基于海康监控的图像识别设计-白红宇

基于海康监控的图像识别设计

阅读量：6900 次

发布时间：2019-06-27

本文共 4312 字，大约阅读时间需要 14 分钟。

基于海康监控的图像识别设计

一、基本知识和背景

目前，安防行业正从网络化向智能化升级；从简单的视频获取、图像截获向内容分析、自动跟踪进化。借助监控摄像头，进行图像识别或机器视觉设计的需求，变得越来越强烈。这里分享一些自己的研究。

我选用海康监控，因为目前只能接触到这种监控，其他的品牌应该差不多。关键是思路。

在这篇文章里面，实现1)控制监控摄像头获取图像2)用opencv进行简单处理3)获得量化数据一个过程。需要注意的一点是，我这里没有直接对视频流进行操作，因为目前我还没有这个需求。而是对截获的图片进行操作，进行处理，达到内容分析的目的。

二、主要步骤

1）获取并利用海康SDK，得到输入图像

官网获得CH-HCNetSDK(Windows32)V4.3.0.6.zip,里面有文档和java/mfc/csharp的demo.基于我目前的需求，采用csharp编写图像获取界面，改写“1-实时预览示例代码一”相关内容。

代码内容清晰完整，是标准的调用dll的模式。其中获取图片部分为

privatevoid btnJPEG_Click(object sender, EventArgs e)
        { 
            string sJpegPicFileName;
//图片保存路径和文件名 the path and file name to save
            sJpegPicFileName ="JPEG_test.jpg";
int lChannel = Int16.Parse(textBoxChannel.Text); //通道号 Channel number
            CHCNetSDK.NET_DVR_JPEGPARA lpJpegPara =new CHCNetSDK.NET_DVR_JPEGPARA();
            lpJpegPara.wPicQuality =0; //图像质量 Image quality
            lpJpegPara.wPicSize = 0xff; //抓图分辨率 Picture size: 2- 4CIF，0xff- Auto(使用当前码流分辨率)，抓图分辨率需要设备支持，更多取值请参考SDK文档
//JPEG抓图 Capture a JPEG picture
if (!CHCNetSDK.NET_DVR_CaptureJPEGPicture(m_lUserID, lChannel, ref lpJpegPara, sJpegPicFileName))
            { 
                iLastErr = CHCNetSDK.NET_DVR_GetLastError();
                str ="NET_DVR_CaptureJPEGPicture failed, error code= "+ iLastErr;
                MessageBox.Show(str);
return;
            }
else
            { 
                str ="Successful to capture the JPEG file and the saved file is "+ sJpegPicFileName;
                MessageBox.Show(str);
            }
return;
        }

添加Timer事件，每5秒运行一次，自动获取图像，文件名为当前时间,并对原代码略作修改

 
//将时间补足两位
        string timehelper(int iinput)
        { 
            if (iinput<10)
            { 
                return "0" + iinput.ToString();
            }
            else
            { 
                return iinput.ToString();
            }
        }
        //auto jpeg
        private void timer1_Tick(object sender, EventArgs e)
        { 
            string sJpegPicFileName;
            //图片保存路径和文件名 the path and file name to save
            sJpegPicFileName = "F:/test/" + DateTime.Now.ToShortDateString() + "_" + timehelper(DateTime.Now.Hour) + "_" + timehelper(DateTime.Now.Minute) + "_" + timehelper(DateTime.Now.Second) + ".jpg";
            int lChannel = Int16.Parse(textBoxChannel.Text); //通道号 Channel number
            CHCNetSDK.NET_DVR_JPEGPARA lpJpegPara = new CHCNetSDK.NET_DVR_JPEGPARA();
            lpJpegPara.wPicQuality = 0; //图像质量 Image quality
            lpJpegPara.wPicSize = 0xff; //抓图分辨率 Picture size: 2- 4CIF，0xff- Auto(使用当前码流分辨率)，抓图分辨率需要设备支持，更多取值请参考SDK文档
            //JPEG抓图 Capture a JPEG picture
            if (!CHCNetSDK.NET_DVR_CaptureJPEGPicture(m_lUserID, lChannel, ref lpJpegPara, sJpegPicFileName))
            { 
                iLastErr = CHCNetSDK.NET_DVR_GetLastError();
                str = "NET_DVR_CaptureJPEGPicture failed, error code= " + iLastErr;
       
            }
            else
            { 
                str = "Successful to capture the JPEG file and the saved file is " + sJpegPicFileName;
            }
        }
        private void button2_Click(object sender, EventArgs e)
        { 
            string sJpegPicFileName = DateTime.Now.ToShortDateString() + "_" + DateTime.Now.Hour + "_" + DateTime.Now.Minute + "_" +DateTime.Now.Second + ".jpg";
        }
    }

OK经过观察，没有出现内存溢出，可以使用。如果是多个监控一起使用的话可能会有新的问题，希望有相关经验的高手能够指导。

如果是实际使用的话，还需要添加对图片进行相关的删除操作，保障硬盘不要溢出。

2)编写opencv服务，对图像进行分析

我是这样理解“服务”的。所谓服务，就是运行在后台，能够自动处理输入的数据，得到用户想要的结果的。如果监控要想能够“智能”起来，所获得的就不只是图片，而是包含图片相关内容的分析,是一个量化的过程。。

这里就是简单地获取最新的图片，寻找轮廓数目，并且将其打印出来这样一个过程。

// HelicopterStitching.cpp : 定义控制台应用程序的入口点。
// 2015年1月22日20:29:38 jsxyhelu
# 
include
"stdafx.h"
# 
include
<cv.h 
>
# 
include
<cxcore.h 
>
# 
include
<highgui.h 
>
# 
include
"opencv2/highgui/highgui.hpp"
# 
include
"opencv2/imgproc/imgproc.hpp"
# 
include
"Prehelper.h"
# 
include
"GOFunction.h"
# 
include
"LaplacianBlend.h"
int _tmain( 
int argc, _TCHAR 
* argv[]) 
{     
    vector 
<Mat 
> inputmat; 
    vector 
<Mat 
> outputmat; 
    vector 
<cv 
:
:Point2f 
> points1; 
    vector 
<cv 
:
:Point2f 
> points2; 
    vector 
<Point 
> locmat1; 
    vector 
<Point 
> locmat2; 
int i; 
//读入参数
    FILE  
*stream; 
int   numread, numwritten; 
//定义文件路径 
char
* cur_dir 
=
"F:\\test"; 
int iimagesize  
=
0; 
    Mat src; 
    Mat src_gray; 
    vector 
<pair 
<
char
*,Mat 
>> imgs; 
    Mat  canny_output; 
    vector 
<vector 
<Point 
>
>  contours; 
    vector 
<Vec4i 
>  hierarchy; 
int thresh  
=
50; 
while( 
true) 
    {     
        imgs  
= read_img(cur_dir); 
if (imgs.size() 
>
0) 
        { 
            src  
= imgs[imgs.size() 
-
1].second; 
//获得最新的图片
            imshow( 
"src",src);     
            cvtColor(src,src_gray,CV_RGB2GRAY); 
            Canny(  src_gray,  canny_output,  thresh,  thresh 
*
2,   
3  ); 
///  Find  contours
            findContours(  canny_output,  contours,  hierarchy,  CV_RETR_TREE,  CV_CHAIN_APPROX_SIMPLE,  Point( 
0,   
0)  ); 
            imshow( 
"canny_output",canny_output); 
            printf(     
"找到轮廓%d个\n",contours.size()); 
        } 
        cv 
:
:waitKey( 
3000); 
//等待3秒
    } 
    cv 
:
:waitKey(); 
return
0; 
} 

三、小结反思

这样一个项目，原理并不复杂。其鲁棒性如何，在高并发的情况下是否会出现新的问题，都需要进一步验证。但是的确是一种引入监控图像的方法，并且得到了“智能分析”的结果。

感谢阅读到此，希望有经验者能够提出宝贵意见，希望对你有所帮助。

转载地址：http://ngsdl.baihongyu.com/

你可能感兴趣的文章