基于树莓派和安卓客户端的移动监控系统

文章目录[隐藏]

二、编写安卓客户端

作者：DevinTT

链接：http://blog.csdn.net/DevinTT/article/details/43865431

接触树莓派已经有2周了，在linux发现了好多很不错的工具，其中mjpg-stream和phddns还有libcv什么的，都是很不错的工具。加上我会一点点安卓移动端的开发，所以结合一下自己掌握的技术，实现一个基于树莓派和安卓的监控系统。

为了方便大家学习，工程代码已经上传：http://download.csdn.net/detail/devintt/8447193(点击阅读原文进入)

一、安装mjpg-stream

以下技术参考http://blog.csdn.net/blueslime/article/details/12429411

下面的文字是使用github上jacksonliam的mjpg-streamer-experimental，在树莓派新版系统上可以进行完全编译，适合强迫症患者。而且还能支持树莓派的专用摄像头Pi Cam。

项目工程：https://github.com/jacksonliam/mjpg-streamer

将工程下载后，传送到树莓派系统中解压：

unzip mjpg-streamer-master.zip

编译此工程需要用到cmake和支持库：

sudo apt-get install cmake



sudo apt-get install libjpeg8-dev

然后进入工程mjpg-streamer-experimental，进行完全编译：

make clean all

进入树莓派设置菜单：

sudo raspi-config

移动到第五项“Enable Camera”，回车进入，按tab键切换到“Enable”回车确认。回到主菜单，tab键切换到“Finish”回车确认。树莓派会自动重启。

重启后，命令行进入mjpg-streamer-experimental目录

使用下面指令启动普通USB摄像头：

./mjpg_streamer -i "./input_uvc.so" -o "./output_http.so -w ./www"

启动树莓派专用摄像头RaspiCamera的指令是：

./mjpg_streamer -i "./input_raspicam.so" -o "./output_http.so -w ./www"

查看图像，在PC端打开浏览器，输入下面网址可以看到静态截图：

http://<树莓派IP>:8080/?action=snapshot

输入下面两条网址可以看到动态图像：

http://<树莓派IP>:8080/?action=stream

http://<树莓派IP>:8080/javascript_simple.html

但是市面上大部分摄像头都是支持YUV的，而不是JPEG的。mjpg-stream支持JPEG和YUV两种格式。直接运行出现i: init_VideoIn failed错误，解决方法：

1、打开以下文件：

sudo nano mjpg-streamer/plugins/input_uvc/input_uvc.c

2、翻到大概第三页将一行中的：

int width = 640, height = 480, fps = -1, format = V4L2_PIX_FMT_MJPEG, i;

修改成:

int width = 640, height = 480, fps = -1, format = V4L2_PIX_FMT_YUYV, i;

需要重新编译才会有效。

二、编写安卓客户端

其实完成第一步就几乎完成了很大部分的工作了，用手机浏览器输入ip地址就可以查看。但是编写手机客户端有利于摄像头的管理和加入脸部捕获什么的，让监控系统更加逼格。

先介绍一下用http实现图片获取的方法，我在另一篇文章里面说的比较清晰，

http://blog.csdn.net/devintt/article/details/38893869

我在这里主要说说图片获取之后的处理和显示的方法。

http获取图片数据流

  private void doGet() {

        //get http img

        String url = "http://192.168.0.105:8080/?action=snapshot";

//        Log.d(TAG, url);

        myHttpThreadGet = new HttpThreadGet(url, HttpThreadGet.GETIMG, handler);

        myHttpThreadGet.start();

}

消息传递获取，这里只用了获取图片

/************************** msg接收 *************************/



从图2中我们能看到，PLC的模块化编程语言十分方便，把参数直接填写在模块的输入参量中即可。可见PLC编程语言的方便程度绝不是单片机/嵌入式能够媲美的。

        handler = new Handler() {

            @Override

            public void handleMessage(Message msg) {

                switch (msg.what) {

                    case HttpThreadPost.POST:

                        result = (String) msg.obj;

                        break;

                    case HttpThreadGet.GET:

                        result = (String) msg.obj;

                        break;

                    case HttpThreadGet.GETIMG:

                        buffer = (byte[])msg.obj;

                        try {

                            image = BitmapFactory.decodeByteArray(buffer, 0, buffer.length, BitmapFactoryinfo);

                            faceDetect(image);

                        } catch (Exception e) {

                            Log.e(TAG, e.toString());

                        }

                        doGet();    //再请求

                        break;

                    default:

                        break;

                }

            }

        };

由于图片是JPEG格式的数据流，需要通过BitmapFactory重新编码，如果要实现人脸识别FaceDetector的话需要将图片格式化Bitmap.Config.RGB_565。

/************************** format bitmap *************************/



    private void detectSetup() {

        BitmapFactoryinfo = new BitmapFactory.Options();

        BitmapFactoryinfo.inPreferredConfig = Bitmap.Config.RGB_565;  //构造位图生成的参数，必须为565。类名+enum

}





获取到图片并格式化之后就可以经行显示了，如果要加入人脸检测的话，就调用这个。

以下技术参考http://blog.csdn.net/zhandoushi1982/article/details/8613916

这里的方法可以将检测出来的人脸经行描绘出来，并且可以同时识别多个，由于我们的图片是静态一张一张的，所以我们用的是静态的方法。

/************************** face detect *************************/



    private void faceDetect(Bitmap fBitmap) {

//        myBitmap = BitmapFactory.decodeResource(getResources(), R.drawable.baby, BitmapFactoryOptionsbfo);

        int imageWidth = fBitmap.getWidth();

        int imageHeight = fBitmap.getHeight();

        myFace = new FaceDetector.Face[numberOfFace];       //分配人脸数组空间

        myFaceDetect = new FaceDetector(imageWidth, imageHeight, numberOfFace);

        numberOfFaceDetected = myFaceDetect.findFaces(fBitmap, myFace);    //FaceDetector 构造实例并解析人脸

        countertext.setText("numberOfFaceDetected is " + numberOfFaceDetected);

        Log.i(TAG,"numberOfFaceDetected is " + numberOfFaceDetected);

        Bitmap bitmapTemp = Bitmap.createBitmap(fBitmap.getWidth(), fBitmap.getHeight(), Bitmap.Config.RGB_565);

        Canvas canvas = new Canvas(bitmapTemp);

        canvas.drawColor(Color.TRANSPARENT);

        Paint myPaint = new Paint();

        myPaint.setColor(Color.GREEN);

        myPaint.setStyle(Paint.Style.STROKE);

        myPaint.setStrokeWidth(3);          //设置位图上paint操作的参数

        canvas.drawBitmap(fBitmap, 0, 0, myPaint);



        for(int i=0; i < numberOfFaceDetected; i++){

            Face face = myFace[i];

            PointF myMidPoint = new PointF();

            face.getMidPoint(myMidPoint);

            myEyesDistance = face.eyesDistance();   //得到人脸中心点和眼间距离参数，并对每个人脸进行画框

            canvas.drawRect(            //矩形框的位置参数

                    (int)(myMidPoint.x - myEyesDistance),

                    (int)(myMidPoint.y - myEyesDistance),

                    (int)(myMidPoint.x + myEyesDistance),

                    (int)(myMidPoint.y + myEyesDistance),

                    myPaint);

        }

        imageview.setImageBitmap(bitmapTemp);

}

为了防止退出的时候没有关闭http通信，造成下次再打开会出现FC，所以需要中断http通信。

@Override

    protected void onDestroy() {

        super.onDestroy();

        if(myHttpThreadGet.isAlive()) {

            myHttpThreadGet.interrupt();

        }

}

最后附上效果图：

学习单片机技术必须注重“理论+实践”的方法。如果只学理论知识而不动手操作，则收效甚微；如果只进行实践操作而不学习理论知识，效果也不明显。因此，学好单片机技术必须做到理论、实践同时学，理论知识和实践技能就像人的两条腿，缺一不可。