监控系统简介

浏览方式：
首先像说明书一样介绍都有哪些功能。
之后介绍各部分具体技术及测试结果。

监控端

在树莓派上运行，提供了简单的web界面。
使用方法和家用路由器类似：在指定ip登录 --> 配置摄像头 or 查看使用日志

可配置/ 查看项：

摄像头配置：

摄像头连接日志：

特别提供摄像头所支持的所有API说明（由django-rest_framework自动生成）：

API线上试运行结果：
可看到返回的数据

服务端

制作了两部分，一部分是桌面程序，另一部分是web端。
桌面程序界面：
提供了简单的录像列表，下图用简单的树形结构描述了3个摄像头的所有视频记录。
用户双击后会打开FFmpeg的播放器界面直接播放视频。

多窗口播放示例：
下图中紫色的部分为树莓派夜视摄像头在我家里的录像。

工具栏里的炫酷技能：

查看人脸数据集

点击使用excel打开人脸特征点数据集。
图中的人脸大多是我从各种照片中随机采集的。
有了这些人脸特征，就可以从拍摄的视频中准确查找这个人（或者脸）出现的位置。

添加人脸可以从摄像头或者文件夹中直接导入

此处较为简单，未截图，不作详细介绍。

查找人脸

点击后将打开web浏览器。
程序将缓存每一次人脸搜索的结果。
以下是我之前的人脸查找记录：

点击右上角添加可以添加新的搜索条件，记录并返回搜索结果：

点击查看结果，可以得到人脸信息检索报告：

点击播放，可以唤起FFmpeg播放器直接播放：
播放器的使用效果另附有视频。

同步

中期答辩的时候将监控系统划分为4个大块：

除了直播部分我使用的是私有协议以外，其他部分功能都实现了。
同步部分的介绍如上图中所示。

技术采用

总体策略是使用C++完成性能部分，使用Python实现交互部分

• 视频流编解码基于FFmpeg

• 监控推流服务器基于Boost.ASIO模块，用以实现高性能并行传输

• 服务端拉流服务器基于Qt.Network模块，以提高开发速度

• web端基于django框架，使用Python完成摄像头端的用户交互，同样使用Python实现服务端的用户交互及信息检索。

• 人脸识别使用开源库face_recognation

• 视频播放器基于FFplay，使用进程管道与其通信

测试结果

监控端静态画面带宽120kb左右，动态画面带宽达到230kb左右。
于项目中通过统计socket流量所得。

人脸识别准确率未测算。
按face_recognation的官方说法，对欧美人脸的识别率达到94%左右，对亚洲人的识别率相对较低。