作為一個新的亞馬遜門鈴的買家，我喜歡它提供的炫酷功能。然而，我認(rèn)為我可以做一些改進(jìn)。我需要的是為住在我家的人定制的門鈴。要是門鈴能認(rèn)出是誰在敲門就好了�？吹介T鈴是多么的受歡迎，我決定幫助大多數(shù)家庭，最好方法是讓他們能夠毫不費力地定制他們的門鈴。我開發(fā)了一個應(yīng)用程序，可以告訴你誰在你的門口，只需輸入你的門鈴帳戶的用戶名和密碼。知道誰在你的門口，無需等待門鈴在你的智能手機(jī)上顯示視頻，這是非常方便的。它大大提高了安全性，帶來了極大的便利，甚至可以安裝在一個自動開門的系統(tǒng)上。在深度學(xué)習(xí)時代，每個家庭都需要安裝這些系統(tǒng)。下圖說明了我的系統(tǒng)是如何工作的。

完整的代碼可以在這里的Git存儲庫中找到。https：／／github．com／dude123studios／SmarterRingV2要求如下：tensorflow＝＝2．4．1

opencv－python＝＝4．5．1．48
mtcnn＝＝0．1．0
ring＿doorbell＝＝0．7．0
oauthlib～＝3．1．0
numpy～＝1．19．5
scipy～＝1．6．1
scikit－learn＝＝0．24．1
gtts＝＝2．2．2
playsound～＝1．2．2

讓我們來分析一下發(fā)生了什么。通過輸入用戶名和密碼作為環(huán)境變量，Ring API就能夠連接到你的帳戶。該API允許用戶訪問python特性。這里（https：／／github．com／tchellomello／python－ring－doorbell）有API存儲庫和簡短的文檔。這是Ring．py的一個片段，它實例化了一個與你的門鈴的連接：import os
import json
from pathlib import Path
from ring＿doorbell import Ring， Auth
from oauthlib．oauth2 import MissingTokenError
cache＿file ＝ Path（＂test＿token．cache＂）
def token＿updated（token）：
   cache＿file．write＿text（json．dumps（token））
def otp＿callback（）：
   auth＿code ＝ input（＂［INPUT］ 2FA code： ＂）
   return auth＿code
def main（download＿only＝False）：
   if cache＿file．is＿file（）：
       auth ＝ Auth（＂MyProject／1．0＂， json．loads（cache＿file．read＿text（））， token＿updated）
   else：
       username ＝ os．environ．get（＇USERNAME＇）
       password ＝ os．environ．get（＇PASSWORD＇）
       auth ＝ Auth（＂MyProject／1．0＂， None， token＿updated）
       try：
           auth．fetch＿token（username， password）
       except MissingTokenError：
           auth．fetch＿token（username， password， otp＿callback（））
   ring ＝ Ring（auth）
   ring．update＿data（）
   wait＿for＿update（ring， download＿only＝download＿only）

wait＿for＿update方法持續(xù)運行并實例化一個正在等待客戶端的處理程序。它會繼續(xù)刷新，直到發(fā)現(xiàn)Ring的存儲歷史記錄有更新。一旦發(fā)生這種情況，它檢查門鈴是否被按了。如果是這樣，它會把整個視頻下載到你的設(shè)備上。為了加快這一過程，請使用智能手機(jī)上的ring應(yīng)用程序縮小視頻錄制的大小。你的門鈴響了，最后一段視頻就會傳到你的電腦上。從那里，我們截取了那段視頻的多個幀，以確保一個人的臉都不會被遮住。我在utils．py中定義了這個方法。它將在稍后顯示。下面是ring．py的另一個片段。用于處理主線程：import time
def wait＿for＿update（ring， download＿only＝False）：
   id ＝ －1
   start ＝ time．time（）
   while True：
       try：
           ring．update＿data（）
       except：
           time．sleep（1）
           continue
       doorbell ＝ ring．devices（）［＇authorized＿doorbots＇］［0］
       for event in doorbell．history（limit＝20， kind＝＇ding＇）：
           current＿id ＝ event［＇id＇］
           break
       if current＿id ！＝ id：
           id ＝ current＿id
           print（＇［INFO］ finished search in：＇， str（time．time（） － start））
           start ＝ time．time（）
           if download＿only：
               handle＿video（ring， True）
               return
           handle ＝ handle＿video（ring）
           if handle：
               text＿to＿speech（handle）
           else：
               text＿to＿speech（＇The person at the door is not very clear＇）
       time．sleep（1）

如果你對identify、get＿first＿frame和text＿to＿speech方法調(diào)用有點困惑，不要擔(dān)心！我們就要談到這個了！現(xiàn)在我們的處理程序已經(jīng)就位，讓我們開始面部識別吧！FaceNetFaceNet是谷歌在2015年開發(fā)的一個模型。FaceNet使用一種稱為聚類的過程

聚類的目的是創(chuàng)建一種嵌入，就像單詞一樣。唯一的區(qū)別是，該模型不是學(xué)習(xí)向量標(biāo)記的id，而是將圖像壓縮到一個小的潛在空間。具體來說，給定一幅形狀為（160，160，3）的圖像，F(xiàn)aceNet模型，產(chǎn)生一個形狀為（128）的矢量，稱為它的嵌入。該模型將確保不同人的面孔在嵌入空間中的距離較遠(yuǎn)，同一個人的面孔距離較近。這樣，一個人無論在什么樣的光線條件下，從什么樣的角度，或者什么妝容，都可以被認(rèn)出來。FaceNet架構(gòu)FaceNet類似于ResNet和InceptionV3。架構(gòu)如下所示。輸入圖像經(jīng)過1x1Conv層和2x2Pooling層，然后沿著深度ResNet下行，由成對的Inception層和殘差連接層組成。最后的層包含多個3x3Conv、Concat和2x2Pooling層。