To go to the English part
- Présentation du projet
- Présentation du matériel
- Présentation de la Raspberry Pi
- Configuration de la Raspberry Pi
- Installation des dépendances
- Personnalisation du programme
- Lancement du programme
- Réalisations supplémentaires
- Documents supplémentaires
- Crédit
- Possibilités supplémentaires
- Liens
- Contact
Dans ce projet nous utilisons une Raspberry Pi 3B+. La caméra de surveillance fonctionne avec OpenCV4 pour la détection de mouvement. La caméra enverra un mail contenant une image prise lors d'un mouvement. En complément, un détecteur de mouvement IR permet de détecter le mouvement d'une personne. La caméra possède aussi un serveur pour voir une vidéo en direct.
La Raspberry Pi 3 B+ possède le Wifi 2,4GHz et 5GHz faciitant la connexion de la Raspberry à internet. La Raspberry possède un port éthernet qui permet d'avoir un débit internet plus fiable pour la Raspberry Pi. Vous pouvez vous référez à la documentation officielle de la Raspberry Pi : présentation.
Nous utilisons aussi le PIR HC-SR501 qui possède une détection de mouvement par infra-rouge.
Identifiez chaque port du PIR en soulevant le "petit chapeau" :
Tout à d'abord connectez le pin VCC du PIR sur le pin 2 (VCC 5V) de la Raspberry Pi.
Après connectez GRND du PIR sur le pin 6 (GRND) de la Raspberry Pi.
Pour finir sur le dernier port du PIR (OUT) sur le pin 26 (GPIO 7) de la Raspberry Pi.
Dans ce projet, nous utilisons une Quimat Raspberry Pi Camera IR. Avant il faut activer la caméra sur la Raspberry.
Ouvrez le terminal et exécutez :
sudo raspi-config
Sélectionnez Interface Options puis Camera et activez-la et cliquez sur Finish.
Pour vérifier que la caméra marche entrez :
sudo raspistill -o image.png
Nous avons besoin d'OpenCV4 (Python 3) pour la détection de mouvement d'objet.
Commencez par faire les mises à jour de la Raspberry Pi :
sudo apt-get update && sudo apt-get upgrade
Installez les outils de développement (CMake) :
sudo apt-get install build-essential cmake unzip pkg-config
Installez des bibliothèques d'images et de vidéos :
sudo apt-get install libjpeg-dev libpng-dev libtiff-dev
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt-get install libxvidcore-dev libx264-dev
Installez une interface graphique utilisateur backend (GTK) :
sudo apt-get install libgtk-3-dev
Installez un paquet pour GTK :
sudo apt-get install libcanberra-gtk*
Installez deux paquets qui contiennent des optimisations numériques pour OpenCV4 :
sudo apt-get install libatlas-base-dev gfortran
Installation Python 3 :
sudo apt-get install python3-dev
Naviguez jusqu'au dossier Home de votre Raspberry Pi.
wget -O opencv.zip https://github.com/opencv/opencv/archive/4.0.0.zip
wget -O opencv_contrib.zip https://github.com/opencv/opencv_contrib/archive/4.0.0.zip
unzip opencv.zip
unzip opencv_contrib.zip
Renommez les répertoires :
mv opencv-4.0.0 opencv
mv opencv_contrib-4.0.0 opencv_contrib
Installez un Python Paquet Manager, pip :
wget https://bootstrap.pypa.io/get-pip.py
sudo python3 get-pip.py
Installez virtualenv et virtualenvwrapper pour un environnement virtuel Python :
sudo pip install virtualenv virtualenvwrapper
sudo rm -rf ~/get-pip.py ~/.cache/pip
Modifiez ~/.profile :
echo -e "\n# virtualenv and virtualenvwrapper" >> ~/.profile
echo "export WORKON_HOME=$HOME/.virtualenvs" >> ~/.profile
echo "export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3" >> ~/.profile
echo "source /usr/local/bin/virtualenvwrapper.sh" >> ~/.profile
Vous pouvez aussi le modifier avec vim ou nano (un éditeur de texte du terminal).
source ~/.profile
Créez l'environnement virtuel OpenCV4 + Python 3:
mkvirtualenv cv -p python3
Vérifiez que vous êtes bien dans l'environnement cv
workon cv
Installez le paquet Python prérequis pour OpenCV, NumPy :
pip install numpy
cd ~/opencv
mkdir build
cd build
Exécution CMake pour OpenCV4 :
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 ..
Vérifiez que dans le terminal vous avez Non-free algorithms: YES.
Dans Python 3:
Interpreter: .../.virtualenvs/cv/...
numpy: .../.virtualenvs/cv/...
Compilation d'OpenCV4 :
make -j4
Si des erreurs apparaissent vous pouvez seulement faire make.
Installation d'OpenCV4
sudo make install
sudo ldconfig
Créez un lien symbolique depuis l'installation d'OpenCV dans le répertoire system site-packages vers votre environnement virtuel :
cd ~/.virtualenvs/cv/lib/python3.5/site-packages/
ln -s /usr/local/python/cv2/python-3.5/cv2.cpython-35m-arm-linux-gnueabihf.so cv2.so
OpenCV fonctionne sur un environnement virtuel. Pour y accéder utilisez les commandes suivantes :
source ~/.profile
workon cv
Fask est un microframework pour des applications web Python, pour le routage d'URL de site.
pip install flask
PiCamera est un paquet qui permet d'avoir une interface pour le module caméra Raspberry Pi pour Python 3.
pip install picamera
Imutils est une série de fonctions de traitement d'image plus simple pour OpenCV4 et Python 3.
pip install imutils
Flask-BasicAuth est une extension Flask qui permet de protéger une page web grâce à une authentification par accès de base HTTP.
pip install Flask-BasicAuth
Vous pouvez modifier la partie main en modifiant l'authentification au serveur de la raspberry pi :
app.config['BASIC_AUTH_USERNAME'] = 'admin' #Changez l'utilisateur
app.config['BASIC_AUTH_PASSWORD'] = 'admin' #Changez le mot de passe
app.config['BASIC_AUTH_FORCE'] = True
Dans le main, la modification de paramètres :
email_update_interval = 10 #N'envoie un courriel qu'une seule fois dans cet intervalle de temps
video_camera = VideoCamera(flip=True) #Crée un objet caméra, retournez verticalement
object_classifier = cv2.CascadeClassifier("models/facial_recognition_model.xml") #OpenCV classifier
Vous pouvez aussi utiliser d'autres objets de détection en changeant "models/facial_recognition_model.xml" dans object_classifier = cv2.CascadeClassifier("models/facial_recognition_model.xml") par les autres objets de détection qui sont dans le dossier models.
Modifiez aussi les informations du mail :
fromEmail = '[email protected]' #Entrez une adresse mail Google d'envoie du mail
fromEmailPassword = 'mdp' #Entrez le mot de passe du compte Google (Pas de double authentification)
toEmail = '[email protected]' #Entrez une adresse mail de réception
Lancez le programme avec la commande :
python main.py
Vous pouvez choisir quel type de reconnaissance vous souhaitez :
main.py: reconnaissance avec la caméra (OpenCV) et envoi d'un mail avec prise d'une photo du mouvementmain2.py: reconnaissance avec le PIR et envoi d'un mail avec textemain2.1.py: reconnaissance avec le PIR et envoi d'un mail et prise d'une photo du mouvementmain3.py: reconnaissance avec le PIR et la caméra (facial) et envoi d'un mail et prise d'une photo du mouvement
On peut voir le flux vidéo en direct en allant sur http://<ip_raspberry>:5000 dans un navigateur internet sur le réseau local.
Pour visionner depuis l'extérieur, vous pouvez ouvrir un port de votre box pour la Raspberry : http://<ip_box>:<port_ouvert>(Méthode non sécurisée).
De plus, pour un fonctionnement optimal, vous pouvez utiliser une ip statique pour la Raspberry pour éviter de rechercher l'ip à chaque fois.
Pour connaître l'adresse ip de la Raspberry Pi vous pouvez taper dans le terminal : hostname -I.
Début de l'application un prototype de l'application faite sur Adobe XD.
Prototype (Adobe XD)
Prototype (zip --> png)
Prototype (zip --> png(iPhone - iPad - Android (Mobile et Tablette))
Prototype Final
Développement de l'application avec Ionic
Réalisation du prototype de support sur SolidWorks puis son impression 3D grâce à l'imprimante 3D Ultimaker.
Plan de la carte Raspberry Pi 3B+
Plan de la boite Raspberry Pi 3B+
Fichier SolidWorks du support (zip)
Manuel d'utilisation
Cahier des charges
Planning
Compte Rendu
Nous avons aussi la possibilité d'envoyer une notification push sur votre téléphone (iOS ou Android) en utilisant IFTTT.
Intégrez l'API de IFTTT dans votre code Python (vous pouvez la trouver en recherchant Webhooks dans IFTTT).
Par la suite, vous devez créer une Applet de la manière suivant : If Webhooks then Notifications.
Vous pouvez sinon vous utiliser le bot IFTTT comme par exemple sur Messenger pour vous envoyer des messages lors de la détection de mouvement.
Projet de première année STPI à l'INSA Centre Val de Loire.
Membre de l'équipe :
- Alexis Brunet
- Matthieu Maindroux
- Omar Hadhar
- Roman Magnier
Mail : [email protected]
- Présentation du projet
- Présentation du matériel
- Présentation de la Raspberry Pi
- Configuration de la Raspberry Pi
- Installation des dépendances
- Personnalisation du programme
- Lancement du programme
- Réalisations supplémentaires
- Documents supplémentaires
- Crédit
- Possibilités supplémentaires
- Liens
- Contact
In this project we use a Raspberry Pi 3B+.
The surveillance camera works on OpenCV4 for motion detection. The camera will send an email containing an image taken during a movement. In addition, an IR motion detector can detect the movement of a person. The camera also has a server to view live video.
The Raspberry Pi 3 B+ has 2.4GHz and 5GHz Wifi making it easy to connect the Raspberry to the internet. The Raspberry has an ethernet port which allows a more reliable internet speed for the Raspberry Pi. You can refer to the official documentation of the Raspberry Pi: presentation.
We also use the PIR HC-SR501 which has infrared motion detection.
Identify each PIR port by lifting the "little hat":
First connect the VCC pin of the PIR to pin 2 (VCC 5V) of the Raspberry Pi.
Then connect GRND of the PIR to pin 6 (GRND) of the Raspberry Pi.
Finally connect the last port of the PIR (OUT) to pin 26 (GPIO 7) of the Raspberry Pi.
In this project, we use a Quimat Raspberry Pi Camera IR. First we need to activate the camera on the Raspberry.
Open the terminal and execute:
sudo raspi-config
Select Interface Options then Camera and activate it then click on Finish.
To check that the camera is working enter:
sudo raspistill -o image.png
We need OpenCV4 (Python 3) for object motion detection.
Start by updating the Raspberry Pi:
sudo apt-get update && sudo apt-get upgrade
Install the development tools (CMake):
sudo apt-get install build-essential cmake unzip pkg-config
Install image and video libraries:
sudo apt-get install libjpeg-dev libpng-dev libtiff-dev
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt-get install libxvidcore-dev libx264-dev
Install a backend graphical user interface (GTK):
sudo apt-get install libgtk-3-dev
Install a package for GTK:
sudo apt-get install libcanberra-gtk*
Install two packages that contain numerical optimizations for OpenCV4:
sudo apt-get install libatlas-base-dev gfortran
Installing Python 3:
sudo apt-get install python3-dev
Navigate to the Home folder on your Raspberry Pi.
wget -O opencv.zip https://github.com/opencv/opencv/archive/4.0.0.zip
wget -O opencv_contrib.zip https://github.com/opencv/opencv_contrib/archive/4.0.0.zip
unzip opencv.zip
unzip opencv_contrib.zip
Rename the directories:
mv opencv-4.0.0 opencv
mv opencv_contrib-4.0.0 opencv_contrib
Install a Python Package Manager, pip:
wget https://bootstrap.pypa.io/get-pip.py
sudo python3 get-pip.py
Install virtualenv and virtualenvwrapper for a Python virtual environment:
sudo pip install virtualenv virtualenvwrapper
sudo rm -rf ~/get-pip.py ~/.cache/pip
Edit ~/.profile:
echo -e "\n# virtualenv and virtualenvwrapper" >> ~/.profile
echo "export WORKON_HOME=$HOME/.virtualenvs" >> ~/.profile
echo "export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3" >> ~/.profile
echo "source /usr/local/bin/virtualenvwrapper.sh" >> ~/.profile
You can also edit it with vim or nano (a text editor on the terminal).
source ~/.profile
Create the OpenCV4 + Python 3 virtual environment:
mkvirtualenv cv -p python3
Make sure you are in the cv environment.
workon cv
Install the Python package required for OpenCV, NumPy:
pip install numpy
cd ~/opencv
mkdir build
cd build
Running CMake for OpenCV4:
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 ..
Verify that you have Non-free algorithms: YES in the terminal.
In Python 3:
Interpreter: .../.virtualenvs/cv/...
numpy: .../.virtualenvs/cv/...
Compiling OpenCV4 :
make -j4
If errors appear you can only do make.
Installing OpenCV4
sudo make install
sudo ldconfig
Create a symbolic link from the OpenCV installation in the system site-packages directory to your virtual environment:
cd ~/.virtualenvs/cv/lib/python3.5/site-packages/
ln -s /usr/local/python/cv2/python-3.5/cv2.cpython-35m-arm-linux-gnueabihf.so cv2.so
OpenCV runs on a virtual environment. To access it use the following commands:
source ~/.profile
workon cv
Fask is a microframework for Python web applications, for site URL routing.
pip install flask
PiCamera is a package that provides an interface for the Raspberry Pi camera module for Python 3.
pip install picamera
Imutils is a set of simpler image processing functions for OpenCV4 and Python 3.
pip install imutils
Flask-BasicAuth is a Flask extension that allows you to protect a web page through basic HTTP access authentication.
pip install Flask-BasicAuth
You can change the main part by modifying the authentication to the raspberry pi server:
app.config['BASIC_AUTH_USERNAME'] = 'admin' #Change the username
app.config['BASIC_AUTH_PASSWORD'] = 'admin' #Change the password
app.config['BASIC_AUTH_FORCE'] = True
In the main, changing parameters :
email_update_interval = 10 #Sends an email only once in that time interval.
video_camera = VideoCamera(flip=True) #Create a camera object, flip vertically
object_classifier = cv2.CascadeClassifier("models/facial_recognition_model.xml") #OpenCV classifier
You can also use other detection objects by changing "models/facial_recognition_model.xml" in object_classifier = cv2.CascadeClassifier("models/facial_recognition_model.xml") by the other detection objects that are in the models directory.
Also change the information in the :
fromEmail = '[email protected]' #Enter a Google email address to send email
fromEmailPassword = 'mdp' #Enter Google Account password (No 2-Step Verification)
toEmail = '[email protected]' #Enter a receiving email address
Start the program with the command :
python hand.py
You can choose what type of recognition you want:
main.py: recognition with the camera (OpenCV) and sending an email with a picture of the movementmain2.py: recognition with the PIR and sending a mail with textmain2.1.py: recognition with the PIR and sending a mail and taking a picture of the movementmain3.py: recognition with PIR and (facial) camera and sending an email and taking a picture of the movement
The live video stream can be viewed by going to http://<ip_raspberry>:5000 in a web browser on the local network.
To view from outside, you can open a port in your box for the Raspberry: http://<ip_box>:<open_port>(Unsecured method).
Also, for optimal performance, you can use a static ip for the Raspberry to avoid searching for the ip every time.
To find out the ip address of the Raspberry Pi you can type hostname -I in the terminal.
Start of the application a prototype of the application made on Adobe XD.
Prototype (Adobe XD)
Prototype (zip --> png)
Prototype (zip --> png(iPhone - iPad - Android (Mobile and Tablet))
Final Prototype
Application development with Ionic
Realization of the support prototype on SolidWorks then its 3D printing thanks to the Ultimaker 3D printer.
Raspberry Pi 3B+ card plan
Raspberry Pi 3B+ box plan
Support SolidWorks file (zip)
User manual
Specifications
Planning
Debriefing
We also have the ability to send a push notification to your phone (iOS or Android) using IFTTT.
Integrate the IFTTT API into your Python code (you can find it by searching Webhooks in IFTTT).
Then you need to create an Applet as follows: If Webhooks then Notifications.
Otherwise you can use the IFTTT bot as for example on Messenger to send you messages when motion detection is detected.
First year project at the INSA Centre Val de Loire.
Team's members :
- Alexis Brunet
- Matthieu Maindroux
- Omar Hadhar
- Roman Magnier
Mail : [email protected]