2024年3月30日发(作者：)

医院进出管理系统的设计

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_。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hname（）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 ive c++[m].addison-wesley，1992.

作者单位：青岛市中心医疗集团，山东青岛 266042