AI coordinator

人工知能 & ロボティクス

サイト運営者

Hideki
問い合わせ

20178/12

物体検出, python

監視カメラで撮影した画像を自動でSlackにアップロードする方法

1 画像確認はSlackが便利
2 Slackはリアルタイムにすぐに確認できる便利なツール
3 参考にさせて頂いたサイトの紹介
4 そんなわけで実装してみました
5 サンプルソースコード
6 結果

画像確認はSlackが便利

前回紹介した動体撮影に特化した監視カメラの作成方法で、保存した写真をどうやって簡単に確認できるか模索していたところ、Slackにアップロードする技を紹介している記事を見つけたので、それを参考に実装してみました。

Slackはリアルタイムにすぐに確認できる便利なツール

監視カメラで撮影した写真をローカルに保存しておくだけでは、いちいち確認のたびにファイルを開く必要があります。

また外出してしまったら、外部からそのファイルを参照する術がありません。

それならば、メールで写真を送信すれば良いのでは？とも考えました。

メールなら外出先でも確認できますし、見たいときに直ぐ確認できます。

ただ、メールも一々ファイルを開いて確認する必要があるのと、撮影される度に毎回送信されてくることを考えると、メールの量が多すぎて確認が大変なんてことにもなりかねません。

結局メール送信も確認する上では便利ではありません。

参考にさせて頂いたサイトの紹介

そんな感じで色々悩んでいたところ、下記サイトでSlackを使った画像確認方法を紹介しているサイトを見つけたわけです。

はじめてのRaspberry PIで監視カメラを作ってみた。

情報提供有難うございます。

しかも簡単に実装できます。

そんなわけで実装してみました

以下のソースコードを付け加えるだけです。

from slacker import Slacker
token = "xxxxxxxxxx"
slacker = Slacker(token)
channel_name = "#" + "general"
result = slacker.files.upload(ファイルのpath, channels=['xxxxxxxx'])

from slacker import Slacker

token = "xxxxxxxxxx"

slacker = Slacker(token)

channel_name = "#" + "general"

result = slacker.files.upload(ファイルのpath, channels=['xxxxxxxx'])

tokenとchannelsを指定すれば画像をアップロードできます。

tokenのchannelsを取得方法については色々なサイトで紹介されているので、そちらを参考にしてください。

ファイルのpathにアップロードしたいファイルを指定してください。

サンプルソースコード

# -*- coding: utf-8 -*-
import cv2
import numpy as np
from datetime import datetime
from slacker import Slacker

def flame_sub(im1,im2,im3,th,blur):

    d1 = cv2.absdiff(im3, im2)
    d2 = cv2.absdiff(im2, im1)
    diff = cv2.bitwise_and(d1, d2)
    # 差分が閾値より小さければTrue
    mask = diff < th
    # 背景画像と同じサイズの配列生成
    im_mask = np.empty((im1.shape[0],im1.shape[1]),np.uint8)
    im_mask[:][:]=255
    # Trueの部分（背景）は黒塗り
    im_mask[mask]=0
    # ゴマ塩ノイズ除去
    im_mask = cv2.medianBlur(im_mask,blur)

    return  im_mask

if __name__ == '__main__':

    cam = cv2.VideoCapture(0)
    
    #写真撮影用初期パラメータ/２秒以上の間隔で撮影
    last_time = datetime.now()
    interval = 10
    #cam.set(3, 640)  # Width
    #cam.set(4, 380)  # Heigh
    im1 = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)
    im2 = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)
    im3 = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)

    while True:
        # フレーム間差分計算
        im_fs = flame_sub(im1,im2,im3,5,7)
        cv2.imshow("Motion Mask",im_fs)
        
        #輪郭を検出
        cunts = cv2.findContours(im_fs,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)[1]        
        ret, frame = cam.read()
        
        Photo = False
        
        #四角で囲む/小さい物体無視
        for pt in cunts:
            x,y,w,h = cv2.boundingRect(pt)
            if w < 100: continue
            cv2.rectangle(frame, (x, y), (x+w, y+h),(0, 255, 0), 3)
            
            Photo = True
        
        #撮影は２秒以上の間隔で撮影
        if Photo:
            now = datetime.now()
            fntime = lambda n : int(n.strftime('%S'))
            sec = fntime(now) - fntime(last_time)
            
            #print(fntime(now))
            #print(fntime(last_time))
            
            
            if sec < 0:
                sec = sec * -1
            print(sec)
            
            if sec > interval:
                #動いている物体の画像を保存する
                f = now.strftime('%Y-%m-%d-%H-%M-%S') + ".jpg"
                cv2.imwrite(f,frame)
                last_time = now
                
                #Slackにアップロードする
                token = "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
                slacker = Slacker(token)
                channel_name = "#" + "general"
                result = slacker.files.upload(f, channels=['xxxxxxxx'])
        
        cv2.imshow("Input",frame)
        
        im1 = im2
        im2 = im3
        im3 = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)
        key = cv2.waitKey(10)
        # Escキーが押されたら
        if key == 27:
            cv2.destroyAllWindows()
            break

# -*- coding: utf-8 -*-

import cv2

import numpy as np

from datetime import datetime

from slacker import Slacker

def flame_sub(im1,im2,im3,th,blur):

d1 = cv2.absdiff(im3, im2)

d2 = cv2.absdiff(im2, im1)

diff = cv2.bitwise_and(d1, d2)

# 差分が閾値より小さければTrue

mask = diff < th

# 背景画像と同じサイズの配列生成

im_mask = np.empty((im1.shape[0],im1.shape[1]),np.uint8)

im_mask[:][:]=255

# Trueの部分（背景）は黒塗り

im_mask[mask]=0

# ゴマ塩ノイズ除去

im_mask = cv2.medianBlur(im_mask,blur)

return im_mask

if __name__ == '__main__':

cam = cv2.VideoCapture(0)

#写真撮影用初期パラメータ/２秒以上の間隔で撮影

last_time = datetime.now()

interval = 10

#cam.set(3, 640) # Width

#cam.set(4, 380) # Heigh

im1 = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)

im2 = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)

im3 = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)

while True:

# フレーム間差分計算

im_fs = flame_sub(im1,im2,im3,5,7)

cv2.imshow("Motion Mask",im_fs)

#輪郭を検出

cunts = cv2.findContours(im_fs,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)[1]

ret, frame = cam.read()

Photo = False

#四角で囲む/小さい物体無視

for pt in cunts:

x,y,w,h = cv2.boundingRect(pt)

if w < 100: continue

cv2.rectangle(frame, (x, y), (x+w, y+h),(0, 255, 0), 3)

Photo = True

#撮影は２秒以上の間隔で撮影

if Photo:

now = datetime.now()

fntime = lambda n : int(n.strftime('%S'))

sec = fntime(now) - fntime(last_time)

#print(fntime(now))

#print(fntime(last_time))

if sec < 0:

sec = sec * -1

print(sec)

if sec > interval:

#動いている物体の画像を保存する

f = now.strftime('%Y-%m-%d-%H-%M-%S') + ".jpg"

cv2.imwrite(f,frame)

last_time = now

#Slackにアップロードする

token = "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

slacker = Slacker(token)

channel_name = "#" + "general"

result = slacker.files.upload(f, channels=['xxxxxxxx'])

cv2.imshow("Input",frame)

im1 = im2

im2 = im3

im3 = cv2.cvtColor(cam.read()[1], cv2.COLOR_RGB2GRAY)

key = cv2.waitKey(10)

# Escキーが押されたら

if key == 27:

cv2.destroyAllWindows()

break

結果

キタキタキターーーーーーーー

素早く、そしてスクロールでみれるこの快適さ。

たった数行だけで、こんなに便利に使えるなんて言うことないですね。

しかも無料です。

ぜひお試しあれ。

その他の物体検出記事はこちらから

それではまた

この記事へのコメントはありません。

この記事へのトラックバックはありません。

トラックバック URL

20179/23

物体検出, DeepLearning, python

YOLOv2のリアルタイム物体検出をTensorFlowとPythonで実装する方法

YOLO v2をどうしてもPythonで使ってみたかったので作ってみた数多くあるオブジェクト物体検出の中で、処理速度が最も早い？と言われ…

20173/5

python, Pepper

Pepper用Python 2.7 SDK（WIN）セットアップ方法

コレグラフを使用しなくてもPepperを動かせるPython 2.7 SDKセットアップ方法 Windows編前回に続き、今回はWind…

20176/15

python

anacondaの使い方メモ

anacondaの使い方忘れないようにanacondaの使い方を自分用にメモします。よく使うコマンド anac…

20175/14

物体検出, DeepLearning, python

誰でもできるtensorflowを使ったサンプル画像認識

tensorflowなら簡単に画像認識ができる tensorflowの入門編として、簡単にサンプルソースを使った画像認識を試してみたので、…

20179/16

物体検出, python

Selective Searchを使った映像からの物体検出にチャレンジ

Selective Search 物体検出にチャレンジしている筆者としては、どうやって画像から物体らしき部分を効率よく抽出できるかを日々模…

20178/26

自然言語処理, python

対話ができる？kerasで英文を自動生成するLSTMモデルの作成方法

英文だけど、LSTMモデルを作成して文章を自動生成できるか試してみた文章を自動生成できるようになれば、AIも大きく進化するなぁ〜なんて日…

20174/29

python

jupyter notebookのインストールに失敗した時の対処法（MAC）

jupyter notebookのインストールに失敗簡単にインストールできると思った「jupyter notebook」のインストールに…

20176/23

自然言語処理, python

wikipedia全文データからWord2Vecで類義語を抽出してみる

自然言語処理の入門、wikipedia全文データを使ってみる自然言語処理について何から勉強を始めようかと色々模索していたところ、wiki…

20179/10

物体検出, DeepLearning, python, Pepper

R-CNNを「Tensorflow x Pepper」で実装する方法

アトリエ秋葉原で勉強会を開催アトリエ秋葉原で勉強会の講師を努めさせて頂きました。独学でDeepLearningを学んで「Tens…

201710/9

DeepLearning, python

Fine-tuningを使って少ない画像データから効率よく学習モデルを作成する方法

VGG16モデルを使ったFine-tuning 近々、人を認識させる学習モデルを真面目に開発する機会が発生したため、以前からチャレンジして…

AI coordinator

人工知能 & ロボティクス

Category

Archive

おすすめ記事

最近の記事

サイト運営者

監視カメラで撮影した画像を自動でSlackにアップロードする方法

画像確認はSlackが便利

Slackはリアルタイムにすぐに確認できる便利なツール

参考にさせて頂いたサイトの紹介

そんなわけで実装してみました

サンプルソースコード

結果

関連記事

anacondaの使い方メモ

リアルタイム映像からの美人女優検出

綺麗にAnacondaをアンイストールする方法 For macOS

簡単にできるOpenCVを使った顔検出

Pepperコントローラー for Python

映像物体検出（SSD_Keras）を簡単に実装する方法 for maxOS

コメント

YOLOv2のリアルタイム物体検出をTensorFlowとPythonで実装する方法

Pepper用Python 2.7 SDK（WIN）セットアップ方法

anacondaの使い方メモ

誰でもできるtensorflowを使ったサンプル画像認識

Selective Searchを使った映像からの物体検出にチャレンジ

対話ができる？kerasで英文を自動生成するLSTMモデルの作成方法

jupyter notebookのインストールに失敗した時の対処法（MAC）

wikipedia全文データからWord2Vecで類義語を抽出してみる

R-CNNを「Tensorflow x Pepper」で実装する方法

Fine-tuningを使って少ない画像データから効率よく学習モデルを作成する方法