Smart environments are environments where digital devices are connected to each other over the Internet and operate in sync. Security is of paramount importance in such environments. This paper addresses aspects of authorized access and intruder detection for smart environments. Proposed is PiBase, an Internet of Things (IoT)-based app that aids in detecting intruders and providing security. The hardware for the application consists of a Raspberry Pi, a PIR motion sensor to detect motion from infrared radiation in the environment, an Android mobile phone and a camera. The software for the application is written in Java, Python and NodeJS. The PIR sensor and Pi camera module connected to the Raspberry Pi aid in detecting human intrusion. Machine learning algorithms, namely Haar-feature based cascade classifiers and Linear Binary Pattern Histograms (LBPH), are used for face detection and face recognition, respectively. The app lets the user create a list of non-intruders and anyone that is not on the list is identified as an intruder. The app alerts the user only in the event of an intrusion by using the Google Firebase Cloud Messaging service to trigger a notification to the app. The user may choose to add the detected intruder to the list of non-intruders through the app to avoid further detections as intruder. Face detection by the Haar Cascade algorithm yields a recall of 94.6%. Thus, the system is both highly effective and relatively low cost.

中文翻译：

---

PiBase：使用 Raspberry Pi 和 Google Firebase 的基于物联网的安全系统

智能环境是数字设备通过互联网相互连接并同步运行的环境。在这种环境中，安全性至关重要。本文讨论了智能环境中授权访问和入侵者检测的各个方面。提议的是 PiBase，这是一种基于物联网 (IoT) 的应用程序，可帮助检测入侵者并提供安全性。该应用程序的硬件包括一个 Raspberry Pi、一个 PIR 运动传感器，用于检测环境中红外辐射的运动，一个 Android 手机和一个摄像头。该应用程序的软件是用 Java、Python 和 NodeJS 编写的。连接到 Raspberry Pi 的 PIR 传感器和 Pi 摄像头模块有助于检测人为入侵。机器学习算法，即基于 Haar 特征的级联分类器和线性二元模式直方图 (LBPH)，分别用于人脸检测和人脸识别。该应用程序允许用户创建非入侵者列表，任何不在列表中的人都被识别为入侵者。该应用程序仅在发生入侵时通过使用 Google Firebase Cloud Messaging 服务触发对应用程序的通知来提醒用户。用户可以选择通过应用程序将检测到的入侵者添加到非入侵者列表中，以避免进一步检测为入侵者。Haar Cascade 算法的人脸检测产生了 94.6% 的召回率。因此，该系统既高效又成本相对较低。该应用程序允许用户创建非入侵者列表，任何不在列表中的人都被识别为入侵者。该应用程序仅在发生入侵时通过使用 Google Firebase Cloud Messaging 服务触发对应用程序的通知来提醒用户。用户可以选择通过应用程序将检测到的入侵者添加到非入侵者列表中，以避免进一步检测为入侵者。Haar Cascade 算法的人脸检测产生了 94.6% 的召回率。因此，该系统既高效又成本相对较低。该应用程序允许用户创建非入侵者列表，任何不在列表中的人都被识别为入侵者。该应用程序仅在发生入侵时通过使用 Google Firebase Cloud Messaging 服务触发对应用程序的通知来提醒用户。用户可以选择通过应用程序将检测到的入侵者添加到非入侵者列表中，以避免进一步检测为入侵者。Haar Cascade 算法的人脸检测产生了 94.6% 的召回率。因此，该系统既高效又成本相对较低。Haar Cascade 算法的人脸检测产生了 94.6% 的召回率。因此，该系统既高效又成本相对较低。Haar Cascade 算法的人脸检测产生了 94.6% 的召回率。因此，该系统既高效又成本相对较低。