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
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。