您的位置：首页 > 运维架构

OpenCV实现简单摄像头视频监控程序

2020-03-11 17:51 671 查看

如何在冗长的监控录像中找到关键点？我们知道，监控录像中大部分信息都是没用的，那些信息就等同于一幅静态图像。我们要等待监控的范围内出现异常情况时再跟踪。

这其实是一个最简单的计算机图像处理程序。简单的思路是这样的：首先给摄像头取景采样，当背景稳定时，以该图片作为基准图片。然后在监控过程中，若出现了和基准图片反差较大的视频帧，那么启动捕捉程序，并标出异常区域。

程序如下：

#include <cv.h>
#include <time.h>
#include <stdio.h>
#include <stdlib.h>
#include <highgui.h>

#define ESC 0x1b

#define TRUE 1
#define FALSE 0

// 检测图像异常，仅在采样时调用。
// 返回真表示已检测到异常，需要重新采样。
// 返回假表示未检测到异常，在一定时间后即可获取基准图像。
int detect(CvCapture* capture, IplImage* std, IplImage* frm, CvRect* rect);

// 图像采样，确定基准图像，以便监测场景变化
// 返回真表示采样成功，返回假表示采样失败
int gather(CvCapture* capture, IplImage* std, CvRect* rect);

// 摄像机监视，用矩形框标示出和基准图像反差较大的图像范围。
void monitor(CvCapture* capture, IplImage* std, CvRect* rect);

// 求 x 的平方
int square(int x);

int main(int argc, char* argv[])
{
CvCapture* capture;   // 摄像机源
IplImage* std;     // 基准图像
CvRect rect;      // 异常位置矩形标识

capture = cvCreateCameraCapture(0);
if (!capture) return -1;

std = cvQueryFrame(capture);
rect = cvRect(-1, -1, 0, 0);

std = cvCloneImage(std);

cvNamedWindow("Monitor Screen");

if (gather(capture, std, &rect))
{
monitor(capture, std, &rect);
}

cvDestroyWindow("Monitor Screen");
cvReleaseImage(&std);
cvReleaseCapture(&capture);

return 0;
}

int detect(CvCapture* capture, IplImage* std, IplImage* frm, CvRect* rect)
{
int x, y;            // 循环变量
int f = FALSE;         // 检测到异常的标识
int x1 = -1, x2 = 0;      // 异常区域矩形横坐标范围
int y1 = -1, y2 = 0;      // 异常区域矩形纵坐标范围

uchar *ptr1b, *ptr1g, *ptr1r;  // 基准图像的每个像素的三个颜色通道的值
uchar *ptr2b, *ptr2g, *ptr2r;  // 实时图像的每个像素的三个颜色通道的值

int squaresum;         // 计算 RGB 差值平方和

// 遍历图像中的每一个点，将实时采样图与基准图做比较，检测两者的每一个
// 像素点的 RGB 差值平方和。当该值大于 8192 时（换算成灰度值则意味着
// 两者的灰度差大于 90）则立即报告出现异常，只有遍历完毕后仍未找到异
// 常才报告没有异常。

for (y = 0; y < std->height; y++)
{
for (x = 0; x < std->width; x++)
{
ptr1b = cvPtr2D(std, y, x) + 0; ptr2b = cvPtr2D(frm, y, x) + 0;
ptr1g = cvPtr2D(std, y, x) + 1; ptr2g = cvPtr2D(frm, y, x) + 1;
ptr1r = cvPtr2D(std, y, x) + 2; ptr2r = cvPtr2D(frm, y, x) + 2;

squaresum =
square(*ptr1b - *ptr2b) +
square(*ptr1g - *ptr2g) +
square(*ptr1r - *ptr2r);

if (squaresum > 8192)
{
if (f)
{
if (x < x1) x1 = x; else if (x > x2) x2 = x;
if (y < y1) y1 = y; else if (y > y2) y2 = y;
}
else
{
f = TRUE;

x1 = x; y1 = y;
x2 = x; y2 = y;
}
}
}
}

if (x2 - x1 > frm->width / 4 || y2 - y1 > frm->height / 4)
{
f = TRUE;
}
else
{
f = FALSE;
}

*rect = cvRect(x1, y1, x2 - x1, y2 - y1);
return f;
}

int gather(CvCapture* capture, IplImage* std, CvRect* rect)
{
IplImage* frm;
int except = FALSE;       // 检测到异常的标识
int finish = FALSE;       // 采样已完成的标识
clock_t start_time, real_time; // 时间段监测

start_time = clock();

while (!finish)
{
frm = cvQueryFrame(capture);
cvShowImage("Monitor Screen", frm);

except = detect(capture, std, frm, rect);

if (except)
{
start_time = clock();
cvCopyImage(frm, std);
}

if (cvWaitKey(15) == ESC) break;

real_time = clock();
if (real_time - start_time >= 3000)
{
finish = TRUE;
}
}

return finish;
}

void monitor(CvCapture* capture, IplImage* std, CvRect* rect)
{
IplImage* frm;
int except = FALSE;
int finish = FALSE;

while (!finish)
{
frm = cvQueryFrame(capture);

except = detect(capture, std, frm, rect);

if (except)
{
cvRectangle(
frm,
cvPoint(rect->x, rect->y),
cvPoint(rect->x + rect->width, rect->y + rect->height),
cvScalar(0, 0, 255),
4);
}
cvShowImage("Monitor Screen", frm);

if (cvWaitKey(15) == ESC)
{
finish = TRUE;
}
}
}

int square(int x)
{
return x * x;
}

以上就是本文的全部内容，希望对大家的学习有所帮助

您可能感兴趣的文章:

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理

标签： OpenCV 摄像头视频监控

相关文章推荐

新的分享

章节导航