檢測運動

使用TensorFlow進行對象檢測

在Raspberry Pi上設置Web服務器以顯示有趣的圖像

與IFTTT集成以在發現人時觸發移動警報

將繼電器HAT連接到Raspberry Pi，并將其連接到可為水池添加水的電磁閥

將水位傳感器連接到Raspberry Pi并使用Pi的GPIO與其連接

寫一些代碼將它們粘合在一起

第2步：購物清單

所有組件均可從亞馬遜購買。隨意嘗試和交換組件 - 這是一半的樂趣！

Raspberry Pi

Raspberry Pi電源（不要在這里吝嗇）

記憶卡（越大越好）

案例（這個大到足以容納Pi和HAT）

USB網絡攝像頭（任何網絡攝像頭都可以，但你想要一個

USB延長線（如果需要 - 測量Pi與攝像機放置位置之間的距離）

繼電器板HAT（這個有3個繼電器，我們只需要一個，但你很快就會發現其他用途！）

電磁閥

電磁閥配件1和配件2（這真的取決于你安裝螺線管，但這些對我有用）

電磁閥電源（任何24V AC都可以）

電纜（再次，幾乎任何2股電纜都可以 - 電流是最小）

水位浮動開關（這只是一個例子，檢查可以輕松連接到游泳池的東西）

一些跳線和電線連接器

第3步：設置您的Raspberry Pi

格式化SD卡。這需要特別小心 - Raspberry Pi只能從FAT格式的SD卡啟動。請遵循這些說明。

將Raspberry Pi連接到USB鍵盤和鼠標，再加上HDMI顯示器，并按照Raspberry Pi NOOBS教程中的說明進行操作。確保設置WiFi并啟用SSH訪問。不要忘記為默認的pi帳戶設置密碼。

在您的家庭網絡上為Raspberry Pi設置靜態IP - 這將使SSH更加容易。

確保您的臺式機/筆記本電腦上安裝了ssh客戶端。對于PC，我會推薦Putty，您可以從這里安裝。

將Raspberry Pi中的USB和HDMI取下，重新啟動它，然后插入它 - 如果一切正常，你應該看到這樣的東西：

Linux raspberrypi 4.14.98-v7+ #1200 SMP Tue Feb 12 20:27:48 GMT 2019 armv7l

The programs included with the Debian GNU/Linux system are free software;

the exact distribution terms for each program are described in the

individual files in /usr/share/doc/*/copyright.

Debian GNU/Linux comes with ABSOLUTELY NO WARRANTY， to the extent

permitted by applicable law.

Last login： Mon May 13 10:41:40 2019 from 104.36.248.13

pi@raspberrypi：~ $

步驟4：設置OpenCV

OpenCV是一個用于計算機視覺的圖像處理功能的驚人集合。它將允許我們從網絡攝像頭讀取圖像，操縱它們以查找運動區域，保存它們等等。 Raspberry Pi上的安裝并不困難，但需要一些小心。

首先安裝virtaulenvwrapper：我們將使用python來完成所有的編程，virtualenv將幫助我們將OpenCV和TensorFlow的依賴關系分開Flask或GPIO：

pi@raspberrypi：~ $ sudo pip install virtualenvwrapper

現在您可以執行“mkvirtualenv”來創建一個新環境，“workon”來處理它，等等。

所以，讓我們為我們的圖像處理創建一個環境，使用python 3作為默認解釋器（它是2019年，沒有理由堅持使用舊的python 2）：

pi@raspberrypi：~ $ mkvirtualenv cv -p python3

。..

（cv） pi@raspberrypi：~

我們現在準備安裝OpenCV。我們將主要遵循Learn OpenCV中的優秀教程。特別是按照他們的第1步和第2步：

sudo apt -y update

sudo apt -y upgrade

## Install dependencies

sudo apt-get -y install build-essential checkinstall cmake pkg-config yasm

sudo apt-get -y install git gfortran

sudo apt-get -y install libjpeg8-dev libjasper-dev libpng12-dev

sudo apt-get -y install libtiff5-dev

sudo apt-get -y install libtiff-dev

sudo apt-get -y install libavcodec-dev libavformat-dev libswscale-dev libdc1394-22-dev

sudo apt-get -y install libxine2-dev libv4l-dev

cd /usr/include/linux

sudo ln -s -f 。./libv4l1-videodev.h videodev.h

sudo apt-get -y install libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev

sudo apt-get -y install libgtk2.0-dev libtbb-dev qt5-default

sudo apt-get -y install libatlas-base-dev

sudo apt-get -y install libmp3lame-dev libtheora-dev

sudo apt-get -y install libvorbis-dev libxvidcore-dev libx264-dev

sudo apt-get -y install libopencore-amrnb-dev libopencore-amrwb-dev

sudo apt-get -y install libavresample-dev

sudo apt-get -y install x264 v4l-utils

sudo apt-get -y install libprotobuf-dev protobuf-compiler

sudo apt-get -y install libgoogle-glog-dev libgflags-dev

sudo apt-get -y install libgphoto2-dev libeigen3-dev libhdf5-dev doxygen

sudo apt-get install libqtgui4

sudo apt-get install libqt4-test

現在我們可以使用

就是這樣！我們在Raspberry Pi上安裝了OpenCV，準備捕獲照片和視頻，操作它們并且很酷。

通過打開python解釋器并導入opencv來檢查是否存在錯誤：

pip install opencv-contrib-python

步驟5：設置TensorFlow

TensorFlow是由Google開發和維護的機器學習/人工智能框架。它為各種任務的深度學習模型提供了廣泛的支持，包括圖像中的對象檢測，現在在Raspberry Pi上安裝相當簡單。它在輕微Pi上的輕量級模型的性能大約是每秒1幀，這對于像我們這樣的應用來說非常合適。

我們基本上會遵循Edje Electronics的優秀教程，通過以下方式進行修改：更新的TensorFlow發行版：

（cv） pi@raspberrypi：~ $ python

Python 3.5.3 （default， Sep 27 2018， 17:25:39）

［GCC 6.3.0 20170516］ on linux

Type “help”， “copyright”， “credits” or “license” for more information.

》》》 import cv2

》》》

現在我們需要編譯Google的protobuf。只需按照相同優秀教程的步驟4中的說明進行操作

最后，克隆并設置TensorFlow的模型定義 - 按照Edje Electronics教程中的步驟5進行操作

隨意按照步驟中的步驟進行操作同樣，它是對Raspberry Pi上物體檢測的一個很好的介紹。

步驟6：使用OpenCV進行運動檢測

讓我們首先測試OpenCV是否可以與我們的網絡攝像頭連接：ssh進入Raspberry Pi，轉移到cv virtualenv（workon cv） ），打開一個python解釋器（只需輸入python），然后輸入以下python命令：

pi@raspberrypi：~ $ workon cv

（cv） pi@raspberrypi：~ $ pip install tensorflow

（cv） pi@raspberrypi：~ $ sudo apt-get install libxml2-dev libxslt-dev

（cv） pi@raspberrypi：~ $ pip install pillow lxml jupyter matplotlib cython

（cv） pi@raspberrypi：~ $ sudo apt-get install python-tk

運氣好的話，你會發現OpenCV能夠從攝像頭讀取高清幀。

您可以使用cv2.imwrite（path，frame）將該幀寫入磁盤并將其重新掃描以實際查看。

檢測運動的策略非常簡單：

處理較低分辨率的幀 - 此處無需在全高清上運行

此外，模糊圖像以確保盡可能少的噪點。

保持最后N幀的運行平均值。對于此應用，幀速率約為1 FPS（僅因為TensorFlow每幀需要一些時間），我發現N = 60會返回良好的結果。并且由于仔細實現不會占用更多的CPU，而且可以使用更多的幀（它確實需要更多內存 - 但是當我們使用較低分辨率的幀時，這可以忽略不計）

從運行中減去當前圖像平均值（只需要小心輸入 - 你需要允許正值和負值［-255 。. 255］，所以幀需要轉換為int）

你可以在灰色上執行減法 - 幀的轉換（和平均值），或者為每個RGB通道單獨進行轉換，然后合并結果（這是我選擇的策略，使其對顏色變化敏感）

使用

最后查找具有三角形的區域的輪廓 - 這些區域是運動發生的位置，當前圖像與先前圖像的平均值不同。如果需要，我們可以進一步找到這些輪廓的邊界框。

我已經在DeltaFinder python類中封裝了代碼來執行此操作，您可以在我的github中找到它

步驟7：使用TensorFlow檢測對象

如果您已按照TensorFlow安裝程序進行操作，則表明您已經測試過安裝了TensorFlow并正常工作。

為了檢測一般室外場景中的人，在COCO數據集上預訓練的模型表現相當不錯 - 這正是我們在TensorFlow安裝結束時下載的模型。我們只需要使用它進行推理！

同樣，我已經在TFClassify python類中封裝了模型加載和推理，以使事情變得更容易，你可以在這里找到。

步驟8：在Raspberry Pi上設置Web服務器

訪問對象檢測結果的最簡單方法是使用Web瀏覽器，所以讓我們來看看在Raspberry Pi上設置Web服務器。然后我們可以將其設置為從給定目錄提供圖片。

Web服務器框架有多個選項。我選擇了Flask。它非常易于配置，并且易于使用Python進行擴展。由于我們需要的“規模”是微不足道的，所以綽綽有余。

我建議將它安裝在一個新的virtualenv中，所以：

import cv2

cap = cv2.VideoCapture（0）

cap.set（cv2.CAP_PROP_FRAME_WIDTH， 1920）

cap.set（cv2.CAP_PROP_FRAME_HEIGHT， 1080）

ret， frame = cap.read（）

print（‘Read frame size： {}x{}’.format（frame.shape［1］， frame.shape［0］）

請注意，只要您的瀏覽器與Raspberry在同一個無線局域網上，只有正常的網絡設置才能訪問它皮。您可以在Internet路由器上創建端口映射/NAT配置以允許外部訪問 - 但我建議不要這樣做。我寫的代碼并不試圖提供在允許對Raspberry Pi進行一般Internet訪問時所需的安全性。

按照Flask快速入門指南測試您的安裝

步驟9：來自Raspberry Pi的移動通知使用IFTTT

我真的希望在事件發生時獲得移動通知。在這種情況下，當檢測到人并且水位變低時。我發現這樣做的最簡單方法是使用IFTTT而不必編寫自定義移動應用程序。 IFTTT代表“If This Then That”并啟用多種類型的事件來觸發多種類型的操作。在我們的例子中，我們對IFTTT Maker Webhook觸發器感興趣。這允許我們通過向IFTTT服務器發出HTTP POST請求來觸發IFTTT操作，該請求具有分配給我們帳戶的特殊密鑰，以及指定發生的事件的數據。我們采取的行動就像使用IFTTT移動應用程序在我們的移動設備上創建通知一樣簡單，或者比這更復雜的任何事情。

以下是如何做到這一點：

在ifttt.com上創建IFTTT帳戶

登錄后，轉到Webhook服務設置頁面并在瀏覽器中輸入URL（例如https://maker.ifttt.com/use/。該網頁將顯示您的密鑰和用于觸發操作的URL。

創建一個IFTTT小程序，當Webhook被觸發時將生成移動通知，其中包含事件的詳細信息：

單擊“我的小程序”，然后單擊“新小程序”。

單擊“+ this”并選擇“webhooks”。單擊“接收Web請求”以繼續查看詳細信息

為您的活動命名，例如“PoolEvent”并點擊“創建觸發器”

點擊“+ that”并選擇“通知”。然后選擇“從IFTTT應用程序發送豐富通知”

對于“標題”選擇類似“PoolPi”的內容

對于“消息”寫“Pool Pi檢測到：”并點擊“添加成分”。.“Value1”。

返回到您在步驟2中復制的URL。它將顯示用于調用新創建的applet的URL。復制該URL，將占位符{event}替換為事件名稱（在示例中為PoolEvent）

下載，安裝并登錄到IFTTT應用程序移動設備

在Raspberry Pi上運行此python腳本以查看它是否正常工作（注意可能需要幾秒鐘或幾分鐘才能在您的移動設備上觸發）：

pi@raspberrypi：~ $ mkvirtualenv webserv

（webserv）pi@raspberrypi： ~ $ pip install Flask

步驟10：向Raspberry Pi添加一個Relay HAT并將其連接到電磁閥

在繼續此步驟之前，請關閉Raspberry Pi：ssh并輸入“sudo shutdown now”，然后斷開電源

我們的目標是打開和關閉電源電磁閥 - 一種閥門，可以根據電源提供的24V交流電源打開或關閉供水。繼電器是可以根據我們的Raspberry Pi可提供的數字信號打開或關閉電路的電子元件。我們在這里做的是將繼電器連接到Raspberry Pi的這些數字信號引腳，并使其關閉24V AC電源和電磁閥之間的電路。

Raspberry Pi上的引腳可以充當數字輸入或輸出的稱為GPIO - 通用輸入/輸出，它們是Pi側面的40個引腳的行。關閉Pi并將繼電器HAT牢牢插入其中。我選擇的HAT中有3個繼電器，我們只使用其中一個。想象一下你可以用其他兩個做的所有事情：）

現在重新打開Raspberry Pi。繼電器HAT上的紅色“電源”LED應該亮起，表示它正從Pi通過GPIO獲得電源。讓我們測試一下我們可以控制它：再次進入Pi進入Pi，輸入python并輸入：

import requests

requests.post（‘https://maker.ifttt.com/trigger/PoolEvent/with/key/’， json={“value1”：“Hello Notifications”}）

您應該聽到一聲“咔嗒”聲，表示繼電器正在使用，并看到一個LED亮起表示第一個繼電器處于連接位置。您現在可以輸入

import gpiozero

dev = gpiozero.DigitalOutputDevice（26， initial_value = True）

dev.off（）

這會將繼電器轉到“關閉”位置（奇怪，我知道。..。..）和從python退出（）。

現在使用跨接電纜和更長的電纜連接24V電源和電磁閥之間的繼電器。見圖。最后，使用適配器將電磁閥連接到水龍頭，并通過重復上述命令準備好測試它們 - 它們應該打開和關閉水。

將軟管連接到電磁閥并放入另一端在游泳池深處。您現在有一個計算機控制的池頂關系統，是時候連接傳感器告訴它何時運行。

步驟11：連接水位傳感器

水位傳感器只是一個浮子，當浮子是浮子時連接電路向下，當它漂浮時打破它。如果將其插入池中正確的高度，當水位足夠時，浮子將上升，但當水量不足時，浮子會下降。

為了讓Raspberry Pi了解水位傳感器的狀態，我們需要Pi來感應開路或閉路。幸運的是，這很簡單：我們用作控制繼電器的數字輸出的相同GPIO連接器可以作為輸入（因此GPIO中的I）。具體來說，如果我們將傳感器的一根導線連接到GPIO連接器上的+ 3.3V，另一根傳感器導線連接到我們配置為下拉輸入的引腳（意味著它通常處于GND電壓電平），該引腳將測量僅當水位傳感器關閉電路時 - 水位低時，才會產生數字“高”或“開”電壓。我使用GPIO引腳16作為輸入，我在上圖中標記了它。

將引腳配置為輸入并測試其當前狀態的python代碼是：

dev.on（）

一個潛在的挑戰是，當傳感器剛剛改變狀態時，它將在開啟和關閉狀態之間快速振蕩。解決方案被稱為“去抖動”，并在采取行動之前尋找一致的狀態變化。 GPIOZERO庫有代碼可以執行此操作，但由于某些原因，代碼對我來說效果不佳。我寫了一個簡單的循環，當檢測到一致的狀態變化時觸發IFTTT警報，您可以在我的存儲庫中找到它。

步驟12：編寫代碼將所有內容綁定在一起

就是這樣。我們的設置已經完成。您可以編寫自己的代碼將事物組合到一個完整的系統中，或者使用我提供的代碼。要做到這一點，只需創建目錄結構并克隆存儲庫，如下所示：

import gpiozero

level_input = gpiozero.Button（16）

water_low = level_input.is_pressed

接下來，編輯motion_alert和water_level目錄中名為ifttt_url.txt的文件，以獲得您自己的URL使用您的密鑰進行IFTTT Web掛鉤。您可以使用兩個不同的Web掛鉤進行不同的操作。

最后，我們希望此代碼自動運行。實現這一目標的最簡單方法是通過Linux crontab服務。我們可以為兩個主要任務添加一些crontab行：

運行我們的三個程序：每次重啟時對象檢測器，水位傳感器和Web服務器

清理輸出目錄，刪除舊圖片和舊視頻文件（我選擇刪除文件超過1天且超過7天的圖片 - 隨意進行實驗）

要執行此類型的crontab -e，它將打開您的納米文本編輯器。將以下行添加到文件的底部：

mkdir poolpi

cd poolpi

git clone https://github.com/rafitzadik/PoolPiGuy.git

最后，重新啟動Raspberry Pi。它現在已準備好讓您的游泳池充滿安全。