Computer Vision kod kuće: Podesi kameru za 20 minuta [DIY]

Zaboravi skupe senzore: Zašto tvoja stara USB kamera vrijedi 500 KM

Profesionalni sistemi za video nadzor sa prepoznavanjem lica i detekcijom objekata koštaju preko 2.500 KM. Tvoja stara Logitech kamera iz 2012. godine, koja skuplja prašinu u ladici, može raditi istu stvar za nula maraka. Ako znaš kako da natjeraš računar da ‘vidi’, ne plaćaš porez na neznanje. Većina ljudi misli da im treba NVIDIA server da bi pokrenuli osnovni Computer Vision. To je laž. Treba ti običan Python, OpenCV biblioteka i 20 minuta tvog vremena. Ako si ikada osjetio miris pregrijane plastike iz starog kućišta dok pokušavaš instalirati drajvere, znaš o čemu pričam. Ovdje nema mjesta za sterilne tutorijale. Idemo prljavo, idemo direktno u kod.

Hardver iz podruma: Šta ti zapravo treba

Ne kupuj nove IP kamere. One su često zaključane na kineske servere koji ti usporavaju protok. Nađi bilo koju USB web kameru. Čak i ona sa 720p rezolucijom je dovoljna. Zašto? Zato što tvoj procesor ne može da žvače 4K video u realnom vremenu bez kašnjenja od 5 sekundi. Što je rezolucija veća, to je više ‘šuma’ u slici koji zbunjuje algoritam. Ako planiraš ovo montirati vani, nađi staru teglu za zimnicu. Ozbiljan sam. Napravi ‘DIY kućište’ koje je vodootporno, ali ostavi rupu za kabl koju ćeš začepiti silikonom. Miris silikona je miris pobjede u DIY svijetu. Prije nego što kreneš u instalaciju, obavezno pogledaj kako da izbjegneš 3 greške pri AI instalaciji koje kvare sistem.

Zašto tvoj stari laptop nije smeće

Čak i dvojezgreni procesor iz 2018. godine može pokrenuti Frame Differencing algoritam. To je osnova svega. Umjesto da računar analizira svaku sliku, on samo gleda šta se promijenilo između dva frejma. Ako se ništa ne miče, procesor spava. Onog trena kad mačka prođe ispred kamere, skripta se budi. To je efikasnost koju ti prodavci skupih sistema ne govore.

The ‘Ghost’ Frame Mistake: Zašto tvoj sistem stalno javlja lažne alarme

Najveća frustracija kod kućnog video nadzora su lažni alarmi. Sjena drveta se pomakne na vjetru i tvoj telefon poludi od notifikacija. Evo u čemu griješiš: tvoj prag osjetljivosti (threshold) je postavljen prenisko. U OpenCV-u, funkcija cv2.threshold je tvoj najbolji prijatelj i najgori neprijatelj. Ako je postaviš na 25, svaki trun prašine će aktivirati snimanje. Postavi je na 50-60. Također, moraš primijeniti Gaussian Blur. Ako ne ‘zamutiš’ sliku prije analize, digitalni šum će uništiti tvoju logiku. To je onaj osjećaj kada trljaš oči ujutro – tvoj računar treba isto to da bi vidio jasno. Ovaj proces je mnogo lakši ako već znaš kako da povežeš Python i AI skriptu koja radi umjesto tebe.

WARNING: Nikada ne usmjeravaj kameru direktno u sunce. CMOS senzor će doslovno izgorjeti, a ti ćeš dobiti trajne ljubičaste mrlje na slici. Popravka ne postoji, samo kanta za smeće.

Anatomija katastrofe: Šta se dešava kad zaboraviš na threading

Ako napišeš kod koji čita frejm, obrađuje ga, pa ga tek onda prikazuje, tvoj video će izgledati kao slide-show iz 90-ih. To se zove ‘blocking code’. Tvoj procesor se znoji, RAM se puni, a ti gubiš živce. Rješenje: Threading. Moraš imati jedan proces koji samo ‘otima’ slike sa USB porta i drugi koji ih obrađuje. Ako to ne uradiš, tvoja skripta će puknuti nakon 15 minuta rada jer se bafer prepunio. Vidio sam ljude kako bacaju tastature zbog ovoga. Nemoj biti taj lik. Iskoristi Pythonovu threading biblioteku i osjeti kako sistem ‘prodiše’.

Zašto ovo radi? (Nauka iza matrice)

Digitalna slika nije ništa drugo nego ogromna tabela brojeva. Svaki piksel je broj od 0 do 255. Kada oduzmeš ‘frejm A’ od ‘frejma B’, dobiješ razliku. Ako je razlika nula, ništa se ne dešava. Ako je razlika velika, nešto se pomaklo. To je čista fizika svjetlosti pretvorena u matematiku. Problem nastaje kod promjene osvjetljenja. Ako oblak zakrije sunce, cijela tvoja ‘tabela brojeva’ se promijeni odjednom. Zato koristimo Running Average tehniku – tvoj model uči šta je ‘normalna’ pozadina tokom vremena. To je kao kad se navikneš na buku frižidera u kuhinji – tvoj mozak je filtrira, baš kao što tvoj kod treba filtrirati sunce.

Da li je tvoja privatnost ugrožena?

Kada podesiš kameru, prva stvar koju treba da uradiš je da blokiraš pristup spolja. Koristi lokalnu IP adresu. Ako tvoja skripta šalje podatke na neki Cloud, tvoji privatni trenuci su na prodaju. Nauči kako sakriti API ključeve i osigurati svoj razvoj od hakera. Ne budi onaj komšija čija kamera strimuje doručak cijelom internetu.

Troškovnik: DIY vs. Prodavnica

Kupovna smart kamera sa AI detekcijom: 150 KM + mjesečna pretplata od 15 KM. DIY rješenje: Stara kamera (0 KM), tvoj PC (već ga imaš), struja (zanemarivo). Ušteda u prvoj godini: preko 300 KM. Za te pare možeš kupiti još tri Raspberry Pi-ja i napraviti cijelu mrežu ‘pametnih očiju’ po kući. DIY nije samo štednja, to je preuzimanje kontrole nad tvojim hardverom. Slather, yank, wrestle – bori se sa kodom dok ne proradi. Osjećaj kad tvoj telefon javi ‘Osoba detektovana na vratima’ koristeći tvoj vlastiti kod je neprocjenjiv. Sad idi u podrum, nađi tu kameru i zaprljaj ruke.