追蹤和檢測可疑活動，是安全人員和系統最苛刻的任務之一。如果在機場或銀行等地方安全系統出現故障，犯罪分子可能會持槍搶劫。出於恐懼，受害者通常無法及時報警尋求幫助。
但是，如果智慧攝影機可以檢測到任何可疑活動，並自動觸發報警報警，這種犯罪行為可能會大大減少。因此，讓我們看看如何建構一個人工智慧攝影機系統來追蹤可疑活動。
訓練人工智慧攝影機
建立一個機器學習（ML）模型，具有正常活動的資料集，如步行、說話、閱讀和坐著。向 ML 模型提供可疑活動的資料集，如打架、拳擊、持槍或任何其他被認為可疑的暴力行為。
圖。 2：作者的原型
在智慧攝影機前執行上述活動，以便捕捉各種動作。這將有助於訓練 ML 模型，並將其作為智慧人工智慧（AI）攝影機佈署在樹莓派上。
存在幾種靈活的選項，如 TensorFlow、Google Teachable、Edge Impulse 和 Lobeo，用於建立和訓練 ML 模型。這些中的任何一個都可以被選中用於該專案。為了證明，這裡正在使用 Google Teachable。
圖。 3：輸入正常活動資料集以建立 ML 模型
在 Google Teachable 中，選擇 PoseNet 選項，以正確追蹤各種身體動作和移動。正確標記之前執行的行走、說話、進食、站立等動作。將這些資料集輸入到 ML 模型中。同樣，正確標記和輸入指向槍支、射擊槍支、戰鬥、毆打等活動的資料集。
圖。 4：餵養可疑活動資料表
提供所需的資料集後，單擊「訓練模型」。 將出現匯出 ML 模型，或將其上傳到雲端的選項。將 ML 模型上傳到雲端，將其安全地儲存在那裡，並允許使用者在世界任何地方連線和佈署它。
上傳到雲端時，你將收到一個使用 ML 模型的 URL。ML 模型的 URL 是由作者建立的。
圖。 5：接受 ML 教育訓練
在攝影機上佈署 ML 模型並連線揚聲器，這樣當檢測到任何可疑活動時，樹莓派就會觸發警報。
圖。 6：JavaScript 程式碼
可疑活動追蹤人工智慧攝影機 - 編碼
在樹莓派中佈署 ML 模型需要編碼。在上傳 ML 模型時，你將收到一個示例程式碼片段。請將其複製並貼上到你的 JavaScript（JS）程式碼中。任何程式碼編輯器，都可以在離線或線上的幫助下，完成 JS 編碼和測試。你可以為 ML 模型命名攝影機的 HTML。
圖。 7：設定聲音路徑的程式碼
匯入之前上傳到雲端的 ML 模型。然後檢查 ML 模型在影像處理過程中，是否檢測到毆打、開槍和持槍等活動。
圖。 8：播放警報聲音的程式碼
該模型給出了特定活動在 0.00 到 1.00 範圍內發生的可能性。因此，透過使用「如果」條件，如果輸出大於 0.98，則表示一個人要麼指著槍，要麼在戰鬥。此時，會觸發警報來提醒附近的人。
圖。 9： 攝影機的測試和輸出
測試
將 JavaScript 程式碼儲存為 .html，並在啟用 JavaScript 的任何瀏覽器中開啟它。單擊「開始」按鈕，在攝影機前執行可疑活動。 ML 模型將嘗試辨識它，如果發現異常，將發出警報。你還可以新增自動呼叫或傳送訊息，給警察的功能。
圖。 10：在. js 線上編輯器和編譯器中進行測試
有時，樹莓派上的 Chrome 瀏覽器無法開啟或連線攝機，它會掛起。在這種情況下，嘗試安裝最新版本的 Chrome 瀏覽器，或切換到 Firefox 等其他瀏覽器，或使用線上/離線.js 編譯器。如果問題仍然存在，你可以使用訓練的 ML 模型的 URL，並使用 URL 直接檢視輸出。
圖。 11：使用訓練的ML模型的URL測試相機
如果瀏覽器無法連線攝影機，來測試你在 Rpi 中建立的 ML 模型，你還可以使用「檔案」選項進行上傳。
圖。 12：透過手動檔案輸入測試 ML 模型
沒有留言:
張貼留言