软硬件清单
- 读卡器以及 SD 卡(装系统用)
- 摄像头一枚，支持 USB
- SSH连接工具(SecureCRT，Xshell)
- 宽带、路由器(家中常备)
- 装好系统的树莓派 3B+ 一只(充电器、CPU散热风扇等)
在开始之前照常先秀一下这半成品的监控系统，是不是丑到爆！？
监控系统
市面上有很多开源的摄像头管理软件，比如 motion、mjpg-streamer，当然我们也可以用 Python 自己实现更智能的监控系统。
下面，我们分别来介绍以上三种方案。
motion
安装：
sudo apt-get install motion打开 motion daemon 守护进程，让他可以一直在后台运行
sudo vim /etc/default/motion
＃no修改成yes:
start_motion_daemon=yes修改 motion 的配置文件：
sudo vim /etc/motion/motion.conf
#deamon off 改成 on
deamon on
#设置分辨率
width 800 height 600 #关闭 localhost 的限制 stream_localhost off运行 motion：
sudo motion停止motion：
killall motion 或者 service motion stop现在我们的摄像头已经变成了一台网络摄像头。在chrome浏览器下访问 http://<树莓派IP>:8081 即可看到摄像头当前拍摄的画面。
不得不说，真的很耗CPU，差不多持续在60%左右，并且有一定的延迟，卡顿特别严重。
mjpg-streamer
先安装依赖：
sudo apt-get install libjpeg8-dev cmake下载 mjpg-streamer-master 软件：
wget http://github.com/jacksonliam/mjpg-streamer/archive/master.zip
unzip master.zip
cd mjpg-streamer-master/mjpg-streamer-experimental
# 编辑配置文件
vim plugins/input_raspicam/input_raspicam.c进去之后搜索fps，也就是按一下/键，然后输入fps，然后回车将fps、高度、宽度修改，参考下图：
然后退出到mjpg-streamer-master/mjpg-streamer-experimental路径，编译：
sudo make clean all启动摄像头：
//启动普通 USB摄像头
./mjpg_streamer -i "./input_uvc.so" -o "./output_http.so -w ./www"
//启动树莓派专用摄像头
./mjpg_streamer -i "./input_raspicam.so" -o "./output_http.so -w ./www" //openwrt下启动,8090端口 mjpg_streamer -i "input_uvc.so -f 10 -r 320*240" -o "output_http.so -p 8090 -w www"如果出现以下错误：
多插拔几次摄像头兴许就可以了。
多参数启动：
sudo mjpg_streamer -i "./input_uvc.so -r 640x480 -f 10 -n" -o "./output_http.so -p 8080 --w ./www"# 密码访问 userid:password 改成自己的就可以
sudo mjpg_streamer -i "./input_uvc.so -r 640x480 -f 10 -n" -o "./output_http.so -p 8080 --w ./www -c userid:password"在浏览器中打开，外网自备穿透：
http://<树莓派IP>:8080
http://<树莓派IP>:8080/?action=stream最终画面：
这个就流畅多了，CPU差不多也占到五六十的样子，不过无碍，毕竟是4核。
Python 实现
上面两种方式只能做到浏览器监控访问，非局域网还得搭个穿透才能访问，看似华丽，其实并没有实际卵用。
为了更加智能的实现监控告警，下面我们采用Python +OpenCV+Wechat 实现。
安装 OpenCV
安装基础组件：
sudo apt-get update
sudo apt-get install libjpeg-dev libatlas-base-dev libjpeg-dev libtiff5-dev libpng12-dev libqtgui4 libqt4-test libjasper-dev
然后安装 OpenCV：
sudo pip3 install opencv-python一般情况，你是不可能安装成功的，99.999% 会出现以下错误：
Collecting opencv-python
Downloading https://www.piwheels.org/simple/opencv-python/opencv_python-3.4.4.19-cp35-cp35m-linux_armv7l.whl (7.4MB)
45% |██████████████▍ | 3.3MB 15kB/s eta 0:04:20 THESE PACKAGES DO NOT MATCH THE HASHES FROM THE REQUIREMENTS FILE. If you have updated the package versions, please update the hashes. Otherwise, examine the package contents carefully; someone may have tampered with them. opencv-python from https://www.piwheels.org/simple/opencv-python/opencv_python-3.4.4.19-cp35-cp35m-linux_armv7l.whl#sha256=329d9d9fdd62b93d44a485aeaab4602c6f5b8555ea8bcc7dbcdc62c90cfe2c3f: Expected sha256 329d9d9fdd62b93d44a485aeaab4602c6f5b8555ea8bcc7dbcdc62c90cfe2c3f Got 869c7994c40b84ac09f244f768db9269d52d3265d376441e8516a47f24711ef2这可能是由于网速太慢了，没有下载完整的文件，所以不完整的文件的md5和期望的不一样。
我们首先下载 whl 文件到本地：
# 浏览器直接访问就可以
https://www.piwheels.org/simple/opencv-python/opencv_python-3.4.4.19-cp35-cp35m-linux_armv7l.whl然后上传到树莓派，使用以下命令安装：
sudo pip3 install opencv_python-3.4.4.19-cp35-cp35m-linux_armv7l.whl如果出现以下代码，说明安装成功：
Processing ./opencv_python-3.4.4.19-cp35-cp35m-linux_armv7l.whl
Requirement already satisfied: numpy>=1.12.1 in /usr/lib/python3/dist-packages (from opencv-python==3.4.4.19) Installing collected packages: opencv-python Successfully installed opencv-python-3.4.4.19智能监控主要代码：
# -*- coding: utf-8 -*- # import 进openCV的库 import cv2 import os import time from wxpy import * """ 树莓派打造智能看门狗 sudo pip3 install opencv-python sudo pip3 install wechat_sender """ # 登录微信 bot = Bot() my_friend = bot.friends().search('监控狗')[0] # 调用摄像头检测人脸并截图 def camera(window_name, path_name): # Linux 不显示图形界面 # cv2.namedWindow(window_name) # 视频来源，来自USB摄像头 cap = cv2.VideoCapture(0) # 告诉OpenCV使用人脸识别分类器 classfier = cv2.CascadeClassifier(os.getcwd()+"/haarcascade/haarcascade_frontalface_alt.xml") # 识别出人脸后要画的边框的颜色，RGB格式, color是一个不可增删的数组 color = (0, 255, 0) num = 0 while cap.isOpened(): ok, frame = cap.read() # 读取一帧数据 if not ok: break # 将当前桢图像转换成灰度图像 grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 人脸检测，1.2和2分别为图片缩放比例和需要检测的有效点数 faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32)) if len(faceRects) > 0: # 大于0则检测到人脸 for faceRect in faceRects: # 单独框出每一张人脸 x, y, w, h = faceRect num = num+1 # 将当前帧保存为图片 img_name = "%s/%d.jpg" % (path_name, num) image = frame[y - 10: y + h + 10, x - 10: x + w + 10] cv2.imwrite(img_name, image, [int(cv2.IMWRITE_PNG_COMPRESSION), 9]) print("有人来了~~~") alarm(num) # 延迟 60s，不要太频繁的发送，知道来了就可以了 time.sleep(60) # 画出矩形框 cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2) # 显示当前捕捉到了多少人脸图片了 font = cv2.FONT_HERSHEY_SIMPLEX cv2.putText(frame, 'num:%d/1000' % (num), (x + 30, y + 30), font, 1, (255, 0, 255), 4) # 显示图像 Linux 下注释掉即可 #小编整理一套Python资料和PDF，有需要Python学习资料可以加学习群：631441315 ，反正闲着也是闲着呢，不如学点东西啦~~ # cv2.imshow(window_name, frame) c = cv2.waitKey(10) if c & 0xFF == ord('q'): break # 释放摄像头并销毁所有窗口 cap.release() cv2.destroyAllWindows() def alarm(num): my_friend.send('有人闯进卧室了!') my_friend.send_image(os.getcwd()+"/dog/"+str(num)+".jpg") if __name__ == '__main__': camera("watchdog", os.getcwd()+"/dog")
运行脚本，系统会自动生成一个二维码，使用微信扫描登录即可：
python3 watchdog.py然后，把你的狗头对准摄像头，神奇的事情就这么发生了。
有点小遗憾的是，启动脚本后，Python 进程 CPU 占用率居然高达300+，平均每个 CPU 差不多80+的样子，心疼我的小风扇一秒钟。
小结
如果你比较追求精致，还是不要这么搞了，这套方案离小米网络监控视摄像头功能差远了，到手价只要189，而一个树莓派的板子就 200+。
如果你喜欢瞎折腾，还是蛮好的，不仅能学到知识，还能体会到其中的乐趣，最重要的是可以随心所欲的接入可以实现的任何功能。