作为一个新的亚马逊门铃的买家，我喜欢它提供的炫酷功能。然而，我认为我可以做一些改进。我需要的是为住在我家的人定制的门铃。要是门铃能认出是谁在敲门就好了。看到门铃是多么的受欢迎，我决定帮助大多数家庭，最好方法是让他们能够毫不费力地定制他们的门铃。我开发了一个应用程序，可以告诉你谁在你的门口，只需输入你的门铃帐户的用户名和密码。知道谁在你的门口，无需等待门铃在你的智能手机上显示视频，这是非常方便的。它大大提高了安全性，带来了极大的便利，甚至可以安装在一个自动开门的系统上。在深度学习时代，每个家庭都需要安装这些系统。下图说明了我的系统是如何工作的。
完整的代码可以在这里的Git存储库中找到。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
让我们来分析一下发生了什么。通过输入用户名和密码作为环境变量，Ring API就能够连接到你的帐户。该API允许用户访问python特性。这里（https：／／github．com／tchellomello／python－ring－doorbell）有API存储库和简短的文档。这是Ring．py的一个片段，它实例化了一个与你的门铃的连接：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方法持续运行并实例化一个正在等待客户端的处理程序。它会继续刷新，直到发现Ring的存储历史记录有更新。一旦发生这种情况，它检查门铃是否被按了。如果是这样，它会把整个视频下载到你的设备上。为了加快这一过程，请使用智能手机上的ring应用程序缩小视频录制的大小。你的门铃响了，最后一段视频就会传到你的电脑上。从那里，我们截取了那段视频的多个帧，以确保一个人的脸都不会被遮住。我在utils．py中定义了这个方法。它将在稍后显示。下面是ring．py的另一个片段。用于处理主线程：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）
如果你对identify、get＿first＿frame和text＿to＿speech方法调用有点困惑，不要担心！我们就要谈到这个了！现在我们的处理程序已经就位，让我们开始面部识别吧！FaceNetFaceNet是谷歌在2015年开发的一个模型。FaceNet使用一种称为聚类的过程
聚类的目的是创建一种嵌入，就像单词一样。唯一的区别是，该模型不是学习向量标记的id，而是将图像压缩到一个小的潜在空间。具体来说，给定一幅形状为（160，160，3）的图像，FaceNet模型，产生一个形状为（128）的矢量，称为它的嵌入。该模型将确保不同人的面孔在嵌入空间中的距离较远，同一个人的面孔距离较近。这样，一个人无论在什么样的光线条件下，从什么样的角度，或者什么妆容，都可以被认出来。FaceNet架构FaceNet类似于ResNet和InceptionV3。架构如下所示。输入图像经过1x1Conv层和2x2Pooling层，然后沿着深度ResNet下行，由成对的Inception层和残差连接层组成。最后的层包含多个3x3Conv、Concat和2x2Pooling层。
