人臉辨識 – 美洲智慧屋

沒有可用的內容

人臉識別變得更簡單 – 家庭助理double take 指南翻譯網址如下:https://everythingsmarthome.co.uk/face-recognition-just-got-easier-home-assistant-double-take-guide/

首先，讓我們看一下 Double Take 是什麼以及它為您提供的一些功能和好處： Double Take 是由David Jakowenko創建的一個開源項目，旨在成為處理和訓練面部識別圖像的統一界面。Double Take 支持多個檢測器，與Home Assistant以及 MQTT 集成，而且很酷的是，您實際上可以直接從 UI 訓練和取消訓練人臉。這使得任何人都比以往任何時候都更容易使用，這也是 DeepStack 面臨的挑戰之一。

DeepStack 不是最簡單也不是最用戶友好的人臉訓練工具，但 Double Take 幫助我們輕鬆解決了這個問題。另一件不太容易做的事情是在檢測到一個人後自動運行面部檢測。因此，通過 Frigate 和 DeepStack 設置，我們過去常常讓 Frigate 檢測一個人，然後當這種情況發生時，我們會使用 Home Assistant 自動化讓 DeepStack 對該圖像運行面部檢測。嗯……Double Take 將為我們處理整個過程，並通過一個漂亮乾淨的 UI 來管理這一切，就在 Home Assistant 內部。什麼時候活著！

還值得一提的是，Double Take 與 Frigate 一起作為 NVR 處理鏡頭、快照的記錄及其處理對象檢測——當檢測到一個人時在攝像機圖像中尋找一個人。

然後，Double Take 將該圖像傳遞給所謂的面部識別檢測器，如前所述，Double Take 支持 3 種不同的檢測器：DeepStack、Compreface 和 Facebox。

先決條件

我們將在本指南中使用 DeepStack，因為我們已經介紹了安裝過程（再次，抱歉，沒有文章……好吧，我真的落後了）但是如果你想使用任何其他檢測器，那麼配置應該非常相似。此外，如果您想按照本指南進行操作，您將需要已經安裝並運行 Frigate。

好的，現在我們已經啟動並運行了 Frigate 和 DeepStack，讓我們開始安裝吧！現在，作為一個小旁注，就在一周或兩週前，Double Take 正式添加了作為家庭助理附加組件運行的安裝選項——讓我們的生活更輕鬆！如果您不使用 Home Assistant 附加組件，那麼如果您想將其作為 docker 容器運行，這很簡單。

Home Assistant Double Take 附加組件

現在，讓我們開始吧。前往主管然後附加商店並點擊三個點並單擊存儲庫。粘貼此鏈接，該鏈接將為 Double Take 附加組件添加一個新存儲庫。然後找到新添加的 Double Take 條目並點擊安裝按鈕。安裝後，您可以根據需要勾選看門狗、自動更新和顯示在側邊欄選項中。繼續並點擊開始按鈕，因為所有配置都在 Double Take UI 中完成。

雙取配置

打開 Double Take UI，您將登陸主儀表板——您會看到它說沒有找到預期的文件，因為我們還沒有告訴它 Frigate 的位置——上到頂部，前往配置選項卡，然後我們需要使用我們的 Frigate 和 DeepStack 詳細信息配置我們的 MQTT，這非常簡單。

首先輸入 MQTT 代理詳細信息，並確保包含您的 MQTT 詳細信息的 IP 地址、用戶名和密碼。這也需要與您的 Frigate 服務器連接的 MQTT 代理相同，因為這是它與 Frigate 通信以啟動面部識別的方式：

mqtt:
  host: mqtt_IP
  username: mqtt-user
  password: mqtt-password

接下來輸入您的 Frigate 服務器的 URL，如果您在 Home Assistant 上運行 Frigate，那麼這將是與您的 Home Assistant 服務器相同的 IP 或主機名，端口為 5000。

frigate:
  url: http://frigate_IP:5000

最後要添加的是我們的檢測器，一旦發現一個人，檢測器將處理我們從 Frigate 進行的面部識別。在這種情況下，我們為此使用 DeepStack，但如果您想使用另一個檢測器 Compreface 或 Facebox，那麼您需要在此處稍微調整此配置。對於 DeepStack，我們需要輸入我們的 DeepStack URL，如果您使用的是 API 密鑰，那麼您也可以在此處指定，我不是，所以我將其留空：

detectors:
  deepstack:
    url: http://deepstack_IP
    key:
    timeout: 30

你的配置應該看起來像這樣：

在騎行的一側，您可以點擊保存配置並重新啟動按鈕，一旦您這樣做，Double Take 將使用新配置重新啟動，然後您會在左上角注意到它會顯示您的連接狀態MQTT、護衛艦和 DeepStack。如果它們顯示為紅色，那麼您需要仔細檢查設置和日誌，並且您可以訪問右上角的日誌。

就配置而言，Double Take 設置確實如此，如果你做的一切正確，你現在可以走到你的相機前觸發 Frigate 到你的第一場比賽。您需要確保在 Frigate 配置中啟用了人員檢測。

訓練面孔

一旦你走到你的相機前並觸發護衛艦，你應該會在你的比賽中看到這樣的圖像：

從一開始，我們可以在這裡看到一些東西，首先它給我們的檢測器命名為 DeepStack，它還返回未知的名稱，因為我們還沒有訓練任何人臉。當前為 0 的百分比是訓練後將再次顯示的置信水平。下面是它來自的相機，以及來自 MQTT 或 Frigate 快照的相機。您可能會在這裡看到重複的圖像，因為 Frigate 會在進行初始檢測時首先通過 MQTT 發送人的圖像，然後當它保存更準確的快照時，它也會將該圖像發送到 Double Take 進行處理。如果需要，您可以禁用此行為。

現在我們要訓練一些人臉，以便我們可以開始匹配圖像。前往訓練選項卡，然後使用頂部的下拉菜單選擇添加新的，然後輸入您要匹配的人的姓名。現在我們有幾種方法可以在這裡匹配人臉，或者我們可以上傳我們自己的圖像進行訓練，或者我們可以使用相機本身的一些圖像來訓練它，或者兩者兼而有之。我將首先向您展示如何上傳圖片，點擊上傳按鈕，然後選擇一些圖片進行上傳，您可以一次選擇多張圖片。一旦你上傳了這些，DeepStack 就會開始根據你的臉訓練一個模型，這有多酷：

現在如果我們回到匹配，你現在可以做的是重新處理以前不匹配的圖像，看看它現在是否可以通過按下刷新按鈕來獲取它們，這將要求 DeepStack 在我們現在重新檢查圖像之後訓練它。

所以這真的很容易使用，您可以使用來自實際相機的圖像直接從雙鏡頭 UI 訓練圖像，或者您可以通過上傳自己的圖像來訓練圖像，您可以輕鬆查看所有面部的概覽檢測到，Double Take 對它與人臉匹配的信心有多大，並且您可以真正重新處理您剛剛訓練過的圖像，非常易於使用並且效果非常好。現在讓我們看看創建一個非常簡單的自動化來通知您匹配的圖像。

家庭助理自動化

首先，在我們創建自動化之前，讓我們看一下現在暴露給家庭助理的一些傳感器，我們可以在自動化中實際使用它們，如果我們查看開發工具內部，我們現在可以看到我們有一些傳感器為 Double Take 列出，首先我們有一個傳感器用於我們的後花園相機本身，其中包含該相機的最後匹配項，我們還為我們通過面部識別匹配的人配備傳感器，以及一個未知傳感器用於當某人無法成為匹配。在 sensor 屬性中還有大量額外信息，您的高級用戶可能希望在通知中使用它們：

轉到配置、自動化並創建新的自動化。對於我們將使用剛剛發現的這兩個傳感器的狀態，我將首先使用未知傳感器，將開和關框留空，但輸入觸發器 ID，以便稍後使用。然後我還要為我自己的名字添加傳感器，再次輸入觸發器 ID。

然後在操作框下，我將使用選擇操作，它允許我們根據剛剛發生的情況運行不同的操作，這對於組合自動化非常有用，然後對於條件下的選項 1，我從向下並選擇我的未知觸發器 ID。

對於我輸入呼叫服務並選擇通知服務的操作。然後我將首先切換到 YAML 模式，因為我們將使用模板，並給我的通知一個標題。在消息中，我還可以輸入一條消息，使用未知傳感器的狀態，即相機名稱。然後我添加了第二個選項，這次為找到匹配項的傳感器填寫詳細信息並輸入稍微不同的消息。

這一次，當我走到攝像頭前時，您會收到一個簡單的通知，告訴您在攝像頭中檢測到某人以及該人是否被識別。

你可以在這裡做一些更高級的事情，比如按計劃進行，告訴你信心水平，附加來自檢測到的面部相機的圖像，事實上我已經在 iOS 和 Android 上完成了整個視頻，可操作通知涵蓋如何做所有這些事情，這裡的 Double Take 文檔中也有一個示例。

最後的話

這就是要為這個視頻做的事情，這是你第一次看，以及如何安裝 Double Take 以使用 Double Take UI 輕鬆檢測、處理和訓練面部識別圖像，你們一直在問很多關於這個的問題一個已經用了幾個月了，所以最終檢查它並看看它是什麼樣子真的很好，我對它的工作效果印象深刻，到目前為止，大衛在它出現的短時間內做得非常出色.

但是請在評論中告訴我你們的想法，我知道訓練面部並不是最簡單的工作，因為你必須使用命令行來完成它，所以將它內置到 UI 中超級有用。在下一個抓住你！

frigate.yml

mqtt:
host: core-mosquitto
user: xxx
password: xxxx

cameras:
camera_1:
ffmpeg:
inputs:
– path: rtsp://tapoc100:xxx@192.168.0.110:554/stream1
roles:
– detect
– rtmp
– path: rtsp://tapoc100:xxx@192.168.0.110:554/stream1 # <—– Add high res stream
roles:
– record
detect:
width: 1024
height: 768
fps: 5

record:
  enabled: True
  events:
    retain:
      default: 2
snapshots: # <----- Enable snapshots
  enabled: True
  timestamp: true
  bounding_box: true
  retain:
    default: 1  

### 自動化
### 自動化
alias: Notify person double-take
trigger:
  - platform: mqtt
    topic: double-take/matches/#
condition: []
action:
  - choose:
      - conditions:
          - condition: template
            value_template: '{{trigger.topic == "double-take/matches/unknown"}}'
        sequence:
          - service: notify.line_notification
            data:
              title: '{{trigger.payload_json[''camera'']|title}} 相機'
              message: >
                {{trigger.payload_json['unknown']['name']}}
                您好![相機影像](http://joulong.hopto.org:3000/api/storage/matches/{{trigger.payload_json['unknown']['filename']}}?box=true)
    default:
      - service: notify.line_notification
        data:
          title: '{{trigger.payload_json[''camera'']|title}} 相機'
          message: >
            {{trigger.payload_json['match']['name']|title}} 辨識率
            {{trigger.payload_json['match']['confidence']}}%
            ![相機影像](http://joulong.hopto.org:3000/api/storage/matches/{{trigger.payload_json['match']['filename']}}?box=true)
      - service: google.add_event
        data_template:
          calendar_id: joulongleu2@gmail.com
          summary: >
            {{trigger.payload_json['match']['name']|title}} 辨識率
            {{trigger.payload_json['match']['confidence']}}% 
          description: >-
            相機影像:
            http://joulong.hopto.org:3000/api/storage/matches/{{trigger.payload_json['match']['filename']}}?box=true)
          start_date_time: '{{ now().strftime(''%Y-%m-%d %H:%M:%S'') }}'
          end_date_time: '{{ now().strftime(''%Y-%m-%d %H:%M:%S'') }}'
initial_state: true
mode: parallel

#### auto take
mqtt:
  host: core-mosquitto
  username: xxx
  password: xxxx

frigate:
  url: http://192.168.0.107:5006

detectors:

  deepstack:
    url: http://192.168.0.107:5000
    # recognition api key
    key: 
    timeout: 30 
 


# global detect settings (default: shown below)
detect:
  match:
    # save match images
    save: true
    # include base64 encoded string in api results and mqtt messages
    # options: true, false, box
    base64: false
    # minimum confidence needed to consider a result a match
    confidence: 50
    # hours to keep match images until they are deleted
    purge: 168
    # minimum area in pixels to consider a result a match
    min_area: 10000

  unknown:
    # save unknown images
    save: true
    # include base64 encoded string in api results and mqtt messages
    # options: true, false, box
    base64: false
    # minimum confidence needed before classifying a name as unknown
    confidence: 40
    # hours to keep unknown images until they are deleted
    purge: 8
    # minimum area in pixels to keep an unknown result
    min_area: 0
# schedule settings (default: shown below)
schedule:
  # disable recognition if conditions are met
  disable:
    # - days:
    #     - monday
    #     - tuesday
    #   times:
    #     - 20:00-23:59
    #   cameras:
    #     - office
    # - days:
    #     - tuesday
    #     - wednesday
    #   times:
    #     - 13:00-15:00
    #     - 18:00-20:00
    #   cameras:
    #     - living-room