AI Baby Monitor 开源项目教程

1. 项目介绍

AI Baby Monitor 是一个基于本地视频大语言模型（Video-LLM）的婴儿监控系统。该系统通过监控视频流（如摄像头或RTSP摄像头）并根据预设的安全规则进行判断，当规则被违反时，系统会发出一次轻微的蜂鸣声提醒用户关注婴儿。

特点：

• 隐私优先：所有操作都在本地网络内完成，不涉及数据外传。
• 实时性：在普通消费级GPU上能够以约1次/秒的速度运行。
• 简单提醒：当检测到异常时，仅发出一次蜂鸣声提醒，避免打扰。
• 实时仪表板：通过Streamlit实时查看视频流和LLM推理日志。
• 易于配置的规则：通过编辑YAML文件来添加或修改监控规则。
• 支持多房间监控：为每个房间配置单独的YAML文件即可。

2. 项目快速启动

环境准备

• Docker及docker-compose
• 一块GPU
• Python 3.12及以上版本，并安装uv库

启动步骤

1. 克隆项目仓库

   $ git clone https://github.com/zeenolife/ai-baby-monitor.git && cd ai-baby-monitor
   

2. 复制 .env.template 为 .env 文件

   $ cp .env.template .env
   

3. 构建并启动所有服务

   $ docker compose up --build -d
   

4. 在宿主机上启动监控程序

   $ uv run scripts/run_watcher.py --config-file configs/living_room.yaml
   

5. 打开仪表板 打开浏览器，输入 http://localhost:8501，也可以在手机上访问 http://{host_network_ip}:8501。

注意：首次运行会下载模型（大约6GB），构建Docker镜像，可能需要几分钟时间。

3. 应用案例和最佳实践

• 案例：使用AI Baby Monitor监控婴儿的行动，当婴儿做出潜在危险动作时，如尝试爬出婴儿床，系统会发出提醒。
• 最佳实践：在配置文件中详细描述监控规则，例如，“婴儿不应做任何危险动作”，“如果婴儿醒着，成人应在房间内”。

4. 典型生态项目

AI Baby Monitor 作为婴儿监控系统，可以与以下生态项目结合使用：

• 智能家居系统：将监控数据与其他智能家居设备联动，如自动关闭房间门或调整灯光。
• 家长通知应用：当系统发出警告时，通过手机应用通知家长。