基于Android系统的设备巡检手机客户端设计与实现

◆肖 培 王 强

（苏州工业园区工业技术学校 江苏 215123）

基于Android系统的设备巡检手机客户端设计与实现

◆肖 培 王 强

（苏州工业园区工业技术学校 江苏 215123）

校园网络设备中配电房设备巡检依赖于人工，安全隐患大，本文的目的是开发基于Android系统的客户端软件进行图像识别，通过校园无线网络，将配电房中网络摄像机获得的图像信息传输到手机上。通过对开关柜工作状态的判断，实现远程、实时智能监测。通过对现场采集的数据进行分析和反复的实验，该系统能够满足配电房巡查需要，操作简单且工作可靠，具有良好的市场应用前景和可扩展性。

Android；视频监控；RTSP；OpenCV；图像识别

0 引言

校园网络设备的正常运行依赖于配电系统，目前大部分配电房设备的运行和维护都依赖于人工巡查，安全隐患大，如何让巡查者快捷获得现场信息并确保巡查人员的人身安全是摆在眼前的重要问题。随着“互联网+”时代的到来，网络速度日益提升，智能手机系统功能日趋完善，手机客户端的应用前景十分广阔。本文开发出基于Android的手机客户端软件进行图像识别，将配电房中网络摄像机获得的图像信息，通过校园无线网络传输到智能手机，通过对配电设备开关柜工作状态的判断，来实现远程、实时智能监测，为校园设备的配电房远程实时巡检提供了方便。

1 视频采集

配电房巡检系统的主要设备包括：网络摄像机、无线路由器和Android智能手机。它的硬件实现如图1所示。

图1 视频监控硬件结构

（1）网络摄像机：摄像机是整个系统数据的采集者，负责采集配电房设备的工作状态，实时拍摄视频，同时，网络摄像机也是巡检网中的一个设备终端，通过以太网接入系统。

（2）路由器：是整个系统的通信中继装置，负责将摄像机采集到的数据传递给接收端。

（3）智能手机：是整个系统数据的接收者和处理者，负责向用户播放实时视频数据，并对数据进行处理和智能化的分析。

2 编码和传输

Android是目前最具可移植性的嵌入式操作系统，从接口到功能，都有层出不穷的变化。客户端的设计与实现基于Android操作系统以及RTSP协议，使用OpenCV对图像进行边缘检测和圆形检测的基本处理。

2.1 Android操作系统和平台架构

随着智能手机的日益普及，智能手机操作系统也日益为人们所重视。有的智能手机操作系统曾经非常成功，如诺基亚的Symbian系统、RIM的Blackberry系统，有的则稍纵即逝，如Windows Mobile、MeeGo、FireFox OS，能够存活并且大面积使用的有Android 和IOS两种。与封闭的IOS系统不同，Android是一款自由及开放源代码的操作系统[1][2]。Android系统的开放性特点更能够吸引开发者，同IOS昂贵的开发设备和需要付费才能成为开发者不同，Android的开发需要的成本少、门槛低。Android是对Linux在移动设备上的一个良好的补充，它对Linux进行了一定程度的裁剪，同时也做了大量优化，使Linux在移动设备领域获得了新生[3]。

2.2 RTSP协议

RTSP(Real Time Streaming Protocol)[4]实时流传输协议，是由Real network 和Netscape共同提出的如何有效地在IP网络上传输流媒体数据的应用层协议。该协议定义了一对多应用程序如何有效地通过IP网络传送多媒体数据。

RTSP协议以客户服务器方式工作，它是一个多媒体播放控制协议，对流媒体提供了诸如暂停、继续、后退、前进等控制。因此 RTSP 又称为“因特网录像机遥控协议”。

图2 RTSP协议参考模型

2.3 OpenCV

OpenCV的英文全称为：Open Source Computer Vision Library。OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，它可以在Linux、Windows、Android和Mac OS操作系统上运行[5]。它具有轻量和高效的特点，由一系列的C函数和少量的C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，具有图像处理和计算机视觉方面的很多通用算法。OpenCV进行图像识别一般采用两种方式，对于简单的图像一般采用轮廓识别，如车牌；对于复杂图像，采用特征值识别，如人脸识别。

3 图像识别

图像识别的核心思想是从静态图片中找到设备的特征值，从而对设备进行判断和定位，并从相关图像参数中获取设备的运行状态。

3.1 预处理过程

为提高后续识别的准确度，首先需要对图像进行去除噪声操作，即平滑操作。但是平滑操作带来一个问题，如通常使用的高斯滤波法，会使图像的清晰度降低。如果图像本身清晰度很高，对后续计算影响较小。如果因为在拍摄过程中清晰度很差，就会影响图像的识别。

所以在识别图像前先判断图像的清晰度，对于不同清晰度的图像采取不同的操作，对于清晰度高的图像，采用高斯滤波，进行平滑操作，对于清晰度低的图像，采用锐化操作，提升图像的清晰度。

图像操作的第一步是简化图像像素点，即图像的灰度化操作，调用如下：

cvtColor(src_img, gray, CV_BGR2GRAY);

随后调用图像清晰度检测函数进行清晰度检测，图像清晰度检测函数使用计算相邻像素点方差的方法。

根据检测的结果，以阈值（100左右）为分界线，大于100的认为是清晰度较高的图像进行高斯滤波：GaussianBlur(gray, gray, Size(9, 9), 2, 2);低于100的图像进行锐化操作，采用拉普拉斯算子：Laplacian(gray, gray,CV_16S,3)。

3.2 特征值识别

由于本项目中的图片特征主要是矩形和圆形，对于矩形检测，需要先检测到直线，再对两个直线求直角，由于真实图片可能因为角度问题导致矩形在图片中成为不规则的四边形，所以在求直角运算时，可以适当放开直角的角度范围进行纠正。

首先对滤波后的图像进行二值化操作，轮廓检测，并存储检测到的轮廓，对每个进行多边形逼近，检测矩形轮廓，对检测到的多边形进行边数和形状判别，检测是否为凸多边形。随后计算多边形四个边的的夹角，并判断是否为矩形，可适当放宽夹角的范围防止图片的拉伸情况。

图3 设备特征图

根据图片中矩形的范围定位到两个灯所在的矩形，如图3所示，设备指示灯所在的黑色区域是一个大矩形，内部有三个小矩形，可以根据检测到的矩形的结果集确定黑色区域矩形的范围。最后在确定的矩形范围中寻找圆形。

3.3 设备工作状态提取

整个设备的指示灯中，中间的位置颜色最鲜艳，明亮度也最高，所以先根据图3找到的圆进行圆心的提取。

图像重新载入和颜色识别：因为原始图像已经被二值化（黑白化），不能识别颜色，所以从图像读取的拷贝中读取彩色图像进行颜色判断。

4 状态判断

4.1 实验环境

实验环境为海康威视DS-2CD1201D-I3 网络监控摄像头、D-Link无线路由器、Android智能手机（安卓系统版本5.0以上）。

表1 摄像头与设备间的距离和角度测试数据结果统计

4.2 实验方法

（1）功能说明：通过手机客户端远程实时查看摄像头视频，摄像头的IP地址可以手动输入，显示当前设备工作状态，对采集的数据进行图像识别。

（2）功能设计：采用Android 5.0版本以上智能手机作为App的运行系统，使用Android前台加Open CV后台的方式完成对设备工作状态的识别。

通过界面输入网址来访问网络摄像头，接收数据流后进行解码和播放工作，在客户端界面上有明显的显示区域提供设备状态的监测工作。

4.3 实验结果

在工程上，摄像头安装的位置直接决定了摄像头和配电房开关柜的距离和角度，通过实地搭建系统，调整摄像头的位置，选取不通角度和距离进行测试，表1列举了部分识别结果。

由以上测试结果得出，摄像头和开关柜距离在8m以内，角度大于30°的情况下，该系统能够达到预期效果。当摄像头与开关柜距离大于8m时，因开关柜矩形框边缘过小，系统无法识别。当摄像头与开关柜角度小于30°时，无法进行倾斜矫正，系统无法识别。综合判断，该系统能够满足校园配电房设备日常巡检辅助工作。

5 结束语

本文根据实际，开发出一款可应用于配电房设备巡检的手机客户端软件（APP），该软件基于对安卓操作系统的基本框架程序，设计相应的登录及播放器操作界面，并根据基本的视频编解码原理，实现RTSP交互过程，在手机界面上流畅地获得摄像机采集的图像。最后通过OpenCV视觉库来对图像进行边缘检测和中心圆形检测，完成对采集图像的识别以及结果判断，为配电房远程实时巡检提供了方便。

通过对现场采集数据的分析和反复的实验表明，该系统能够初步满足高低压配电房设备巡查的需要，操作简单且工作可靠，具有良好的市场应用前景和可扩展性，有一定的工程应用潜质。

[1]张华亮.基于Linux自由及开放源代码的Android操作系统[J].计算机与网络，2016.

[2]卓炜.基于Android操作系统的软件开发及应用的探讨[J].电子技术与软件工程，2013.

[3]石鑫，夏青.基于Android操作系统的实时系统监控研究[J].电视技术，2015.

[4]万明明.基于RTSP的流媒体传输系统的应用开发[J].电子测试，2016.

[5]李小川，杨国林.基于OpenCV的视频监控系统的研究与实现[J].内蒙古工业大学学报(自然科学版)，2015.