给机器人开发个功能让它帮我照看宝宝

本文首发于古月居

这篇博客主要讲述了如何通过OriginBot来看护宝宝，当宝宝的脸不在摄像头的范围之内时，发送消息到钉钉群组，通知家人及时查看。

---

前言

我在上个月有了宝宝，为了方便照看宝宝，就买了一个带有宝宝看护功能的摄像头，但是产品做的不怎么样，最重要的脸部遮挡检测功能用不了，后来就退货了。退货后就萌生了自己用OriginBot做一个类似功能的想法，于是就有了这篇博客~

---

功能流程图（架构图）

具体的流程或者说架构如下：

其实整体也不复杂，OriginBot上有一个MIPI摄像头，然后利用地平线TogetheROS.Bot的人体检测和跟踪来实时检测摄像头中有没有脸部，如果没有脸部，就向后端发送一条数据，然后后端会向钉钉群组发消息告诉家人。钉钉群组里面需要事先创建一个webhook。

下面会分为人体检测、判断有无脸部、后端操作三个部分来记录。

---

人体检测

这一部分用的是地平线TogetheROS.Bot现成的功能，启动OriginBot之后，在命令行中运行如下命令：

# 配置tros.b环境
source /opt/tros/setup.bash

# 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
cp -r /opt/tros/lib/mono2d_body_detection/config/ .

# 配置MIPI摄像头
export CAM_TYPE=mipi

# 启动launch文件
ros2 launch mono2d_body_detection mono2d_body_detection.launch.py

此时可以通过http://IP:8000查看检测效果，这个模块检测了人体、人头、人脸、人手检测框、检测框类型和目标跟踪ID以及人体关键点等，我只取其中的人脸部分，当然了，以后也可以增加如人体检测等。

上面的命令运行之后，在OriginBot上执行ros2 topic list，应该会有一个topic叫做hobot_mono2d_body_detection, 这个就是我们需要的，我们会订阅这个话题，然后分析其中发送数据来判断有没有脸部

---

判断摄像头中有没有脸部

按照TogetheROS.Bot的文档说明，hobot_mono2d_body_detection的消息类型是ai_msgs.msg.PerceptionTargets, 具体如下：

# 感知结果

# 消息头
std_msgs/Header header

# 感知结果的处理帧率
# fps val is invalid if fps is less than 0
int16 fps

# 性能统计信息，比如记录每个模型推理的耗时
Perf[] perfs

# 感知目标集合
Target[] targets

# 消失目标集合
Target[] disappeared_targets

其中的disappeared_targets是我们关注的重点，如果face出现在disappeared_targets中，就说明之前是有脸部的，但是现在没有了，这个时候就要向后端发出数据进一步处理。

我为了判断有无脸部，写了一个ROS2 Node，代码如下：

import rclpy
from rclpy.node import Node
from ai_msgs.msg import PerceptionTargets
from cv_bridge import CvBridge
import time

from api_connection import APIConnection

BabyMonitorMapping = {
    # 这里的k-v要根据后端Django中的值来确定
    "face": "看不到脸",
    "body": "不在摄像头范围内",
}


class FaceDetectionListener(Node):
    """
    检测宝宝的脸是不是在摄像头中
    """
    def __init__(self):
        super().__init__("face_detection")
        self.bridge = CvBridge()
        self.subscription = self.create_subscription(
            PerceptionTargets, "hobot_mono2d_body_detection", self.listener_callback, 10
        )
        self.conn = APIConnection()
        self.timer = time.time()
        self.counter = 0

    def listener_callback(self, msg):
        targets = msg.targets
        disappeared_targets = msg.disappeared_targets
        targets_list = []
        disappeared_targets_list = []
        if disappeared_targets:
            for item in disappeared_targets:
                disappeared_targets_list.append(item.rois[0].type)
        if targets:
            for item in targets:
                targets_list.append(item.rois[0].type)
        print(f"检测到的对象如下：{targets_list}")
        print(f"消失的对象如下：{disappeared_targets_list}")
        if disappeared_targets_list:
            self.sending_notification(disappeared_targets_list)

    def sending_notification(self, disappeared_targets_list):
        for item in disappeared_targets_list:
            if BabyMonitorMapping.get(item):
                event = BabyMonitorMapping.get(item)
                if self.counter == 0:
                    # 这里baby的ID是模拟的，应该去数据库中查
                    data = {"event": event, "baby": "6b56979a-b2b9-11ee-920d-f12e14f97477"} 
                    self.conn.post_data(item=data, api="api/monitor/face-detection/")
                    self.counter += 1
                    self.timer = time.time()
                else:
                    if time.time() - self.timer >= 60.0:
                        # 60秒不重复发消钉钉消息
                        data = {"event": event, "baby": "6b56979a-b2b9-11ee-920d-f12e14f97477"}
                        self.conn.post_data(item=data, api="api/monitor/face-detection/")
                        self.timer = time.time()
                        self.counter += 1


def main(args=None):
    rclpy.init(args=args)
    try:
        face_detection_listener = FaceDetectionListener()

        rclpy.spin(face_detection_listener)
    except KeyboardInterrupt:
        print("终止运行")
    finally:
        face_detection_listener.destroy_node()
        rclpy.shutdown()


if __name__ == "__main__":
    main()

代码整体不难，但还是做几点必要的说明：
1. BabyMonitorMapping
这个字典的作用是把TogetheROS.Bot里面的字段跟后端的字段做一个映射关系，方便后面使用

2. API调用
代码中有两行如下:

data = {"event": event, "baby": "6b56979a-b2b9-11ee-920d-f12e14f97477"} 
self.conn.post_data(item=data, api="api/monitor/face-detection/")

这里的uri和data的格式由后端决定，不必细究，想了解细节的可以看后端代码。

3.APIConnection
APIConnection是用于请求的API的一个封装类，代码如下：

"""
API CONNECTION FOR IMPORTING WRAPPER
"""
import json
import logging
import requests
import envs


logging.basicConfig(
    format="%(asctime)s %(levelname)-8s %(message)s",
    level=logging.INFO,
    datefmt="%Y-%m-%d %H:%M:%S",
)


class APIConnection:
    """
    Api Connection
    """

    def __init__(self):
        self.api_url = envs.API_URL

        self.token = None
        self.headers = {
            "Content-Type": "application/json",
            "Cache-Control": "no-cache",
        }
        self.request_jwt()

    def request_jwt(self):
        """
        Request JWT token.
        """
        logging.info("Requesting JWT..")

        api_url = f"{self.api_url}api/token/"
        data = {
            "username": envs.SCRIPT_USER,
            "password": envs.SCRIPT_PASSWORD,
        }

        res = requests.post(api_url, data=json.dumps(data), headers=self.headers)

        if res.status_code == 200:
            data = res.json()
            self.token = data["access"]
            self.headers["Authorization"] = f"Bearer {self.token}"
        else:
            logging.error(
                f"Failed to obtain JWT. Status code: {res.status_code}, Message: {res.text}"
            )

    def upload_video(self, api, file):
        """
        post data
        :param item: items to be posted in json format
        :param api: path of endpoint
        """
        api_url = f"{self.api_url}{api}"

        try:
            res = requests.post(api_url, files=file, headers=self.headers, timeout=1)

            if res.status_code == 401:
                self.request_jwt()
                self.post_data(api, file)

            elif res.status_code in [200, 201]:
                logging.info(f"{res.status_code} - video uploaded successfully")
                return res.status_code

            else:
                logging.error(
                    f"{res.status_code} - {res.json()}- unable to upload video"
                )
                return res.status_code

        except Exception as err:
            logging.error(err)
            return 500

    def post_data(self, item, api):
        """
        新建一条数据
        """
        api_url = f"{self.api_url}{api}"

        try:
            response = requests.post(
                api_url, data=json.dumps(item), headers=self.headers, timeout=1
            )

            if response.status_code == 403:
                self.request_jwt()
                self.post_data(item, api)

            elif response.status_code not in [200, 201]:
                logging.error(
                    f"post data to backend failed, \
                      status code is {response.status_code}, \
                      error message is:\n \
                      {response.text}"
                )
        except Exception as err:
            logging.error(
                f"post data to backend failed, \
                  error message is:\n \
                  {err}"
            )

---

后端操作

经过前面两个部分，如果发现了脸部数据从OriginBot的摄像头中消失的话，已经会把记录发送到后端了，现在来讲一下后端的部分。

后端的操作说起来其实也很简单，就是接收到数据后，现在数据库中存一份，然后再向钉钉发消息提醒家人。

在OriginBot家庭助理计划里面提到过，后端是基于Django + Django rest framework 开发的，下面的内容需要一点django的基础才能看懂。

首先是创建了两个django model来存储数据。

class Baby(models.Model):
    """
    记录的宝宝的数据
    """

    id = models.UUIDField(primary_key=True, default=uuid.uuid1, editable=False)
    name = models.CharField(max_length=256)
    birth_date = models.DateField()
    gender = models.CharField(max_length=1, choices=(("男", "男"), ("女", "女")))

    def __str__(self):
        return self.name


class BabyMonitorData(models.Model):
    """
    记录宝宝监控相关的数据
    """

    event_choices = (
        ("看不到脸", "看不到脸"),
        ("哭", "哭"),
        ("翻身", "翻身"),
        ("不在摄像头范围内", "不在摄像头范围内"),
    )

    baby = models.ForeignKey(Baby, on_delete=models.PROTECT)
    event = models.CharField(max_length=128, choices=event_choices)
    timestamp = models.DateTimeField(auto_now_add=True)

    def __str__(self):
        return f"{self.baby.name} {self.event} {self.timestamp}"

    class Meta:
        ordering = ["-timestamp"]

需要注意的是，Baby和BabyMonitorData两个类之间存在外键关系。

在FaceDetectionListener中请求的api/monitor/face-detection/这个uri，最终在后端执行的代码是下面这一段：

class BabyMonitorView(viewsets.ModelViewSet):
    queryset = BabyMonitorData.objects.all().order_by("-timestamp")
    serializer_class = BabyMonitorSerializer

    def create(self, request, *args, **kwargs):
        response = super().create(request, *args, **kwargs)

        message = request.data
        try:
            event = message.get("event")
            baby = Baby.objects.filter(id=message.get("baby"))[0].name
        except IndexError:
            print("找不到对应的婴儿数据")
            return response

        send_msg_to_dingtalk(f"{baby} {event} 啦！")

        # 返回原始的 response
        return response

这里面做的事情就是向BabyMonitorData中存一条数据，然后通过send_msg_to_dingtalksend_msg_to_dingtalk给钉钉群组发消息。

send_msg_to_dingtalk的代码如下:

import json
import requests
from utils import envs

from datetime import datetime


def send_msg_to_dingtalk(msg):
    webhook = envs.DING_TALK_URL
    headers = {"Content-Type": "application/json;charset=utf-8"}
    data = {
        "msgtype": "text",
        "text": {
            "content": msg
            + f"[来自originbot，{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}]"
        },
    }

    response = requests.post(webhook, headers=headers, data=json.dumps(data))
    return response.text


if __name__ == "__main__":
    message = "Hello from my Python script!"
    send_msg_to_dingtalk(message)

代码中的webhook = envs.DING_TALK_URL其实是获取环境变量中钉钉群组机器人链接，至于如何创建钉钉群组机器人网上有很多教程，不再赘述。

到这里，如果一切顺利，应该就可以在钉钉里面看到消息啦，效果如下：

---

源代码

源码地址：https://github.com/yexia553/originbot_home_assistant

---

待优化

虽然一个最基础的demo完成了，但是还有很多需要优化的地方：

1. 小车只能在地上跑，但是宝宝一般在床上，只有把小车放在特定的位置，才能实现上述功能，这限制了实际应用，需要解决。
2. 续航问题，目前小车的电池只能使用2个小时左右
3. 目前只是检测摄像头中有没有脸，而不是检测宝宝的脸，可以考虑优化
4. 可以增加类似哭声检测、翻身等动作识别，并加上数据分析