当前位置：首页 > news >正文

猫咪如厕检测与分类识别系统系列【五】信息存储数据库改进+添加猫咪页面制作+猫咪躯体匹配算法架构更新

news 来源：原创 2025/9/9 23:00:31

前情提要

家里养了三只猫咪，其中一只布偶猫经常出入厕所。但因为平时忙于学业，没法时刻关注牠的行为。我知道猫咪的如厕频率和时长与健康状况密切相关，频繁如厕可能是泌尿问题，停留过久也可能是便秘或不适。为了更科学地了解牠的如厕习惯，我计划搭建一个基于视频监控和AI识别的系统，自动识别猫咪进出厕所的行为，记录如厕时间和停留时长，并区分不同猫咪。这样即使我不在家，也能掌握猫咪的健康状态，更安心地照顾它们。

已完成工作：

✅猫咪如厕检测与分类识别系统系列【一】功能需求分析及猫咪分类特征提取
✅猫咪如厕检测与分类识别系统系列【二】多图上传及猫咪分类特征提取更新
✅猫咪如厕检测与分类识别系统系列【三】融合yolov11目标检测
✅猫咪如厕检测与分类识别系统系列【四】融合检测日志输出及前端展示界面制作

计划工作：

✅ 猫咪管理功能：已完成猫咪照片上传与名称登记模块。
✅ 多图上传与分类特征提取：已支持批量上传猫咪图像并自动更新个体特征库。
✅ 目标检测与事件识别集成（YOLOv11）：功能开发中，正在实现猫咪行为自动识别。
⏳ 检测区域绘制功能：待开发，计划支持用户自定义如厕检测区域。
🔄 事件行为记录模块：进行中，将实现如厕进出时间、停留时长等事件记录功能。
⏳ 检测结果推流展示：待更新，计划支持算法结果实时推流。
⏳ 整体运行结果推流整合：待更新，计划集成检测图像与系统状态为统一视频流输出。
我们现在进行两项升级：

将如厕记录 存储到 SQLite 数据库

替代 CSV 存储方式
使用 SQLite 存储字段：猫名、进入时间、离开时间、如厕时长、图片路径等

前端页面支持 上传猫脸图 & 添加猫

用户可以从 Web 上传图片 + 猫名
自动提特征并写入猫数据库（支持多图上传）

🗂️ 本章节会包括：

模块	内容
`toilet_logger.py`	改写为使用 SQLite 存储记录
`cat_database.db`	存储如厕记录表 `toilet_logs`
Flask 页面上传猫图	上传猫图 + 猫名，调用特征提取器 + 保存
Flask 页面展示	改为从数据库查询展示记录

完成 SQLite 日志存储 + 查询展示（如厕记录页改数据库）
如厕记录系统已升级为使用 SQLite 数据库 存储，文件为：

records/toilet_log.db

表结构：toilet_logs(name, enter_time, exit_time, duration, enter_image, exit_image)

更新 Flask 页面，改为从数据库中查询记录并展示到表格中。

# app.py (使用 SQLite 显示如厕记录)from flask import Flask, render\_template, requestimport sqlite3import osapp \= Flask(\_\_name\_\_, static\_url\_path\='')DB\_PATH \= "records/toilet\_log.db"@app.route('/')def index():query \= request.args.get('q', '').lower()records \= \[\]if os.path.exists(DB\_PATH):conn \= sqlite3.connect(DB\_PATH)cursor \= conn.cursor()cursor.execute("SELECT name, enter\_time, exit\_time, duration, enter\_image, exit\_image FROM toilet\_logs ORDER BY id DESC")for row in cursor.fetchall():if query in row\[0\].lower():records.append({'Name': row\[0\],'Enter Time': row\[1\],'Exit Time': row\[2\],'Duration(s)': row\[3\],'Enter Image': row\[4\],'Exit Image': row\[5\]})conn.close()return render\_template('index.html', records\=records, query\=query)if \_\_name\_\_ \== '\_\_main\_\_':app.run(debug\=True)

✅ Flask 页面后端已完成更新，现在从 SQLite 数据库读取如厕记录，并支持通过 URL 查询参数 q 进行猫咪名称筛选。

✅ 接下来是 HTML 页面改造：

输入框支持搜索（发送请求到 /?q=猫名）
保留图片预览功能
所有记录从数据库加载

html_updated = """
<!DOCTYPE html>
<html>
<head><meta charset="UTF-8"><title>猫咪如厕记录</title><style>body { font-family: Arial, sans-serif; margin: 20px; background-color: #f9f9f9; }h2 { color: #333; }table { width: 100%; border-collapse: collapse; margin-top: 20px; }th, td { border: 1px solid #ccc; padding: 10px; text-align: center; }th { background-color: #e0e0e0; }input[type="text"] { padding: 6px; width: 240px; margin-bottom: 15px; }.thumbnail { height: 80px; cursor: pointer; border-radius: 6px; }.modal { display: none; position: fixed; top: 0; left: 0; width: 100%; height: 100%;background-color: rgba(0, 0, 0, 0.7); align-items: center; justify-content: center; }.modal img { max-width: 80%; max-height: 80%; border-radius: 10px; }</style>
</head>
<body><h2>🐱 猫咪如厕记录</h2><form method="get" action="/"><input type="text" name="q" value="{{ query }}" placeholder="输入猫咪名字筛选..."><button type="submit">搜索</button></form><table id="recordTable"><thead><tr><th>猫咪</th><th>进入时间</th><th>离开时间</th><th>如厕时长 (秒)</th><th>进入图</th><th>离开图</th></tr></thead><tbody>{% for r in records %}<tr><td>{{ r['Name'] }}</td><td>{{ r['Enter Time'] }}</td><td>{{ r['Exit Time'] }}</td><td>{{ r['Duration(s)'] }}</td><td><img src="{{ '/' + r['Enter Image'] }}" class="thumbnail" onclick="showModal(this.src)"></td><td><img src="{{ '/' + r['Exit Image'] }}" class="thumbnail" onclick="showModal(this.src)"></td></tr>{% endfor %}</tbody></table><div class="modal" id="imgModal" onclick="hideModal()"><img id="modalImg" src=""></div><script>function showModal(src) {document.getElementById("modalImg").src = src;document.getElementById("imgModal").style.display = "flex";}function hideModal() {document.getElementById("imgModal").style.display = "none";}</script>
</body>
</html>
"""with open("cat_monitor/web/templates/index.html", "w", encoding="utf-8") as f:f.write(html_updated)"index.html 页面已更新，支持 SQLite 查询并带搜索功能。"

✅ 前端页面已更新，现在支持：

从 SQLite 查询如厕记录
输入猫名关键词搜索（带刷新保留结果）
缩略图展示 + 点击预览大图

📍访问方式：

cd cat_monitor/web
python app.py

浏览器打开： http://127.0.0.1:5000/

图片路径无法访问问题原因分析：

图片无法展示，说明 图片路径不对 或 Flask 无法找到图片文件。当前的记录表中，图片路径是这样的：

records/cat_name_enter_123456.jpg

但 Flask 默认只能访问 static/ 下的资源。

✅ 解决方案：

✅ 1. 把保存的图片改为放在 `web/static/records/` 目录

修改你的 main.py 中这两行保存图片的位置：

cv2.imwrite("web/static/records/xxx.jpg", frame)

同时，保存路径传给数据库的也要改为相对路径，例如：

enter_img = f"static/records/{cat_name}_enter_{int(entry_time)}.jpg"

这样 Flask 页面显示时用：

<img src="/static/records/{{ r['Enter Image'] }}" ...>

✅ 2. 或者：设置 Flask 支持访问 `/records/`

如果你不想改文件保存位置，也可以在 Flask 中暴露 records 目录：

app = Flask(__name__, static_url_path='')# 添加这行让 Flask 能访问 records/ 里的图片
@app.route('/records/<path:filename>')
def serve_record_file(filename):from flask import send_from_directoryreturn send_from_directory('../records', filename)

然后前端页面这样写：

<img src="/records/{{ r['Enter Image'].split('/')[-1] }}" class="thumbnail">

✅ 推荐方式（更整洁）：

我们规范所有图像都放到：

cat_monitor/web/static/records/

并使用 Flask 默认 static 路由 /static/... 展示即可。

🧩 进一步功能增强：

✅ 1. 【猫图上传页面】

Web 页面上传猫脸图 + 名字
多图批量上传（改进识别稳定性）
自动提取特征并存入猫数据库

✅ 2. 【统计功能】

每只猫如厕频率统计（柱状图）
如厕时长统计（平均、总和）
趋势图（按日期汇总）

✅ 3. 【记录导出】

记录导出为 CSV / Excel
可按猫名 / 时间筛选后导出

1.猫图上传页面

✅ 之前已经创建了独立路由 /add_cat 支持：

猫名输入
批量上传猫脸图
自动提取特征，保存识别样本
上传成功后提示处理结果

接下来我会写页面模板 add_cat.html，支持：

猫名输入框
多图上传控件
上传进度提示 / 成功信息

下面是其HTML 页面，并把它集成到原 Flask 页面的顶部菜单里作为一个导航入口。

html_addcat = """
<!DOCTYPE html>
<html>
<head><meta charset="UTF-8"><title>添加猫咪</title><style>body { font-family: Arial, sans-serif; margin: 20px; }h2 { color: #333; }form { background: #f9f9f9; padding: 20px; border-radius: 8px; }input[type="text"], input[type="file"] {padding: 8px; width: 300px; margin-bottom: 10px;}input[type="submit"] {padding: 8px 16px; background: #4CAF50; color: white; border: none; border-radius: 4px;}.message { margin-top: 15px; color: green; }a { display: inline-block; margin-top: 15px; color: #007BFF; text-decoration: none; }</style>
</head>
<body><h2>📤 添加猫咪识别样本</h2><form method="POST" enctype="multipart/form-data"><label>猫咪名字：</label><br><input type="text" name="name" required><br><br><label>上传猫脸图片（可多选）：</label><br><input type="file" name="images" multiple accept="image/*" required><br><br><input type="submit" value="上传并添加"></form>{% if message %}<div class="message">{{ message }}</div>{% endif %}<a href="/">← 返回如厕记录页</a>
</body>
</html>
"""with open("cat_monitor/web/templates/add_cat.html", "w", encoding="utf-8") as f:f.write(html_addcat)"已创建上传猫图页面 add_cat.html，可集成入口按钮到主页面。"

✅ 上传猫图页面 add_cat.html 已创建完毕。接下来我们将它集成到主页面（如厕记录页）里，方式如下：

🔧 集成步骤

在 index.html 顶部添加导航链接，例如放在 <body> 下：

<a href="/add_cat" style="text-decoration: none; background: #4CAF50; color: white; padding: 8px 12px; border-radius: 4px;">➕ 添加猫咪</a>

我可以立即为你修改 index.html 文件，是否现在执行？你也可以告诉我更偏好的按钮样式或放置位置～

✅ 2. 增加统计图表功能

功能目标：

显示每只猫如厕的 频率统计（柱状图）
显示每只猫的 平均如厕时长（可选）
使用 Chart.js 进行前端可视化

具体实现步骤如下：

更新后端 SQL 查询逻辑，支持：
- 按猫名聚合统计频率和平均时长
- 按日期筛选记录（支持 URL 参数）
更新 index.html 页面：
- 增加统计图表容器（Chart.js）
- 增加时间筛选表单
- 增加 “导出记录” 按钮

下面柱状图统计（如厕频率）代码，并集成到页面中。主要展示哪种统计图为主：频率、平均时长、趋势。

chart_html = """
<!-- 追加在 index.html 中统计图部分 -->
<h3>📊 猫咪如厕统计</h3>
<canvas id="chartFreq" height="120"></canvas>
<canvas id="chartDur" height="120" style="margin-top: 30px;"></canvas><script src="https://cdn.jsdelivr.net/npm/chart.js"></script>
<script>const freqCtx = document.getElementById('chartFreq');const durCtx = document.getElementById('chartDur');const freqData = {{ freq_data|tojson }};const durData = {{ dur_data|tojson }};new Chart(freqCtx, {type: 'bar',data: {labels: freqData.labels,datasets: [{label: '如厕次数',data: freqData.counts,borderWidth: 1}]},options: {responsive: true,plugins: { legend: { display: false }},scales: { y: { beginAtZero: true } }}});new Chart(durCtx, {type: 'bar',data: {labels: durData.labels,datasets: [{label: '平均如厕时长（秒）',data: durData.avg_durations,backgroundColor: 'rgba(75, 192, 192, 0.6)',borderWidth: 1}]},options: {responsive: true,plugins: { legend: { display: false }},scales: { y: { beginAtZero: true } }}});
</script>
"""with open("cat_monitor/web/templates/chart_part.html", "w", encoding="utf-8") as f:f.write(chart_html)"已生成图表统计部分的 HTML，可嵌入主页面 index.html，接下来更新 Flask 后端逻辑支持统计数据。"

🔜 接下来，我将更新 Flask 后端 `app.py`：

查询数据库生成统计数据（频率 + 平均时长）
传递数据给模板渲染 Chart.js 图表

Flask 后端 app.py 支持：

从数据库读取如厕记录
自动生成：
- 每只猫的如厕次数统计
- 每只猫的平均如厕时长
将数据传给前端用于 Chart.js 渲染

下一步是将我们之前准备好的图表模块 chart_part.html 嵌入 index.html 页面。是否我现在直接更新页面，让图表显示在记录表下方？

目前存在问题:

分类全是 Unknown 的情况我们可以一步步优化，目前问题大概率出现在 猫脸识别的匹配策略或特征质量 上。

🧠 问题原因分析：

1. 猫图质量不稳定

光照/角度/遮挡较大 → 提取特征不一致
建议上传正面清晰猫脸图，多张样本图增强泛化能力

2. 匹配阈值太高

目前分类用的是最近邻 + 相似度阈值（默认 0.7）
如果猫脸图本身差异大，0.7 可能过严 → 全部被判成 Unknown

✅ 临时建议：先降低阈值到 0.5，观察识别是否有改善：

# matcher.py 中的 match 方法
def match(self, query_vec, threshold=0.5):

3. 特征提取器泛化能力差

使用的是通用 resnet18，可能对猫脸没有专门训练
若需要长期稳定使用，可考虑：
- ✅ 使用猫脸识别预训练模型（可提供）
- ✅ 自定义猫脸数据集做微调（我可以帮你准备 fine-tune 流程）

✅ 测试：

上传每只猫的 3~5 张角度不同的图
把 threshold 降低到 0.5 或更低（如 0.45）观察结果
使用 print 输出匹配得分看是否有接近但未过阈值的情况

例如你可以在 matcher.py 中打印相似度：

print(f"猫 {names[best_idx]} 相似度: {best_score}")

测试结果：我们不是在做猫脸识别，而是识别每只猫的“整体外观”来区分个体，那么我们可以把“全猫裁剪图”当作识别输入，而不是专注猫脸。

✅ 新策略：猫体图识别个体（视觉外观）

核心改法：

保持现在的 YOLOv11 检测框不变（整只猫）
将裁剪下来的整猫图像作为“猫的识别样本”上传（不是脸部）
使用同样的分类逻辑（特征提取 + 最近邻匹配），但目标变成“全猫识别”

🔧 如何改得更好？

✅ 1. 特征提取器建议使用：

通用图像分类特征模型（如 resnet18, efficientnet-b0）
或者我可以给你微调一个 triplet loss 结构（更适合个体识别）

✅ 2. 增强识别稳定性方法：

方法	描述
多图样本	每只猫上传多张（不同角度）
特征聚合	每只猫多个特征向量，识别时取最大相似度
动态阈值	允许你为不同猫设定不同相似度阈值（进阶）

✅ 思路

重新上传几只猫的“整体图像”样本（清晰的检测框图，非脸）
在 matcher.py 中暂时将阈值调低到 0.5 以下
可开启打印相似度，确认是不是识别接近却没达标

因此，替换/优化现在的特征提取器（更适合全猫图）

# matcher.py - 最近邻匹配猫个体（加入相似度输出 + 降低阈值）from sklearn.metrics.pairwise import cosine\_similarityimport numpy as npclass CatMatcher:def \_\_init\_\_(self, db):self.db \= dbdef match(self, query\_vec, threshold\=0.45): \# 降低默认阈值embeddings, names \= self.db.get\_all()if not embeddings:return "Unknown"sims \= cosine\_similarity(\[query\_vec\], embeddings)\[0\]best\_idx \= np.argmax(sims)best\_score \= sims\[best\_idx\]print("--- 猫识别相似度得分 ---")for i, sim in enumerate(sims):print(f"{names\[i\]}: {sim:.3f}")print(f"最相似: {names\[best\_idx\]} → {best\_score:.3f}")if best\_score \> threshold:return names\[best\_idx\]return "Unknown"

已更新 matcher.py：

默认阈值调为 0.45（提高匹配成功率）
每次识别时会输出所有猫的相似度分数
控制台将显示最相似的猫与相似度，方便调试