想要「电子稻草人」帮你看门却不想支棱高昂的设备？ 树莓派和Tensorflow可能能帮你解决这个问题。而且，所需的设备很简单：树莓派、电脑和一个摄像头。

     

DIY家庭报警系统，只需树莓派，电脑和一个摄像头

稻草人设计之初的目的是为了吓唬乌鸦等飞行禽类，以保护庄园不受入侵。

Christian Hollinger将自己的设备亲切的称为「Scarecrow-Cam」，原因是这个设备确实很好的解决了「防止入侵」这个问题。 

     

这个设备将树莓派和Tensorflow结合在一块。树莓派支持的分布式（边缘）计算相机设置，该设置运行Tensorflow对象检测模型来确定是否有人在相机上。

插件模型根据检测到的情况进行操作，例如播放音频，打开灯光等。  让我们看一下这个设备在实际测试中的表现。

            

设置好了整个设备，它包括一个树莓派，一个摄像头和一个小音响。小音响的作用是来进行反馈。

             

从实验可以看到，检测人脸大约需要1秒钟的时间，这其实和摄像机的角度有关，并且还伴有一些网络延迟。但是实验效果还是很好的。 

利用树莓派，Tensorflow和摄像头，我们完成了可疑人员的捕捉可警告的工作。

技术解析：由树莓派驱动的摄像头如何发出警报

这款摄影机使用带有相机模块的树莓派4来检测视频。

它可以连续运行，不需要依靠移动传感器来触发。

              

树莓派4外形 为了检测物体，它使用了Google 的Tensor Flow Object Detection API。

这个库使测试者可以在开箱即用的情况下使用对象检测，而无需手动训练和调整模型，或者进行云部署。通过OpenCV可与摄影机对话。  

比如你遇到了一个问题：旧RasPi运行的是Raspbian的32位版本。Tensorflow不适用于32位操作系统（如果允许的话，可能有替代方法）。

此外，尽管新的树莓派是一台功能强大的小型计算机，但它可以与现代计算机相称，尤其是在树莓派3或更早的版本。 

为了解决这个问题，我们将通过 Pi 上的网络将视频流传输到功能更强大的机器上，例如家用服务器，NAS，计算机，旧笔记本电脑，并在那里处理信息。                

这是一个称为边缘计算的概念。      

     

我们实际上是通过在物理上靠近边缘节点的机器上进行繁重的操作，来使用低功率的小型机器来实现低延迟通信。 

在这种情况下，运行Tensorflow对象检测。这样，我们避免了往返互联网的麻烦，也不必为AWS或GCP等上的云计算付费。    

 为了实现这一目标，这款摄像机将使用VidGear，特别是NetGear API，该API旨在使用ZeroMQ通过网络流式传输视频。只是提防一个错误，要求用户使用开发分支。  

一旦检测到有人在视频流中，就可以使用ZeroMQ向Raspberry发送信号，播放一些非常响亮，令人讨厌的音频，以警告恐吓人们。

            

使用实时视频流和机器学习进行对象检测不是什么新鲜的技术，但是引入树莓派将机器学习和计算机视觉结合确实是很新颖的。

如果在家中识别到潜在威胁，并发出警报，这样的简单设备将具有很高的实用性。