阿库娅很不错，要整一个吗？

能养成的智能家居系统？好诶！不是虚拟美少女？！！但是但是，大厂生态哪有亲手养大的安心？

（可惜是个智障.webp

网关部分

食材

项目大体分为两个阶段。第一阶段，改造现有设备然后接入树莓派 4B，通过 Web 应用实现远程控制，调研中转到 Google Home 的方法（到此为止了）。第二阶段，加持先进的 ML (Magic Learning) 技术，实现 AI (Artificial Idiot) 中枢，彻底替换 Google Home。主要技术指标如下。

• 远程控制继电器
• 跨平台用户界面
• 断网也能使用
• 接入 Google Home
• 开源（但不一定安全）
• 美少女皮 + 自定义唤醒词

先不管有生之年的技术指标，第一阶段用到的软件如下。

• 后端
  • Raspbian Buster (arm64)
  • Flask
  • OpenCV 4.2
  • MariaDB 10.4
  • Nginx
• 前端
  • Jinja2
  • Bootstrap 4

推荐的开发工具。

• 宇宙第一 VS Code
• 宇宙第二 PyCharm
• 不入流 Keil C51

为避免消化不良，还需掌握如下技巧。

• 对硬件一知半解
• 擅长使用 Google

应用架构

网关硬件就用树莓派，主要提供 REST API，配合 Web 界面进行交互，实现远程控制设备。也可接入第三方服务，比如 Google home（嘤语学习好助手）。

为了快速上线，后端咱就用了 Python。框架采用 Flask，是一个采用模块化设计理念的 Web 应用框架，也被称为微框架。Flask 没太多默认配置，可以通过 Flask-extension 引入如 MySQL ORM，模板引擎，表单和身份验证等插件。程序使用 MVC 分层架构，便于协作开发和后续扩展，同样为了加速，暂时使用 Jinja2 模板生成器糊出来的前端。

数据库

MariaDB 是 MySQL 在 MySQL 的基础上改进的关系型数据库，在提升性能的同时保持与 MySQL 的完全兼容，仅需简单卸载 MySQL 并安装 MariaDB 即可。

参见 E-R 图，config 表保存传感器节点的状态，包括传感器类型，环境数据最大值和最小值，传感器或执行器状态，上次动作源等。sensor 表保存传感器历史数据，外键连接 config 表。camera 表保存连续运动的发生时间和截图路径。user 表储存用户信息，包括登录名称，用户邮箱，密码等数据。

运动检测

OpenCV 已经实现了多种常见的检测算法。MOG 算法是一个背景分割算法，以混合高斯模型为基础。此算法使用多个高斯分布混合计算对背景像素建模，指定权重为像素点 RGB 值在整个序列中的持续时间。若一个 RGB 值属于背景像素点，那么它的持续时间相对于运动像素长，相应的权重也更高。

MOG2 是 MOG 算法的改进。它为每一个像素点单独计算高斯分布，这样能更好的适应由于亮度，噪点等外部参数发生变化而引起的场景变化。

GMG 算法结合了贝叶斯分割法和静态背景估算法，使用图像序列的一些帧建立背景模型，然后通过贝叶斯估计 (Bayesian Estimation) 识别前景。这是一种自适应算法，更新出现的图像帧具有更高的权重，从而适应光照变化。此外，还可以利用开闭运算等形态学算法，除去噪音。

运动检测流程如上图所示。

节点部分

目前初号机只提供温度检测，运动检测，远程监控，自动控制，远程控制等功能。不过第一版只是试验品，咱就先来介绍下当前的硬件施工进度，以及软硬件联合测试的方法。

施工标准

标准实现至少需要准备如下硬件，更敷衍的实现只需一个带摄像头的电脑。大部分模块网上有成品，没有的也能用面包板凑合下。

• Raspberry Pi 4B ×1
• PI Camera ×1
• 8051 MCU ×1
• 1-Wire temp sensor DS18B20 ×1
• ZigBee CC2530 SoC ×3

MCU

节点 MCU 有 8051/AVR ATmega8/STM32 可选，8051 本来是不会选的，不过手边有几片 8051，就直接回收利用了，用于运行控制程序，处理和保存数据。

其他还有 ZigBee，传感器模块。ZigBee 负责与其他节点或网关通信，传感器负责感知环境参数。

温度传感器

DS18B20 温度传感器使用 1-Wire 总线协议通信，每个传感器都有唯一的 64 位地址，MCU 通过该地址识别和寻址总线上的设备。

DS18B20 温度传感器定义了读写指令，响应指令和复位指令。除响应指令外，同步信号均由 MCU 产生。为了确保可靠的数据传输，同一时间只能有一个信号存在于 1-Wire 总线上。数据的传输符合单总线协议，按照初始化配置、ROM 指令、工作指令的顺序进行操作，其所有的指令和数据都是从低位开始发送到高位。

ZigBee

传感器节点的 ZigBee 模块使用网状路由，即单播发送。数据包通过 Mesh 路由发送，发送方知道接收方是否收到完整数据。网状路由最多可以经过 30 个节点来传输数据。

咱这里用的是成品模块（DL-LN3X），支持串口通信，只需指定节点的地址和数据，即可发送到目的节点，中间的过程由 CC2530 自带的程序处理。

温度采集

控制温度节点的程序运行在 8051 MCU 上，使用 C 语音开发。如下图，功能是每隔 1s 上传一次温度信息，或者在上位机请求时立即上传温度信息。

PCB

PCB 板形尺寸确定在 50mm*50mm 以内，完成总体布局后，开始放置组件。组件位置是否合理，将直接关系到电路是否可靠。

在 PCB 布局中，先按照功能模块划分区域，然后考虑各模块的相对位置。任何高频模拟信号或高精度数字信号都应该尽可能保持距离，原则上所有敏感区域利用 GND 相互隔离，信号路径尽可能短。

测试

运行环境

树莓派安装 Raspbian Buster 系统，使用 virtualenv 创建一个 Python 3 虚拟环境，执行 pip 命令安装所有依赖包。

$ pip install -r requirements.txt

运动捕捉相关功能使用 OpenCV 实现，PyPi 预编译的 OpenCV 4 可能缺少部分功能（目前够用了），如果需要完整功能，下面是编译安装的方法。

下载 opencv 和扩展库 opencv_contrib 源码到本地，进入 Python 3 虚拟环境，安装 numpy 和编译工具，使用 CMake 来构建编译配置。

$ cmake -D CMAKE_BUILD_TYPE=RELEASE \    -D CMAKE_INSTALL_PREFIX=/usr/local \    -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules \    -D ENABLE_NEON=ON \    -D ENABLE_VFPV3=ON \    -D BUILD_TESTS=OFF \    -D OPENCV_ENABLE_NONFREE=ON \    -D INSTALL_PYTHON_EXAMPLES=OFF \    -D BUILD_EXAMPLES=OFF ..

确认配置无误，开始编译。

# 4个核心，Raspberry Pi 4B 大约需要 1 小时make -j4make install

编译的 OpenCV 默认安装在全局的 site-packages 目录。

数据库

安装 MariaDB，使用 flask-migrate 创建数据库。

$ python manage.py db init$ python manage.py db migrate$ python manage.py db upgrade

开动吧

根目录下的 gate.py 是网关程序的入口文件。在生产环境部署时，还需使用 Nginx 反向代理，以提高系统的稳定性和安全性。

$ which python/home/xxx/umr-dive/venv/bin/python$ export Env=Dev$ sudo -E /home/xxx/umr-dive/venv/bin/python gate.py -i 0.0.0.0 -o 80

现在咱有了个能用的智能家居，别的再慢慢扩展，但愿不会成为有生之年系列吧。

Reference

项目源码

OpenCV – Stream video to web browser/HTML page

Install OpenCV 4 on Raspberry Pi 4 and Raspbian Buster

未完待续。