论文部分内容阅读
摘 要：本论文对设计开发的医院车辆及人员进出管理系统进行了介绍。系统共分两部分。一部分是视频监控，一部分是后台数据库管理。视频监控又分两个功能模块：一是对进入车辆进行车牌号的自动识别，并根据后台数据库的车辆信息进行比对，以此判断车辆是否放行。二是通过人脸检测，自动计算当天进出的人次，并将统计数据实时显示在监控画面中。
关键词：车牌识别；人脸检测；VC++；OpenCV
中图分类号：TP311.52
1 引言
随着社会科技的进步和经济的迅猛发展，医院的业务也日渐增多，如何为医院提供一种安全、舒适、方便、快捷和开放的信息化生活空间，是本文重点讨论的问题。下文中，依托先进的科学技术，实现医院内部管理的高效、互动和快捷。对医院的出入口进行实时智能监控，达到维护治安和防止破坏的作用，及时的把一切可能发生的或即将发生的案件制止，以及对进出医院的可疑人物及车辆进行信息采集，把安全隐患降低到最小，对确保医院安全具有十分重要的作用。本论文工作，是基于VC++和openCV设计开发了一款实用的医院车辆及人员进出管理系统。能够对来访车辆进行自动车牌识别，根据车辆的数据库信息查询，实现门禁系统的自动控制；同时系统还包含人脸检测模块，能够对每天来访的人员进行人数统计。
2 系统总体设计
本系统功能主要分为两大模块：监控管理和数据库信息管理。具体功能图如下所示：
3 系统详细设计
打开和关闭摄像头：通过调用opencv中的函数cvCaptureFromCAM（）；初始化从摄像头中获取视频，获得每一帧的图像，并显示在窗口的图片控件上。通过调用opencv中的函数cvReleaseCapture（）；释放资源，并将视频窗口销毁，实现关闭摄像头的功能。
实时信息采集：通过函数cvSaveImage（）；将图片保存，并进行命名，可将当前摄像头所捕捉到的状况进行采集，可对进出医院的可疑人员和车辆进行抓拍。
人脸检测：在opencv中含有根据人脸模板训练的人脸分类haarcascade_frontalface_alt2.xml。通过加载分类器，可以对当前帧的图像中出现的人脸进行识别，并通过cvCircle（）将人脸圈出，实现人脸检测功能。通过检测出来的人脸可以知道今天目前为止该医院共进出了多少人次，并将信息通过定时器定时刷新信息，反馈给保安人员。
车牌识别：车辆检测可以采用埋地线圈检测、红外检测、雷达检测技术、视频检测等多种方式。采用视频检测可以避免破坏路面、不必附加外部检测设备、不需矫正触发位置、节省开支，而且更适合移动式、便携式应用的要求。
系统进行视频车辆检测，需要具备很高的处理速度并采用优秀的算法，在基本不丢帧的情况下实现图像采集、处理。若处理速度慢，则导致丢帧，使系统无法检测到行驶速度较快的车辆，同时也难以保证在有利于识别的位置开始识别处理，影响系统识别率。因此，将视频车辆检测与牌照自动识别相结合具备一定的技术难度。
车牌识别流程如图2所示：
图2 车牌识别流程
车牌图像处理：对于车牌图像，由实时监控录像进行实时保存，在进入车牌识别过程时打开。用dlg.GetPathName（）得到图片的路径，将图片打开。因为保存的图片是倒着的，所以将图片显示在图片控件前需要将图片进行旋转。利用函数cvCreateImage（）将图片转化为二值化时的大小，用函数cvCvtColor（）转化为灰度图，并用cvSmooth（）进行高斯滤波，为图片二值化做准备。
图片二值化：所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。程序中没有用opencv函数库中的cvAdaptiveThreshold（）和cvThreshold（）进行二值化，而是通过调用AdaptiveThreshold（）获得第一个阈值，将最大像素的*0.7作为第二个阈值，进行图片二值化，并将这两个阈值用来做边缘检测函数cvCanny（）的参数。
牌照定位：本程序中通过对二值化的图像进行边缘检测后，在对得到的图片进行垂直和水平扫描，在对水平方向从左往右扫描的过程中，对最大信息量的区域圈出，然后进行垂直分割，将得到的区域即为车牌区域，之后再用cvResize（）将得到的图片变为统一的大小。也就是车牌定位的过程为：水平分割、垂直分割、二值化牌照字符分割。完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。
牌照字符识别：字符识别方法主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，选择最佳匹配作为结果。基于人工神经网络的算法有两种：一种是先对字符进行特征提取，然后用所获得特征来训练神经网络分配器；另一种方法是直接把图像输入网络，由网络自动实现特征提取直至识别出结果。
是否放行：在识别车牌号之后，将得到的车牌号的字符串与数据库中的车牌号的字符串进行对比，如果数据库中有该车牌则是医院的车，放行，否则不放行。
4 论文下一步的工作
本系统基本实现了医院车辆进出的自动化管理，以及进出人员的人次统计。但是目前系统只实现了一个摄像头的视频监控，这还不能满足目前医院多个监控摄像头同时工作的现状。因此，论文下一步的改进工作，是实现医院内多个监控摄像头的同时调取与管理。
参考文献：
[1]钟志光，卢君，刘伟荣.Visual C++.NET 数字图象处理实例与解析[M].北京：清华大学出版社，2003，6.
[2]何斌，马天予，王运坚，朱红莲.Visual C++ 数字图象处理第二版[M].北京：人民邮电出版社，2002.
[3]夏良正.数字图象处理[M].南京：东南大学出版社，1999，9.
[4]葛亮.Visual C++从入门到实践[M].北京：清华大学出版社，2009.
[5]康晓林，袁建州.Visual C++6.0实用教程[M].北京：电子工业出版社，2008.
[6]Scott Meyers.Effective C++[M].Addison-Wesley，1992.
作者单位：青岛市中心医疗集团，山东青岛 266042
关键词：车牌识别；人脸检测；VC++；OpenCV
中图分类号：TP311.52
1 引言
随着社会科技的进步和经济的迅猛发展，医院的业务也日渐增多，如何为医院提供一种安全、舒适、方便、快捷和开放的信息化生活空间，是本文重点讨论的问题。下文中，依托先进的科学技术，实现医院内部管理的高效、互动和快捷。对医院的出入口进行实时智能监控，达到维护治安和防止破坏的作用，及时的把一切可能发生的或即将发生的案件制止，以及对进出医院的可疑人物及车辆进行信息采集，把安全隐患降低到最小，对确保医院安全具有十分重要的作用。本论文工作，是基于VC++和openCV设计开发了一款实用的医院车辆及人员进出管理系统。能够对来访车辆进行自动车牌识别，根据车辆的数据库信息查询，实现门禁系统的自动控制；同时系统还包含人脸检测模块，能够对每天来访的人员进行人数统计。
2 系统总体设计
本系统功能主要分为两大模块：监控管理和数据库信息管理。具体功能图如下所示：
3 系统详细设计
打开和关闭摄像头：通过调用opencv中的函数cvCaptureFromCAM（）；初始化从摄像头中获取视频，获得每一帧的图像，并显示在窗口的图片控件上。通过调用opencv中的函数cvReleaseCapture（）；释放资源，并将视频窗口销毁，实现关闭摄像头的功能。
实时信息采集：通过函数cvSaveImage（）；将图片保存，并进行命名，可将当前摄像头所捕捉到的状况进行采集，可对进出医院的可疑人员和车辆进行抓拍。
人脸检测：在opencv中含有根据人脸模板训练的人脸分类haarcascade_frontalface_alt2.xml。通过加载分类器，可以对当前帧的图像中出现的人脸进行识别，并通过cvCircle（）将人脸圈出，实现人脸检测功能。通过检测出来的人脸可以知道今天目前为止该医院共进出了多少人次，并将信息通过定时器定时刷新信息，反馈给保安人员。
车牌识别：车辆检测可以采用埋地线圈检测、红外检测、雷达检测技术、视频检测等多种方式。采用视频检测可以避免破坏路面、不必附加外部检测设备、不需矫正触发位置、节省开支，而且更适合移动式、便携式应用的要求。
系统进行视频车辆检测，需要具备很高的处理速度并采用优秀的算法，在基本不丢帧的情况下实现图像采集、处理。若处理速度慢，则导致丢帧，使系统无法检测到行驶速度较快的车辆，同时也难以保证在有利于识别的位置开始识别处理，影响系统识别率。因此，将视频车辆检测与牌照自动识别相结合具备一定的技术难度。
车牌识别流程如图2所示：
图2 车牌识别流程
车牌图像处理：对于车牌图像，由实时监控录像进行实时保存，在进入车牌识别过程时打开。用dlg.GetPathName（）得到图片的路径，将图片打开。因为保存的图片是倒着的，所以将图片显示在图片控件前需要将图片进行旋转。利用函数cvCreateImage（）将图片转化为二值化时的大小，用函数cvCvtColor（）转化为灰度图，并用cvSmooth（）进行高斯滤波，为图片二值化做准备。
图片二值化：所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。程序中没有用opencv函数库中的cvAdaptiveThreshold（）和cvThreshold（）进行二值化，而是通过调用AdaptiveThreshold（）获得第一个阈值，将最大像素的*0.7作为第二个阈值，进行图片二值化，并将这两个阈值用来做边缘检测函数cvCanny（）的参数。
牌照定位：本程序中通过对二值化的图像进行边缘检测后，在对得到的图片进行垂直和水平扫描，在对水平方向从左往右扫描的过程中，对最大信息量的区域圈出，然后进行垂直分割，将得到的区域即为车牌区域，之后再用cvResize（）将得到的图片变为统一的大小。也就是车牌定位的过程为：水平分割、垂直分割、二值化牌照字符分割。完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。
牌照字符识别：字符识别方法主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，选择最佳匹配作为结果。基于人工神经网络的算法有两种：一种是先对字符进行特征提取，然后用所获得特征来训练神经网络分配器；另一种方法是直接把图像输入网络，由网络自动实现特征提取直至识别出结果。
是否放行：在识别车牌号之后，将得到的车牌号的字符串与数据库中的车牌号的字符串进行对比，如果数据库中有该车牌则是医院的车，放行，否则不放行。
4 论文下一步的工作
本系统基本实现了医院车辆进出的自动化管理，以及进出人员的人次统计。但是目前系统只实现了一个摄像头的视频监控，这还不能满足目前医院多个监控摄像头同时工作的现状。因此，论文下一步的改进工作，是实现医院内多个监控摄像头的同时调取与管理。
参考文献：
[1]钟志光，卢君，刘伟荣.Visual C++.NET 数字图象处理实例与解析[M].北京：清华大学出版社，2003，6.
[2]何斌，马天予，王运坚，朱红莲.Visual C++ 数字图象处理第二版[M].北京：人民邮电出版社，2002.
[3]夏良正.数字图象处理[M].南京：东南大学出版社，1999，9.
[4]葛亮.Visual C++从入门到实践[M].北京：清华大学出版社，2009.
[5]康晓林，袁建州.Visual C++6.0实用教程[M].北京：电子工业出版社，2008.
[6]Scott Meyers.Effective C++[M].Addison-Wesley，1992.
作者单位：青岛市中心医疗集团，山东青岛 266042