基于海康监控的图像识别设计-低调大师

基于海康监控的图像识别设计

2015-01-23 625

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 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。

目前方向：图像拼接融合、图像识别联系方式：jsxyhelu@foxmail.com

微信关注我们

原文链接：https://yq.aliyun.com/articles/649615

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

反人脸识别的思路和实现

反人脸识别的思路和实现一、基本知识和背景人脸识别是非常经典的机器识别运用，目前已经在许多地方得到了使用。相关的算法原理和实现发展的都很发达，Opencv中就有不错的实现。这是现状。但是，也正因为此，和人相关的隐私变得令人关注。应用sigvc上面的一个概念叫做“反人脸识别”http://www.sigvc.org/bbs/forum.php?mod=viewthread&tid=3348&highlight=%B7%B4%C8%CB%C1%B3，就是关注用户隐私的一种技术实现。从技术实现上来说，主要分为“人脸识别”和“脸部模糊”两个部分。两个部分的实现难度都不大，关键是“处理输入图片，保护用户隐私”的思路很关键。这里是我的相关研究。二、实现步骤一）人脸识别此类人脸识别的图像一般都是全局的图像，比如而不是这样以单幅人脸为主要内容的图像所以在算法的选择上，我还是优先选择了haar的方法，而没有采用肤色模型。我认为对于近景的，需要进行精细地处理的时候，肤色更适合一些。那么进行识别：对于这种正向的图片，效果还是不错...

2015-01-21

691

集装箱体本身的特征有三，一是图片中的需要识别的文字比较大；二是需要识别的文字色彩鲜艳；三是文字周围的干扰比较多，所以直接识别，即使是使用finereader这种软件都无法完成。所以，第一步需要做的就是更换图片区域，强调联通。比如这样的结果再强化这个时候即使是识别成这样，都无法ocr,因为细节太多了。怎么办？缩放，把字母缩放到和它训练的时候差不多时候的样子。得到结果，下一步就是自己写这个OCR步骤，这也是可以做到的。再举一个例子，这种竖直的shib 来自为知笔记(Wiz) 目前方向：图像拼接融合、图像识别联系方式：jsxyhelu@foxmail.com

2015-01-24

719

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。