基于海康监控的图像识别设计

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

private void 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 jpegprivate 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 savesJpegPicFileName = "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 numberCHCNetSDK.NET_DVR_JPEGPARA lpJpegPara = new CHCNetSDK.NET_DVR_JPEGPARA();lpJpegPara.wPicQuality = 0; //图像质量 Image qualitylpJpegPara.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 pictureif (!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 contoursfindContours( 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。来自为知笔记(Wiz)