基于C#的门禁视频监控检测系统设计与实现

目 录
第1章 绪 论 1
1.1 选题背景和意义 1
1.2 视频监控研究现状 1
1.3 本文研究内容和章节安排 2
第2章 视频监控系统中的关键技术 4
2.1图像处理技术 4
2.2 WPF 4
2.3 人头检测技术 5
2.4 门禁视频监控系统工作流程 6
2.5 本章小结 7
第3章 人头检测算法实现 8
3.1 分类器设计原理 8
3.2 基于Haar特征点的AdaBoost人头检测算法 8
3.2.1 AdaBoost 8
3.2.2 算法描述 8
3.3 基于Hog特征点的SVM人头检测算法 9
3.3.1 SVM 9
3.3.2 算法描述 11
3.4 视频图像及样本采集及训练流程 14
第4章 视频监控系统设计与实现 17
4.1 视频监控系统的需求分析 17
4.1.1 系统目标 17
4.1.2 功能需求 17
4.1.3 功能分配 18
显示模块 19
4.1.4 性能需求 19
4.2 系统开发环境介绍 19
4.3系统概要设计 20
4.3.1 总体设计 20
4.3.2 辅助模块设计 20
4.3.3 人头检测模块 21
4.3.4 显示模块 22
4.3.5 接口设计 23
4.3.6维护设计 23
4.4 系统详细设计 23
4.4.1 辅助功能模块详细设计 23
4.4.2 人头检测模块详细设计 25
4.4.3 各部分类图 25
4.5 系统实现 28
4.5.1 辅助功能模块实现 28
4.5.2人头检测实现 29
4.6 系统效果演示 32
4.7本章小结 35
第5章 实验结果对比分析 36
5.1 AdaBoost和SVM算法效果对比 36
5.2结论分析 37
总结 38
参考文献 39
致谢 40
1.3 本文研究内容和章节安排
本文将监控视频作为研究对象，基于监控视频本身的特点，对监控视频摘要技术进行了研究。在门禁视频监控中，分析人进出门禁的情况，并进行统计某一时刻进出人员数量。
基于以上工作，将本文安排为四章，具体如下:
(1)绪论
简单介绍视频监控系统的研究背景，意义以及视频监控系统的现状和发展趋势，总结前人的基础上，结合项目实际应用阐述本论文的主要工作。
(2)视频监控中的关键技术
本章主要介绍了视频监控系统中应用到的一些关键技术，例如EmguCV图像处理、人头检测技术中的AdaBoost和SVM技术、C#编程其中的WPF编程技术、目标跟踪[9]-[10]等。
(3)人头检测算法的实现
本章主要介绍了人头检测中所用到的两个算法，即基于Haar特征的AdaBoost人头检测算法和基于Hog特征的SVM人头检测算法，以及如何生成特征数据和利用特征数据进行检测。
(4)视频监控系统软件设计与实现
本章主要从系统的需求分析开始。分析系统的需求，提出需要的功能，然后进行概要设计，划分出功能模块，本文转载自http://www.biyezuopin.vip/onews.asp?id=14632与各个功能模块之间的接口，从而进行系统各模块的详细设计，在进行类图的设计最终完成各个功能实现本系统的开发
(5)实验结果对比分析
对系统中所使用的AdaBoost算法和SVM人头检测算法进行分析比较，得出各个算法的优势和劣势，从而为后期的系统优化做好准备。
2.4 门禁视频监控系统工作流程
门禁视频监控系统监控过程中，人头检测可以采用AdaBoost检测算法，也可采用SVM检测算法，虽然算法不同，但检测结果几乎接近。系统的工作包括以下几步：
1）预处理
主要包括视频图像的加载、解析。
2）加载样本数据
加载人头的样本数据，为检测做好准备
3）进行人头模板检测
与样本数据进行模板匹配，获取视频图像中的人头
4）人头校验
对检测到的人头进行校验，去除误检。
5）进行跟踪
对检测到的人头进行跟踪

#include "stdafx.h"
#include "Video.h"CVideo::CVideo()
{capture = NULL;srcImage = NULL;deteImage = NULL;currentCount = -1;totalCount = -1;isInit = false;videostate = false;
}CVideo::~CVideo()
{cvReleaseCapture(&capture);cvReleaseImage(&srcImage);cvReleaseImage(&deteImage);currentCount = 0;totalCount = 0;isInit = false;videostate = false;
}void CVideo::InitVideo(wchar_t* filename)
{char* name = UnicodeToAnsi(filename);InitVideo(name);
}void CVideo::InitVideo(const char* filename)
{capture = cvCaptureFromFile(filename);if (capture){totalCount = (int)cvGetCaptureProperty(capture, CV_CAP_PROP_FRAME_COUNT);}videostate = true;
}// 字符转化
char* CVideo::UnicodeToAnsi(wchar_t *szStr)
{int nLen = WideCharToMultiByte(CP_ACP, 0, szStr, -1, NULL, 0, NULL, NULL);if (nLen == 0){return NULL;}char* pResult = new char[nLen];WideCharToMultiByte(CP_ACP, 0, szStr, -1, pResult, nLen, NULL, NULL);return pResult;
}IplImage* CVideo::GetCurrentFrame()
{if (videostate){if (currentCount < totalCount){srcImage = cvQueryFrame(capture);currentCount++;}else{srcImage = NULL;}}return srcImage;
}IplImage* CVideo::GetDetectFrame()
{if (videostate){Mat currFrame(srcImage, 1);if (!isInit){InitDeteInfo();}//检测headDetects->detectSingle(currFrame, heads);headDetects->draw(currFrame);//跟踪head->track(currFrame, heads);head->draw(currFrame);//是否出（进）门regions = region->detect(currFrame);if (regions)countOut += head->isInRegion(currFrame);/*text << "Out: " << countOut;putText(currFrame, text.str(), Point(0, 490),FONT_HERSHEY_SIMPLEX, 1, CV_RGB(0, 255, 0), 2);text.str("");*///大门开启宽度door->CalOpenLen(currFrame);//显示目标数目/*	text << "Target: " << head->getTargets();putText(currFrame, text.str(), Point(0, 550),FONT_HERSHEY_SIMPLEX, 1, CV_RGB(0, 255, 0), 2);text.str("");*/++detectionCounts;heads.clear();++frames;img = IplImage(currFrame); // 添加数据头deteImage = &img;}//deteImage = &IplImage(currFrame);return deteImage;
}void CVideo::InitDeteInfo()
{head = new Tracker();region = new DetectRegion();headDetects = new HeadDetection();door = new DoorOpenLen();headDetects->init();region->init();regions = 0;countOut = 0;frames = 1;detectionCounts = 0;isInit = true;
}void CVideo::CloseVideo()
{if (videostate){cvReleaseCapture(&capture);videostate = false;}
}int CVideo::GetOutCount()
{return countOut;
}int CVideo::GetTargetCount()
{return head->getTargets();
}int CVideo::GetDoorLen()
{return door->GetOpenLen();
}bool CVideo::GetVideoState()
{return videostate;
}