摘 要： 使用Qt結合OpenCV設計了一款基于嵌入式的無線視頻監(jiān)控系統(tǒng)，該系統(tǒng)具備人臉檢測和頭像保存功能。系統(tǒng)采用C/S結構，在ARM開發(fā)板上搭建的Qt多線程Linux系統(tǒng)服務器用于采集和發(fā)送視頻；用Qt結合OpenCV制作的客戶端運行在PC上，提供監(jiān)控功能。介紹了Qt的Linux系統(tǒng)環(huán)境設置與ARM移植、V4L2視頻采集的過程以及如何用Qt多線程處理視頻數據。測試結果表明，在WiFi環(huán)境下，系統(tǒng)可進行有效的實時監(jiān)控。
關鍵詞： 無線視頻監(jiān)控；Qt；OpenCV；人臉檢測
0 引言
無線視頻監(jiān)控系統(tǒng)具有無需布線、安裝簡單、監(jiān)控點靈活的優(yōu)點。嵌入式監(jiān)控設備占用空間小、價格低。Linux操作系統(tǒng)可裁剪，適合在嵌入式設備上使用[1]。本文在ARM-Linux系統(tǒng)上利用Qt和OpenCV技術，結合TCP/IP傳輸協(xié)議，開發(fā)了一款帶有圖像處理功能的低成本實時無線視頻監(jiān)控系統(tǒng)，具備人臉檢測和頭像保存功能。
1 系統(tǒng)結構
無線視頻監(jiān)控系統(tǒng)由ARM服務器、PC客戶端和無線路由器3個部分組成，如圖1所示。ARM服務器設置USB攝像頭的采集參數，將采集到的畫面進行格式轉換后（YUV轉換成JPEG），通過USB無線網卡將視頻畫面發(fā)送出去；無線路由器為ARM服務器與遠程PC客戶端提供無線網絡；PC客戶端接收并顯示視頻，完成人臉檢測、頭像保存等處理。
本系統(tǒng)的服務器硬件由友善之臂Smart210開發(fā)板、EP-N8508GS無線網卡和USB攝像頭組成。其中，Smart210開發(fā)板采用了三星S5PV210作為主處理器；EP-N8508GS無線網卡支持IEEE802.11N網絡標準，傳輸速率為150 Mb/s；USB攝像頭支持V4L2協(xié)議，采集視頻格式為YUV。軟件部分主要包括內核為3.0的Linux操作系統(tǒng)、Qt 4.7、OpenCV 2.4相關庫、客戶端和服務器軟件。系統(tǒng)軟件結構如圖2所示。
2 服務器實現
2.1 Linux QT環(huán)境設置與ARM移植
本系統(tǒng)軟件編程采用C/S模式，程序在PC Ubuntu環(huán)境下用Qt 4.7編寫完成，分別用ARM、PC環(huán)境下的qmake編譯器編譯成可執(zhí)行程序。如果統(tǒng)一采用PC環(huán)境下的qmake編譯，服務器程序將無法在ARM上運行。這是由于ARM與PC的開發(fā)環(huán)境不同，可使用file指令來判斷可執(zhí)行程序的運行環(huán)境。Linux ARM版本的Qt環(huán)境配置流程如圖3所示。
在完成Linux ARM版本的Qt環(huán)境配置后，還需要將生成的Qt庫都加載到ARM開發(fā)板上才能在ARM上運行Qt程序，否則出現缺少依賴庫的錯誤。
2.2 服務器軟件設計
ARM服務器軟件采用Qt編程，實現的功能有V4L2視頻采集、視頻格式轉換、TCP視頻傳輸。服務器的工作流程為：先啟動監(jiān)聽狀態(tài)，給出當前使用的IP地址和監(jiān)聽的隨機可用端口號提示；當客戶端連接上時發(fā)送視頻數據。
2.2.1 V4L2（Video4Linux2）視頻圖像采集
V4L2是Linux下針對免驅動USB設備的編程框架，為視頻采集設備的程序開發(fā)提供了統(tǒng)一的接口[2]。視頻采集部分基于V4L2，將其定義為一個單獨的videoDevice類，實現視頻設備的初始化、打開、配置、設置內存映射、開始采集、讀取緩沖區(qū)、視頻格式轉換、更新緩沖區(qū)、結束采集、取消內存映射、關閉、格式轉換等功能。該類還定義了專門的槽函數，為后續(xù)的設備視頻采集線程提供RGB24視頻幀。
2.2.2 多線程處理視頻數據
采用多線程可以提高程序的響應速度，在Qt應用程序中使用多線程只需子類化Qthread并且重新實現它的run（）函數即可[3]。程序采用雙線程，一個用于單幀圖像的周期性采集并發(fā)送完成信號，另一個利用私有槽函數完成單幀圖像的發(fā)送，兩個線程在tcpServer類中進行連接，從而實現視頻的連續(xù)采集與傳輸。在采集視頻線程run（）函數中，每隔一定時間獲取視頻幀并發(fā)送數據產生信號。視頻發(fā)送線程采用基于塊的傳輸協(xié)議把視頻數據作為二進制塊進行傳輸，每個數據塊包含一個大小字段及單幀視頻數據。在該線程中，將采集并經轉化后得到的RGB24格式視頻圖像以JPG格式存入緩沖區(qū)發(fā)送；發(fā)送完成后，需要調用seek（0）函數以重新移到存儲空間的開始處，避免出錯。
2.2.3 基于TCP的視頻傳輸
TCP是面向連接的通信協(xié)議，提供可靠的數據流服務，從而確保視頻的有效傳輸。Qt提供的QTcpServer和QTcpSocket類，分別用于實現服務器和客戶端[4]。
服務器視頻傳輸程序主要由tcpServer和tcpClientSocket類完成。tcpServer重新實現了incomingConnection（）函數。當客戶端試圖連接到服務器監(jiān)聽的端口時，調用該函數來創(chuàng)建視頻采集和發(fā)送線程，并通過信號與槽將兩個線程連接起來，從而實現視頻幀的采集與發(fā)送。tcpClientSocket類利用connect（）函數將readRead（）和disconnected（）信號分別與readClient（）和slotDisconnected（）槽連接起來，從而接收來自客戶端的數據，以及當套接字連接關閉時，刪除對象。
3 客戶端實現
客戶端軟件設計采用Qt與OpenCV聯(lián)合編程，Qt用于界面設計、視頻接收與顯示，OpenCV專注于對視頻圖像進行處理?？蛻舳藢崿F的功能有：（1）登錄功能；（2）連接服務器并接收視頻；（3）彩色與灰度視頻切換顯示；（4）拍照保存、人臉檢測、頭像保存功能。為了使用OpenCV，需要在Qt工程文件中添加OpenCV的庫文件和路徑。由于使用了網絡傳輸協(xié)議，需要在Qt工程文件中添加QT+=network代碼。
3.1 視頻接收與彩色/灰度顯示
客戶端啟動后，填入設備名、IP地址、服務器監(jiān)聽的端口號來連接服務器。程序使用槽函數將客戶端連接到服務器，該槽函數在QTcpSocket對象上異步調用connectToHost（）建立連接。當連接建立起來并運行時，QTcpSocket對象發(fā)送connected（）信號，此時會執(zhí)行sendData（）槽函數將數據發(fā)給服務器；如果連接失敗，QTcpSocket對象會發(fā)送錯誤信號。只要QTcpsocket對象從服務器上接收到視頻數據，就發(fā)送readReady信號，此時程序調用dataReceived（）槽函數。dataReceived（）槽函數實現了3個功能：接收視頻幀、統(tǒng)計每幀的數據量與總的幀數以及用判斷語句來選擇顯示彩色/灰度視頻。
3.2 人臉檢測與頭像保存
人臉檢測使用OpenCV提供的檢測圖像中的目標函數cvHaarDetectObjects（）和"haarcascade_frontalface_alt.xml"人臉檢測分類器對視頻流中的某幅圖像進行搜索，從而確定圖像中是否含有人臉并計數人臉數量。本功能啟用后，會加載Haar檢測分類器并分配資源，在圖像格式轉換后進行人臉檢測與頭像保存。
圖4、5分別顯示了人臉檢測與頭像保存的流程。通過目標函數調用人臉檢測分類器在視頻圖像中找到包含人臉的矩形區(qū)域，用不同的顏色標識后返回矩形框序列[5]。頭像保存是在人臉檢測的基礎上用cvSetImageROI（）標識出頭像區(qū)域，之后截取保存。
4 系統(tǒng)測試
在PC上編譯服務器與客戶端程序，通過串口將服務器可執(zhí)行程序下載到ARM開發(fā)板上。在串口調試助手SecureCRT上輸入掃描和連接WiFi的指令，并進行ping測試。確認WiFi環(huán)境可用后，在ARM上運行服務器程序，PC上運行客戶端程序，測試結果如圖6所示。
5 結論
本文介紹了一種基于Qt和OpenCV的嵌入式無線視頻監(jiān)控系統(tǒng)。經過測試，該系統(tǒng)達到了預期的效果，實現了無線實時監(jiān)控，其人臉檢測與頭像保存功能增強了監(jiān)控的能力，解決了常規(guī)監(jiān)控系統(tǒng)只顯示畫面不能對畫面進行處理的問題。此外，系統(tǒng)性能穩(wěn)定，成本低廉，具有廣泛的應用前景。
參考文獻
[1] 馬毅.基于Linux的遠程視頻監(jiān)控嵌入式系統(tǒng)的設計與實現[D].上海：上海交通大學，2001.
[2] 周寶余，臧雪柏.基于QT的無線多路視頻監(jiān)控系統(tǒng)[J].吉林大學學報（工學版），2011，41（增刊）：204-207．
[3] BLANCHETTE J， SUMMERFIELD M. C++ GUI programming with Qt4（Second Edition）[M]. NJ： Prentice Hall in association with Trolltech Press， 2008.
[4] 陳峰，郭爽，趙欣.基于Qt和嵌入式的視頻監(jiān)控系統(tǒng)[J].通信技術，2011，44（10）：109-111．
[5] BRADSKI G， KAEHLER A. Learning OpenCV： computer vision with the OpenCV library（First Edition）[M]. CA：O′Reilly Media Inc， 2008．