当前位置: 首页> 健康> 养生 > 公众号涨粉自助平台_seo全站优化全案例_免费影视软件靠什么赚钱_怎么去推广一个产品

公众号涨粉自助平台_seo全站优化全案例_免费影视软件靠什么赚钱_怎么去推广一个产品

时间:2025/7/11 14:44:20来源:https://blog.csdn.net/qq_43207259/article/details/147122818 浏览次数:0次
公众号涨粉自助平台_seo全站优化全案例_免费影视软件靠什么赚钱_怎么去推广一个产品

开发背景

家里养了三只猫咪,其中一只布偶猫经常出入厕所。但因为平时忙于学业,没法时刻关注牠的行为。我知道猫咪的如厕频率和时长与健康状况密切相关,频繁如厕可能是泌尿问题,停留过久也可能是便秘或不适。为了更科学地了解牠的如厕习惯,我计划搭建一个基于视频监控和AI识别的系统,自动识别猫咪进出厕所的行为,记录如厕时间和停留时长,并区分不同猫咪。这样即使我不在家,也能掌握猫咪的健康状态,更安心地照顾它们。


🎯 核心需求拆解:

1. 区域检测
  • 指定一个“如厕区域”,只在这个区域内检测是否有猫咪。

  • 可通过自定义矩形坐标或交互式选择方式设置该区域。

2. 猫咪检测 + 分类
  • 使用 YOLOv11 做目标检测,识别猫咪是否进入区域。

  • 分类出是哪只猫(通过猫脸识别或自定义分类模型实现)。

  • 支持动态添加新猫类别

3. 事件记录与图片保存
  • 检测到猫咪“进入区域”时:

    • 记录时间戳

    • 保存一张图片(入场图)

  • 检测到“离开区域”时:

    • 记录时间戳

    • 保存一张图片(离场图)

    • 计算如厕时间并保存(离开时间 - 进入时间)

4. 记录保存
  • 记录内容包括:

    • 猫咪ID / 名称

    • 进入时间

    • 离开时间

    • 如厕时长

    • 图片路径

  • 保存为 SQLite 数据库


🛠️ 技术栈:

  • 检测模型:YOLOv11 进行目标检测(识别是否为猫及位置)

  • 分类模型:使用一个轻量 CNN 或 ArcFace + ResNet 的猫脸识别模型(支持增量学习或动态注册)

  • 逻辑判断:跟踪猫咪是否进入区域(通过目标跟踪或 ID 跟踪)


✅ UI 界面设计:

  • 区域选择(绘制检测区域)【待更新】

  • 视频流预览(摄像头或视频)【待更新】

  • 猫咪管理(添加猫照片及名字)【已完成】

  • 事件记录展示(列表、时间线)【已完成】

  • 导出功能(CSV / Excel / 图片)【待更新】


✅ 一、猫咪分类模块(支持添加新猫)

思路:

我们用猫脸图片提特征,然后进行“最近邻”匹配:

  • 初次录入时,提取特征 + 存入特征库(保存为 .npy 或 SQLite)

  • 实时推理时,检测到猫 → 裁剪猫脸 → 提特征 → 与已知猫对比 → 分类结果

模型选型(轻量):

  • 使用 ResNet18 或 MobileFaceNet 做猫脸识别

  • 特征距离:欧氏距离 / 余弦相似度


✅ 二、YOLOv11 + 摄像头区域检测

功能:

  • 启动摄像头实时检测

  • 在图像中标注“如厕区域”

  • 判断猫是否进入区域

  • 裁剪猫图并交给分类模块识别

  • 管理状态(进入 / 离开)并记录时间


🧱 项目目录构建:

cat_monitor/
├── detector/               # YOLOv11 推理代码
│   └── yolo_detector.py
├── recognizer/             # 猫咪识别代码
│   ├── embedder.py         # 提取猫脸特征
│   ├── database.py         # 猫脸数据库管理
│   └── matcher.py          # 分类识别逻辑
├── data/
│   └── embeddings/         # 猫脸特征向量存储
├── records/                # 图片与如厕记录
├── web/                    # Flask 前端展示
├── main.py                 # 实时主程序
└── config.py


🐱 猫咪分类模块目标

✅ 功能概述:

  1. 用户上传猫咪脸部图片 + 输入名字 → 添加新猫

  2. 每张图提取特征(使用轻量模型)

  3. 将猫的特征保存(后续用于识别)

  4. 实时时:检测到猫 → 裁剪猫图 → 提特征 → 与库里比对 → 得出是哪只猫


🧠 分类逻辑核心流程:

  1. 提特征(使用预训练猫脸模型 or 自训练轻量 CNN)

  2. 保存特征向量(.npy)+ 名称映射

  3. 比对:通过余弦相似度 / 欧氏距离 → 找出最接近的猫


✅ 模块设计方案

🔹 1. embedder.py – 提取猫脸特征

import torch
import torchvision.transforms as transforms
from torchvision.models import resnet18
from PIL import Imageclass CatEmbedder:def __init__(self, model_path=None):self.model = resnet18(pretrained=True)  # 可替换为你训练的猫脸模型self.model.fc = torch.nn.Identity()self.model.eval()self.transform = transforms.Compose([transforms.Resize((224, 224)),transforms.ToTensor(),])def extract(self, img_path):img = Image.open(img_path).convert('RGB')img = self.transform(img).unsqueeze(0)with torch.no_grad():features = self.model(img)return features.squeeze().numpy()

🔹 2. database.py – 管理猫的特征库

import os
import numpy as np
import jsonclass CatDatabase:def __init__(self, db_path='data/embeddings'):self.db_path = db_pathself.mapping_file = os.path.join(db_path, 'cat_names.json')os.makedirs(db_path, exist_ok=True)if os.path.exists(self.mapping_file):with open(self.mapping_file, 'r') as f:self.name_map = json.load(f)else:self.name_map = {}def add_cat(self, name, embedding):cat_id = str(len(self.name_map))np.save(os.path.join(self.db_path, f"{cat_id}.npy"), embedding)self.name_map[cat_id] = namewith open(self.mapping_file, 'w') as f:json.dump(self.name_map, f)def get_all(self):embeddings = []names = []for cat_id, name in self.name_map.items():vec = np.load(os.path.join(self.db_path, f"{cat_id}.npy"))embeddings.append(vec)names.append(name)return embeddings, names

🔹 3. matcher.py – 识别猫咪身份

from sklearn.metrics.pairwise import cosine_similarity
import numpy as npclass CatMatcher:def __init__(self, db):self.db = dbdef match(self, query_vec, threshold=0.7):embeddings, names = self.db.get_all()if not embeddings:return "Unknown"sims = cosine_similarity([query_vec], embeddings)[0]best_idx = np.argmax(sims)if sims[best_idx] > threshold:return names[best_idx]return "Unknown"

✅ 流程示意图:

【上传猫脸图 + 名字】↓extract → embedding↓database.add_cat(name, embedding)↓
【实时分类时】→ 提特征 → matcher.match() → 猫名 / Unknown

✅ 测试:

# 测试添加猫
from recognizer.embedder import CatEmbedder
from recognizer.database import CatDatabaseembedder = CatEmbedder()
db = CatDatabase()vec = embedder.extract("cat_face_1.jpg")
db.add_cat("Mimi", vec)
# 测试识别
from recognizer.matcher import CatMatchermatcher = CatMatcher(db)
query_vec = embedder.extract("some_query_cat.jpg")
print(matcher.match(query_vec))

接下来制作一个猫咪添加页面的 Web 前端,用 Flask 实现,功能如下:


🧩 功能:

  1. 上传猫咪脸部图片(JPEG/PNG)

  2. 输入猫咪的名字

  3. 点击提交 → 提取特征并存入数据库

  4. 页面展示已有猫咪列表(含名字)


📁 项目结构(简化版)

cat_monitor/
├── recognizer/
│   ├── embedder.py
│   ├── database.py
│   └── matcher.py
├── web/
│   ├── app.py          ← Flask 主程序
│   ├── templates/
│   │   └── index.html  ← 上传页面
│   └── static/
│       └── uploads/    ← 存猫图

🔧 1. Flask 后端 (web/app.py)

from flask import Flask, render_template, request, redirect, url_for
import os
from recognizer.embedder import CatEmbedder
from recognizer.database import CatDatabaseapp = Flask(__name__)
UPLOAD_FOLDER = 'web/static/uploads'
app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER
os.makedirs(UPLOAD_FOLDER, exist_ok=True)embedder = CatEmbedder()
db = CatDatabase()@app.route('/', methods=['GET', 'POST'])
def index():if request.method == 'POST':name = request.form['name']file = request.files['image']if name and file:img_path = os.path.join(app.config['UPLOAD_FOLDER'], file.filename)file.save(img_path)vec = embedder.extract(img_path)db.add_cat(name, vec)return redirect(url_for('index'))# 显示已有猫_, names = db.get_all()return render_template('index.html', cats=names)if __name__ == '__main__':app.run(debug=True)

🖼️ 2. HTML 页面 (web/templates/index.html)

<!DOCTYPE html>
<html>
<head><title>猫咪识别管理</title>
</head>
<body><h2>添加新猫咪</h2><form method="POST" enctype="multipart/form-data"><input type="text" name="name" placeholder="猫咪名字" required><input type="file" name="image" accept="image/*" required><input type="submit" value="添加猫咪"></form><h3>已录入猫咪:</h3><ul>{% for name in cats %}<li>{{ name }}</li>{% endfor %}</ul>
</body>
</html>

✅ 使用方法

  1. 启动 Flask 服务:
cd web
python app.py
  1. 打开浏览器访问 http://127.0.0.1:5000/

  2. 添加猫咪并上传图片,后台会自动提特征并保存


✅ 前端效果展示

在这里插入图片描述

关键字:公众号涨粉自助平台_seo全站优化全案例_免费影视软件靠什么赚钱_怎么去推广一个产品

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

责任编辑: