背景
22年養了一隻很可愛的小狗狗，我其實就一個問題：為啥這麼可愛的狗狗會拉屎撒尿呀？
自從崽崽來了我們家之後，最讓我們頭疼的就是它亂拉、亂尿的問題了，以前會在家裡到處亂來，最近一段時間好了很多，已經只會在廁所拉/尿了。
雖然能都在廁所拉/尿，但是還是很耗費我們的精力。
我們家廁所是這樣的，我們把它的"狗廁所"擺在了廁所裡面，但是它老喜歡在廁所門口拉/尿，最噁心的是，老喜歡尿在這個透明的白箱子旁邊。怎麼訓練才能讓它在自己的廁所上拉/尿呢？
查閱了各種資料後，得出的結論就是，它尿/拉對了得給它獎勵，然後它尿/拉錯了，一定要當場抓獲！並且訓一頓，當場抓獲特別重要！但是，我們家的崽崽可太會了，它每次都能趁我們不注意，悄悄地"溜進"廁所，"迅速"地尿/便完，完美撤退，我們根本就發現不了。這讓我們想當場獎勵，或當場訓斥都沒法做到。
於是，忍無可忍的我只能上高科技了。
場景分析+技術實現
畫面捕捉
要想當場抓獲崽崽幹壞事，就必須及時發現它到廁所去了， 那就得有一個攝像頭一直監控著，並且還能用程式捕獲攝像頭的畫面，
這裡使用了TP-LINK的攝像頭，TP-LINK的攝像頭預設會在本地起一個rtsp的串流伺服器，只需要連上這個地址就能實時獲取到攝像頭捕捉的畫面。
目標檢測
捕捉了畫面之後，還需要用一個模型去做目標檢測，這樣才能識別到崽崽。
這裡直接使用了YOLOv5，這個庫使用COCO資料集做訓練，提供了好幾個不同規模的訓練好的模型，能直接使用。
提醒
家裡最容易能提醒到我們的就是小愛音響了，所以找個辦法能主動讓小愛說話就行了。
經過一番調研，選擇了HomeAssistant來做這個事，使用HomeAssistant裝上Xiaomi MIoT外掛之後，就可以選擇繫結賬號，並且繫結裝置。然後HomeAssistant就能提供API供我們呼叫了。
整體架構圖
目標檢測模型相關的細節
本來到此應該就圓滿結束了的，但是關於模型，還有一些要展開說說的內容。
模型的通用性
一開始我以為我們家的崽崽還算是一條比較"狗"的狗，用訓練好的模型直接去檢測就ok了，誰能想到，由於視角的問題（攝像頭是從上往下看的），崽崽根本就沒被識別，看圖也能發現，崽崽確實不太像狗，像是棉花：
所以我只能自己去訓練一個模型了，
這裡使用了roboflow進行資料的標註，標註起來還挺簡單的，並且最終能很容易地匯出YOLOv5所需的資料格式。
模型的訓練
這裡還發生了點小插曲，一開始按照官方教程，就訓練了3個epoch，然後發現模型質量差的不行，mAP也很低，壓根都識別不出來崽崽。
所以就訓練了10個epoch，質量明顯上來了:
模型的最佳化
雖然訓練了10個epoch後，能完美地識別崽崽了，但是誤識別太多了，可能崽崽就是太像棉花了，所以模型只識別了其毛茸茸的性質，以至於我的睡衣也被當成了崽崽：
所以得把這些圖片也餵給模型，並且這些圖片不做崽崽的標註，這樣，模型如果不小心將我的睡衣識別成了崽崽，就會收到懲罰了。
順便我還標註了一下自己，識別成人，之後可以擴充套件使用。
至此，模型的效果終於不錯了，誤識別也比較少發生了。
實用性提升
最後就是新增一些實用性的功能了
模型serving效能差
由於我有一臺伺服器，一臺普通電腦（帶GPU），伺服器是7x24開機的，而電腦不是，所以模型就得放在伺服器上，用cpu來做serving，這個時候，serving的效能就不是很夠了，一個圖片需要100ms才能識別完，相當於10FPS。而影片的輸入是30FPS的，所以肯定沒法直接使用。
這裡我並沒有針對模型的效能進行最佳化，而且取了個巧，先透過進行兩幀圖片的對比，識別出變化，在有變化產生後再進行模型的確認，所以模型serving的壓力只有在崽崽或者我們進廁所的時候才會產生，而一旦廁所沒有任何動靜，模型自己慢慢就處理完了。
這裡用的演算法是網上找的程式碼片段，也不確定具體是啥演算法，反正效果不錯，知道的同學可以補充說明一下：
- 計算幀間的距離（Pythagorean distance）
- 在計算出來的距離矩陣上應用高斯模糊
- 使用一定的閾值進行過濾
- 計算標準差
- 標準差大於一定的閾值，認為檢測到了運動，輸出資訊
記錄下模型的結果
由於模型還是會有一些誤識別，所以需要記錄下來識別的結果，後續補充資料集，繼續提升模型的效能。我這裡會記錄下識別結果圖和識別前的圖，識別圖可以快速地看結果對錯，原始圖可以用來重新標記。
控制通知的時機
- 一旦發現崽崽後，不需要一直報告，可以隔一段時間再報告（意味著模型也可以隔一段時間再識別，順便能節約一下計算資源），這裡我設定了20秒。
- 晚上不能吵我們睡覺，所以有靜默時間，這裡設定了23點開始到7點結束。
效果
現在只要崽崽出現在廁所，都能百分百提醒，偶爾人進去的時候會誤提醒，基本滿足了當時的需求。
相應地，崽崽已經很久(哈哈哈，才1天)沒有尿在廁所門口了，它現在能作案的時間只有晚上我們睡覺的時候，這個就沒辦法了。
下一步
說一下接下來可以擴充套件的點：
- 透過ONNX來提升模型serving的效能，之前測試過，在cpu做serving的前提下，ONNX可以將serving的效能提升好幾倍，當然那是1年前的做的實驗了，不確定現在還適應不，是一個值得嘗試的方向。
- 加入狗廁所識別的功能，這樣可以捕獲狗廁所的資訊和崽崽的資訊進行匹配，如果是在狗廁所上，那麼無需觸動警報
- 可以搞個姿勢識別的模型，發現崽崽尿/便對了，便對了就能識別出來，這樣就能給予獎勵了
- 再搞一個自動投餵的機器，可以遠端控制投餵，這樣一旦識別出來尿/便對了，就直接投餵好吃的零食，這樣人就可以完全不用管了。