2024年9月18日 星期三

★ 用於追蹤可疑活動的人工智慧攝影機


electronicsforu



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


商機探索 —— 智慧辦公大樓必須符合哪些條件?


沒有留言:

張貼留言