Windrose
登录 获取应用

在您睡觉时,看看谁在拜访花园。

连接您已有的相机:任何能通过FTP、SFTP或HTTP发送快照的IP相机,或Ecowitt HP10。每张新照片都会检查动物、人物和车辆,每只动物都会在模型确定的情况下获得物种名称,观察记录会与读数一起显示在您的仪表板上。

来自追踪相机的夜间照片:树旁有一只赤狐,被检测器框出并命名为赤狐,95%花园相机 · 01:43赤狐 95%
示例

照片:Lassen Volcanic National Park,公共领域。框和名称是SpeciesNet返回的结果。

从照片到名称,只需四步

不会发送任何数据到外部AI服务。两个开放模型在WindRose服务器上运行,处理您相机拍摄的每张照片。

1. 新照片

您的相机每隔几分钟或一检测到运动,就会上传一张快照到WindRose。对于Ecowitt HP10,WindRose每5分钟从Ecowitt云端获取最新照片。无论哪种方式,都会保留一份私人副本。

2. 谁在那里?

MegaDetector扫描整个画面,并在每只动物、人物或车辆周围画一个框,同时给出置信度。空白画面(风中的草、雨、掠过的影子)到此结束。

3. 哪种动物?

每只动物的框都会被裁剪并传给SpeciesNet,后者权衡近2,500个哺乳动物、鸟类和爬行动物类别,并给出最佳名称及其分数。

4. 它生活在这里吗?

名称会根据您气象站所在国家(以及美国州份)进行核对,因此在阿拉斯加,驼鹿不会被称为麋鹿。当模型不确定时,它会给出更宽泛的名称,例如科或简单的“动物”,而不是猜测。

与您已有的相机兼容

大多数IP相机可以定时或在检测到运动时将快照上传到服务器,就像天气网络摄像头多年来为Wunderground和Windy提供图像一样。这些设备内置了该功能,无需附加组件,也无需额外订阅。

Reolink

PoE和插件型号,如RLC-810A和RLC-811A,通过FTP上传图片。电池型号通常不支持:请在规格中检查FTP。

reolink.com上的RLC-810A

Hikvision

网络相机,如ColorVu DS-2CD2387G2-LU,可定时或运动触发快照,并通过FTP上传。

hikvision.com上的DS-2CD2387G2-LU

Dahua

WizSense相机,如IPC-HFW2849S-S-IL,通过FTP或SFTP发送定时或事件快照。

dahuasecurity.com上的IPC-HFW2849S-S-IL

Amcrest

4K PoE 摄像头(如 IP8M-2496E)每几分钟通过 FTP 或 SFTP 上传一张快照。

amcrest.com 上的 IP8M-2496E

Axis

任何 Axis 网络摄像头(如 M2036-LE)都可以通过事件规则或计划任务以 FTP、SFTP 或 HTTP 发送图像。

axis.com 上的 M2036-LE

Ecowitt WittCam HP10

无需设置上传:它通过与您的站点相同的 Ecowitt 账户关联。在站点页面上使用“搜索新设备”。

ecowitt.com 上的 WittCam HP10

三种接入方式

从站点页面添加摄像头并选择其发送方式。WindRose 会显示需要输入到摄像头设置中的详细信息。每 2 分钟保留一张照片;多余的上传会被直接丢弃。

FTP 或 FTPS

端口 21,被动模式,摄像头支持时使用显式 TLS。每个摄像头都有自己的用户和文件夹,且无法看到其他内容。

SFTP

端口 2222,适用于通过 SSH 加密的摄像头。用户名和密码与 FTP 相同。

HTTP

将图片(原始 JPEG 或多部分文件)POST 到带有摄像头令牌的私有 URL。适合脚本、树莓派或家庭自动化系统。

仪表板上的 sightings。

摄像头卡片显示最新照片以及过去一周看到的动物,每种动物都显示出现次数和时间。全屏打开照片,方框会显示发现了什么以及在哪里。

  • 每张卡片的置信度下限:隐藏检测器不太确定的内容
  • 显示实时照片、sightings 或两者
  • 一个站点上的多个摄像头,每个都有自己的卡片
花园相机本周所见
赤狐3张照片 · 01:43
欧洲刺猬1张照片 · 23:40
动物2张照片 · 05:52
示例

为公共摄像头保持得体而设计

人物可以模糊处理

为摄像头开启模糊处理后,检测器发现的每个人在其他人看到的副本中都会被像素化到无法辨认。在该副本存在之前,只有您能看到照片。

默认私密

摄像头卡片仅您可见,直到您选择将其显示在公共板上。识别和模糊处理可按摄像头单独开启或关闭。

七天,然后消失

照片在拍摄后 7 天连同其中发现的内容一并删除。移除摄像头,其照片也会随之删除。

背后的模型

WindRose 使用来自相机陷阱研究社区的两个开源模型,与保护项目用来分类数百万张图像的模型相同。

SpeciesNet,由 Google 开发

在超过 6500 万张标记的相机陷阱图像上训练。在 Google 的保留测试集上,它找到了 99.4% 的含动物图像,在 83% 的情况下说出了物种,并在这些情况中 94.5% 正确。

Google Research:野生动物栖息之地

MegaDetector

SpeciesNet 依赖的检测器,用于在画面中寻找动物、人和车辆。开源,被世界各地的野生动物机构和研究小组使用。

GitHub 上的 MegaDetector

如实说明距离

距离镜头很远动物的画面可能仅有几个像素。它仍然会被发现并计数,但可能仅被命名为“动物”。将相机安装在动物经常经过的地方附近,以获得最佳识别名称。

在自己的站点上试试吧。

一个站点免费,无需信用卡。只有需要更多时才升级。