計算機視覺技術(shù)的基礎(chǔ)精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的計算機視覺技術(shù)的基礎(chǔ)主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計算機視覺技術(shù)的基礎(chǔ)范文

關(guān)鍵詞：計算機視覺；課程創(chuàng)新；教學改革

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2016）20-0118-02

計算機視覺課程是人工智能學科的分支學科，對互聯(lián)網(wǎng)技術(shù)的發(fā)展有著重要的推進作用。隨著時代的飛速變遷，越來越多的學生對這一領(lǐng)域產(chǎn)生了濃厚的興趣，計算機視覺課程在信息專業(yè)中也開始占據(jù)重要的地位。如何讓學生對這門課程保持長久的興趣，如何培養(yǎng)學生的專業(yè)能力和實踐能力，是當前高校應(yīng)該考慮的問題。經(jīng)過近幾年的教學實踐后，很多高校已經(jīng)逐步確定了通過實際應(yīng)用培養(yǎng)學生興趣的教學方法，在滿足學生對計算機視覺應(yīng)用需求的同時，加深了學生對理論知識的理解，這已經(jīng)成為了當前高校計算機視覺課程教學的重要模式。

一、計算機視覺課程的特點

近年來，隨著計算機網(wǎng)絡(luò)的飛速發(fā)展，計算機視覺的應(yīng)用也越來越廣泛，成為了信息相關(guān)專業(yè)學生的一門必修課。計算機視覺課程涉及眾多領(lǐng)域，包括人工智能與模式識別、應(yīng)用數(shù)學等，其覆蓋范圍廣，綜合性較強。具體來說，計算機視覺課程有以下幾個特點：一是內(nèi)容廣泛，理論抽象。計算機視覺是一門新技術(shù)，隨著時代的變遷，互聯(lián)網(wǎng)新技術(shù)的更新日新月異，這就使得課程內(nèi)容的更新過快，內(nèi)容廣泛，教師很難在第一時間向?qū)W生輸送所有的課程知識。二是計算機視覺課程涉及多個學科領(lǐng)域，并且所涉及的領(lǐng)域知識內(nèi)容復(fù)雜，表達抽象，這對學生的學習來說是一個較大的障礙。三是實踐性強。計算機視覺課程的知識內(nèi)容來源于各種專業(yè)不同的領(lǐng)域，操作性極強，學生只有在具有一定的工程項目綜合能力后，才能進行計算機視覺應(yīng)用和操作。

二、計算機視覺與計算機圖形學、數(shù)字圖像處理之間的聯(lián)系和區(qū)別

1.計算機視覺與計算機圖形學的聯(lián)系與區(qū)別。計算機視覺一般輸入的都是圖像或圖像序列，其輸入資料主要來自usb攝像頭或是相機。經(jīng)過處理后，計算機視覺輸出的是對圖像序列和圖像對應(yīng)的對真實世界的一種理解，在這一方面，計算機視覺有識別車牌、人臉的作用。而計算機圖形學則是一種對虛擬場景的描述。它一般是由多個多邊性數(shù)組組成，每個多邊性有三個頂點，輸出的是二維像素數(shù)組。在增強現(xiàn)實的應(yīng)用中，人們不僅需要用計算機視覺來提高對物體識別和姿態(tài)獲取的效率，還需要用到計算機圖形學對虛擬三維物體的疊加方法。

2.計算機視覺與數(shù)字圖像處理的聯(lián)系和區(qū)別。首先，計算機視覺與數(shù)字圖像處理之間的聯(lián)系在于數(shù)字圖像處理是計算機視覺處理的基礎(chǔ)，而計算機視覺的研究成果也可以作為數(shù)字處理的素材。其次，計算機視覺與數(shù)字圖像處理之間的區(qū)別在于圖形是一種純數(shù)字化、矢量的單位，而圖像則不僅包括圖形，有時還包括來自現(xiàn)實世界的信號，并且圖形的處理不是一種簡單的堆積，計算機視覺的處理要從圖像中找到一些統(tǒng)計數(shù)據(jù)和信息，并做進一步的數(shù)據(jù)分析。

三、高校計算機視覺課程教學的創(chuàng)新策略

1.以工程應(yīng)用為導向的課程內(nèi)容。鑒于學習本課程的學生在畢業(yè)之后多數(shù)會進入相關(guān)工程企業(yè)或者研究院工作，因此，在對學生進行培養(yǎng)時，高校一方面要考慮到學生的知識接受度，另一方面要設(shè)置以工程應(yīng)用為導向的課程內(nèi)容，幫助學生更好的進入企業(yè)或研究院開展工作。高校在進行計算機視覺課程教學創(chuàng)新時，首先要創(chuàng)新課程教材，摒棄以往枯燥的理論書籍，多選取一些實踐性和應(yīng)用性強的教材。考慮到國內(nèi)教材的滯后性和學生基礎(chǔ)的薄弱性，高校應(yīng)該選擇以下兩本書作為學生的專用教材：一本是我國著名教授賈云得編纂的《機器學習》，這部教材深刻體現(xiàn)了時展的教學要求，書中不僅詳細講述了計算機視覺中的一些基本知識，包括計算機視覺的基本概念、算法及其應(yīng)用，還有一些經(jīng)典的數(shù)字圖像處理方法和視覺應(yīng)用分析，對學生了解基礎(chǔ)知識和實踐內(nèi)容有著重要的意義；另外一本是國內(nèi)外十分推崇的計算機視覺著作，它是美國教授Richard Szeliski教授的作品。該書在2010年出版，獲得了眾多業(yè)界人士的好評。Richard Szeliski教授是華盛頓大學的兼職教授，也是微軟研究院交互視覺與多媒體的主任，他對計算機視覺的發(fā)展和未來走向十分清楚，也深刻了解產(chǎn)業(yè)界和大學需要什么樣的計算機視覺課程教材。因此，這本教材面向應(yīng)用，與當今最新的科技成果緊密相連，綜合論述了計算機視覺在各個領(lǐng)域的發(fā)展，展示了計算機視覺的最新研究成果和未來的發(fā)展趨勢。此外，本書中還有詳細的國外研究案例和更加深入的應(yīng)用案例，適合學生開展探究性學習。兩本教材都是遵循以工程應(yīng)用為導向的原則，對學生開放性思維的培養(yǎng)有著重要的意義。

2.面向科技最新成果的課程定位。計算機視覺是一門新技術(shù)，科技創(chuàng)新是其發(fā)展的原動力，因此，高校在進行課程安排時，應(yīng)該將當今計算機視覺領(lǐng)域的重要的科技成果作為計算機課程的基本教學內(nèi)容。要想以科技最新成果定位計算機視覺課程，高校要做到以下兩個方面：（1）選取涵蓋最新成果的教材。考慮到不同學生的數(shù)字圖像處理基礎(chǔ)不一的問題，學校可以在課程中補充一些有關(guān)數(shù)字圖像處理的基礎(chǔ)內(nèi)容。在選擇教材內(nèi)容時，計算機視覺課程的內(nèi)容應(yīng)該包括數(shù)字圖像處理、視覺學習和模式識別這三大部分。數(shù)字圖像處理是視覺課程的基礎(chǔ)內(nèi)容，主要向?qū)W生介紹數(shù)字圖像處理和計算機視覺所涉及的一些基礎(chǔ)知識，包括圖像的分割和檢測、圖像濾波的處理等。數(shù)字圖像處理是整個計算機課程學習的重要基礎(chǔ)內(nèi)容，其課時可占總課時的二分之一。其次，視覺部分是近幾年來計算機視覺的最新科技成果，內(nèi)容主要包括攝像機的幾何設(shè)定和計算機攝影機的序列處理等。作為最前沿的科技領(lǐng)域，視覺部分將會是該課程后期的重點內(nèi)容，與實踐作業(yè)緊密結(jié)合。而模式識別則更多的是新技術(shù)的一種工程應(yīng)用，學生會更多的涉及到實踐操作，更好的培養(yǎng)學生的實踐能力。（2）強化學生自學和調(diào)研能力。課程調(diào)研和實踐是信息專業(yè)學生強化能力的重要方法之一，高?？梢栽谡n程項目中引入新技術(shù)的探究，在使課程在具有基礎(chǔ)性、研究性的同時，具有一定的前沿性，還能讓學生在第一時間了解到最新的科技成果和互聯(lián)網(wǎng)應(yīng)用技術(shù)。在課程調(diào)研和實踐中，高校必須要強化學生的自學和調(diào)研能力，在調(diào)研時給每一個小組安排一位高年級研究生作為指導，每組學生獨立完成任務(wù)，高年級研究生只做引導和輔助的作用。學生在自我設(shè)置調(diào)研程序，查找資料，理解和熟悉相關(guān)程序的時候，能夠更加掌握最新科技成果的內(nèi)容，同時還提高了學生的自學能力和團隊協(xié)作能力。

3.工程實踐化的教學形式。工程項目綜合能力是信息專業(yè)的學生必須具備的素質(zhì)之一，因此在計算機視覺課程的教學過程中，培養(yǎng)學生的工程實踐能力是教學目標之一。高校可以采取以下兩種方法：（1）選取適當?shù)墓こ虒嵗?。對于信息專業(yè)的學生而言，計算機視覺課程各個獨立的算法和方法較多，彼此沒有過多的聯(lián)系。這對學生來說過于抽象，不易理解，因此教師不應(yīng)當僅僅限于知識的傳授，還應(yīng)該選取一些適當?shù)墓こ虒嵗?，將知識體系串聯(lián)在一起，加深學會對教學內(nèi)容的理解，從而達到良好的教學效果。例如，在教學過程中，教師可以著重介紹手機制造的例子。手機是現(xiàn)在學生十分熟悉的產(chǎn)品，用手機舉例更加貼近學生的生活，教師可以詳細介紹手機鍵盤和主板的制造過程，并在這一過程中將所學的算法和理論融合進去，加深學生對知識的理解。其次，教師在手機講解時，還可以引導學生思考類似的產(chǎn)品制造，從而引出數(shù)碼相機的制造原理，和學生一起探討其制造算法。這種做法不僅可以幫助學生學習，還可以讓學生拓寬思路，發(fā)散思維，不斷創(chuàng)新計算機視覺領(lǐng)域。（2）選擇合適的實際應(yīng)用。計算機視覺課程是一門實踐性和操作性極強的學科，因此，為了學生更好的學習，教師要將理論工程實踐化，選擇合適的實際應(yīng)用來提高學生的實踐能力。教師可以安排學生進入手機制造廠房，給學生上一堂別開生面的實踐課，詳細介紹每個制造流程，并向?qū)W生不斷拋出與課程有關(guān)的問題，引發(fā)學生的思考，比如選擇什么樣的模板匹配法可以更為簡單。學生在不斷的解答和提問中，對學科知識的了解也會逐步加深。其次，高?？梢越ｉT的實訓基地，學生可以在基地里實踐操作，將理論轉(zhuǎn)化為實物，親自嘗試做出模型，這種做法可以極大地提高學生的實踐能力，使學生更快的將理論轉(zhuǎn)化為實際。

四、結(jié)語

在新形勢下，高校應(yīng)不斷創(chuàng)新計算機視覺課程的教學模式，并以此展開教學活動，培養(yǎng)學生的實踐能力和創(chuàng)新精神。將工程應(yīng)用和科技最新成果結(jié)合的教學模式，有利于解決理論和實踐相脫節(jié)的問題，在增強學生學習興趣、提高學生獨立分析能力的同時，還使學生接觸了國際最新的研究成果，拓寬了學生的思路，這對學生未來的發(fā)展有著重要的意義。

參考文獻：

[1]郭小勤，曹廣忠.計算機視覺課程的CDIO教學改革實踐[J].理工高教研究，2010，（05）.

[2]倫向敏，侯一民.高?！队嬎銠C視覺》課程輔助教學系統(tǒng)的研究[J].教育教學論壇，2012，（18）.

[3]陳芳林，劉亞東，沈輝.在《計算機視覺》課程中引入研討式教學模式[J].當?shù)亟逃碚摵蛯嵺`，2013，（07）.

[4]楊晨.視覺傳達設(shè)計專業(yè)插畫設(shè)計課程創(chuàng)新與實踐人才培養(yǎng)機制探究[J].藝術(shù)科技，2015，（05）.

[5]蔣辰.基于數(shù)字媒體環(huán)境的視覺傳達設(shè)計專業(yè)綜合實驗課程改革探證[J].文藝生活：中旬刊，2015，（07）.

[6]張勝利.視覺傳達設(shè)計專業(yè)中色彩風景寫生課程多元立體化教學模式的構(gòu)建[J].美術(shù)教育研究，2015，（08）.

第2篇：計算機視覺技術(shù)的基礎(chǔ)范文

【關(guān)鍵詞】精密測量 計算機視覺圖像 關(guān)鍵技術(shù)

在現(xiàn)代城市的建設(shè)中離不開測量的運用，對于測量而言需要精確的數(shù)值來表達建筑物、地形地貌等特征及高度。在以往的測量中無法精準的進行計算及在施工中無法精準的達到設(shè)計要求。本文就計算機視覺圖像精密測量進行分析，并對其關(guān)鍵技術(shù)做以簡析。

1 概論

1.1 什么是計算機視覺圖像精密測量

計算機視覺精密測量從定義上來講是一種新型的、非接觸性測量。它是集計算機視覺技術(shù)、圖像處理技術(shù)及測量技術(shù)于一體的高精度測量技術(shù)，且將光學測量的技術(shù)融入當中。這樣讓它具備了快速、精準、智能等方面的優(yōu)勢及特性。這種測量方法在現(xiàn)代測量中被廣泛使用。

1.2 計算機視覺圖像精密測量的工作原理

計算機視覺圖像精密測量的工作原理類似于測量儀器中的全站儀。它們具有相同的特點及特性，主要還是通過微電腦進行快速的計算處理得到使用者需要的測量數(shù)據(jù)。其原理簡單分為以下幾步：

（1）對被測量物體進行圖像掃描，在對圖像進行掃描時需注意外借環(huán)境及光線因素，特別注意光線對于儀器掃描的影響。

（2）形成比例的原始圖，在對于物體進行掃描后得到與現(xiàn)實原狀相同的圖像，在個步驟與相機的拍照原理幾乎相同。

（3）提取特征，通過微電子計算機對掃描形成的原始圖進行特征的提取，在設(shè)置程序后，儀器會自動進行相應(yīng)特征部分的關(guān)鍵提取。

（4）分類整理，對圖像特征進行有效的分類整理，主要對于操作人員所需求的數(shù)據(jù)進行整理分類。

（5）形成數(shù)據(jù)文件，在完成以上四個步驟后微計算機會對于整理分類出的特征進行數(shù)據(jù)分析存儲。對于計算機視覺圖像精密測量的工作原理就進行以上分析。

1.3 主要影響

從施工測量及測繪角度分析，對于計算機視覺圖像精密測量的影響在于環(huán)境的影響。其主要分為地形影響和氣候影響。地形影響對于計算機視覺圖像精密測量是有限的，基本對于計算機視覺圖像精密測量的影響不是很大，但還是存在一定的影響。主要體現(xiàn)在遮擋物對于掃描成像的影響，如果掃描成像質(zhì)量較差，會直接影響到對于特征物的提取及數(shù)據(jù)的準確性。還存在氣候影響，氣候影響的因素主要在于大風及光線影響。大風對于掃描儀器的穩(wěn)定性具有一定的考驗，如有稍微抖動就會出現(xiàn)誤差不能準確的進行精密測量。光線的影響在于光照的強度上，主要還是表現(xiàn)在基礎(chǔ)的成像，成像結(jié)果會直接導致數(shù)據(jù)結(jié)果的準確性。

2 計算機視覺圖像精密測量下的關(guān)鍵技術(shù)

計算機視覺圖像精密測量下的關(guān)鍵技術(shù)主要分為以下幾種：

2.1 自動進行數(shù)據(jù)存儲

在對計算機視覺圖像精密測量的原理分析，參照計算機視覺圖像精密測量的工作原理，對設(shè)備的質(zhì)量要求很高，計算機視覺圖像精密測量儀器主要還是通過計算機來進行數(shù)據(jù)的計算處理，如果遇到計算機系統(tǒng)老舊或處理數(shù)據(jù)量較大，會導致計算機系統(tǒng)崩潰，導致計算結(jié)果無法進行正常的存儲。為了避免這種情況的發(fā)生，需要對于測量成果技術(shù)進行有效的存儲。將測量數(shù)據(jù)成果存儲在固定、安全的存儲媒介中，保證數(shù)據(jù)的安全性。如果遇到計算機系統(tǒng)崩潰等無法正常運行的情況時，應(yīng)及時將數(shù)據(jù)進行備份存儲，快速還原數(shù)據(jù)。在對于前期測量數(shù)據(jù)再次進行測量或多次測量，系統(tǒng)會對于這些數(shù)據(jù)進行統(tǒng)一對比，如果出現(xiàn)多次測量結(jié)果有所出入，系統(tǒng)會進行提示。這樣就可以避免數(shù)據(jù)存在較大的誤差。

2.2 減小誤差概率

在進行計算機視覺圖像精密測量時往往會出現(xiàn)誤差，而導致這些誤差的原因主要存在于操作人員與機器系統(tǒng)故障，在進行操作前操作員應(yīng)對于儀器進行系統(tǒng)性的檢查，再次使用儀器中的自檢系統(tǒng)，保證儀器的硬件與軟件的正常運行，如果硬軟件出現(xiàn)問題會導致測量精度的誤差，從而影響工作的進度。人員操作也會導致誤差，人員操作的誤差在某些方面來說是不可避免的。這主要是對操作人員工作的熟練程度的一種考驗，主要是對于儀器的架設(shè)及觀測的方式。減少人員操作中的誤差，就要做好人員的技術(shù)技能培訓工作。讓操作人員有過硬過強的操作技術(shù)，在這些基礎(chǔ)上再建立完善的體制制度。利用多方面進行全面控制誤差。

2.3 方便便攜

在科學技術(shù)發(fā)展的今天我們在生活當中運用到東西逐漸在形狀、外觀上發(fā)生巨大的變大。近年來，對于各種儀器設(shè)備的便攜性提出了很高的要求，在計算機視覺圖像精密測量中對設(shè)備的外形體積要求、系統(tǒng)要求更為重要，其主要在于人員方便攜帶可在大范圍及野外進行測量，不受環(huán)境等特殊情況的限制。

3 計算機視覺圖像精密測量發(fā)展趨勢

目前我國國民經(jīng)濟快速發(fā)展，我們對于精密測量的要求越來越來高，特別是近年我國科技技術(shù)的快速發(fā)展及需要，很多工程及工業(yè)方面已經(jīng)超出我們所能測試的范圍。在這樣的前景下，我們對于計算機視覺圖像精密測量的發(fā)展趨勢進行一個預(yù)估，其主要發(fā)展趨勢有以下幾方面：

3.1 測量精度

在我們?nèi)粘Ｉ钪?，我們常用的長度單位基本在毫米級別，但在現(xiàn)在生活中，毫米級別已經(jīng)不能滿足工業(yè)方面的要求，如航天航空方面。所以提高測量精度也是計算機視覺圖像精密測量發(fā)展趨勢的重要方向，主要在于提高測量精度，在向微米級及納米級別發(fā)展，同時提高成像圖像方面的分辨率，進而達到我們預(yù)測的目的。

3.2 圖像技術(shù)

計算機的普遍對于各行各業(yè)的發(fā)展都具有時代性的意義，在計算機視覺圖像精密測量中運用圖像技術(shù)也是非常重要的，在提高圖像處理技術(shù)做以提高。同時工程方面遙感測量的技術(shù)也是對于精密測量的一種推廣。

4 結(jié)束語

在科技發(fā)展的現(xiàn)在，測量是生活中不可缺少的一部分，測量同時也影響著我們的衣食住行，在測量技術(shù)中加入計算機視覺圖像技術(shù)是對測量技術(shù)的一種革新。在融入這種技術(shù)后，我相信在未來的工業(yè)及航天事業(yè)中計算機視覺圖像技g能發(fā)揮出最大限度的作用，為改變?nèi)藗兊纳钭龀鼋艹龅呢暙I。

參考文獻

[1]湯劍.周芳芹.楊繼隆.計算機視覺圖像系統(tǒng)的技術(shù)改造[J].機電產(chǎn)品開發(fā)與創(chuàng)新周刊，2015，14（18）：33-36.

[2]馬玉真.程殿彬.范文兵，計算機視覺檢測技術(shù)的發(fā)展及應(yīng)用研究[J].濟南大學學報，2014，18（23）：222-227.

[3]李華.基于計算機視覺圖像精密測量的關(guān)鍵技術(shù)分析[J].電腦知識與技術(shù)，2013（05）：1211-1212.

第3篇：計算機視覺技術(shù)的基礎(chǔ)范文

[關(guān)鍵詞] 物流企業(yè)； 自動化； 算法

[中圖分類號] F252； TP39 [文獻標識碼] A [文章編號] 1673 - 0194（2013）06- 0058- 03

0 引 言

隨著物流業(yè)被列入我國十大行業(yè)振興計劃，物流業(yè)已經(jīng)成為我國經(jīng)濟發(fā)展的不可缺少的重要組成部分。物流業(yè)是我國經(jīng)濟運行的基礎(chǔ)，是推動國民經(jīng)濟發(fā)展的重要支柱性產(chǎn)業(yè)之一。隨著國家持續(xù)加強和改善宏觀調(diào)控政策，物流業(yè)發(fā)展環(huán)境和條件不斷改善，物流業(yè)保持了較快的增長速度。但由于中國物流業(yè)起步較晚，存在物流成本較高、管理落后等問題，離一體化、信息化的物流業(yè)還有一定差距。中國物流業(yè)只有應(yīng)用現(xiàn)代物流的理念，采用先進的信息技術(shù)與運作方式，才能應(yīng)對擁有技術(shù)、資金和管理優(yōu)勢的外國企業(yè)的競爭。實現(xiàn)傳統(tǒng)物流業(yè)向現(xiàn)代物流業(yè)的轉(zhuǎn)變，也是物流業(yè)自身結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)升級的需要，是整個國民經(jīng)濟發(fā)展的必然要求。我國經(jīng)濟要集約式發(fā)展，必然需要推進現(xiàn)代物流。現(xiàn)代物流的根本宗旨是降低物流成本、提高物流效率、滿足客戶需求，其中信息化是現(xiàn)代物流的核心。隨著信息技術(shù)的不斷更新和物流企業(yè)自身的發(fā)展，使得新興的信息業(yè)務(wù)與傳統(tǒng)物流業(yè)務(wù)之間相互介入，模糊了新興信息技術(shù)及業(yè)務(wù)與傳統(tǒng)物流業(yè)務(wù)的界限，從而模糊了物流業(yè)的產(chǎn)業(yè)屬性和產(chǎn)業(yè)界限， 即發(fā)生了產(chǎn)業(yè)融合現(xiàn)象。產(chǎn)業(yè)融合是由于技術(shù)進步和放松管制的原因，發(fā)生在產(chǎn)業(yè)邊界和交叉處的技術(shù)融合，在經(jīng)過不同產(chǎn)業(yè)或行業(yè)之間的業(yè)務(wù)、組織、管理和市場的資源整合后，改變了原有產(chǎn)業(yè)產(chǎn)品和市場需求的特征，導致產(chǎn)業(yè)的企業(yè)之間競爭合作關(guān)系發(fā)生改變，從而最終造成產(chǎn)業(yè)界限的模糊化甚至重劃產(chǎn)業(yè)界限。

產(chǎn)業(yè)融合促進了傳統(tǒng)產(chǎn)業(yè)創(chuàng)新， 進而推進產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化與產(chǎn)業(yè)發(fā)展，即產(chǎn)生創(chuàng)新性優(yōu)化效應(yīng)。物流信息化的重要性已經(jīng)引起國內(nèi)很多學者的重視，并紛紛提出相應(yīng)的觀點和建議。馬?。?005）認為物流企業(yè)將在建立呼叫中心、應(yīng)用系統(tǒng)領(lǐng)域和網(wǎng)絡(luò)計算機領(lǐng)域出現(xiàn)信息化融合的趨勢，并提出物流企業(yè)應(yīng)采取的戰(zhàn)略。鄧小瑜（2011）等從技術(shù)融合、產(chǎn)品融合、業(yè)務(wù)融合、產(chǎn)業(yè)衍生4個層面闡述了物流業(yè)如何進行信息化建設(shè)。物流業(yè)與信息業(yè)的融合包含通過融合信息技術(shù)提高來增強企業(yè)競爭力和將信息業(yè)務(wù)增加到物流服務(wù)中形成新的業(yè)務(wù)2個方面。

視頻攝像頭在日常生活中非常普遍，但是利用率較低，大部分監(jiān)控系統(tǒng)都是提供視頻數(shù)據(jù)的線性存儲，成為事后證據(jù)查找的有效手段。近年來，隨著計算機視覺的發(fā)展，很多學者開始研究視頻理解，尤其是針對視頻信息檢測與識別技術(shù)，建立有效的算法，實現(xiàn)底層圖像處理技術(shù)與高層視頻內(nèi)容分析之間的關(guān)聯(lián)，從而推動了計算機視覺在物流領(lǐng)域的應(yīng)用，提高物流企業(yè)的競爭力。

1 計算機視覺的相關(guān)知識

1.1 計算機視覺的概念

20世紀80年代初，Marr從信息處理的角度，提出了第一個比較完善的計算機系統(tǒng)視覺框架。計算機視覺是指利用計算機模擬人眼的視覺功能，對圖片或視頻進行采集、加工、處理和識別，從中提取三維景物的形態(tài)和運動信息，解決物流、工業(yè)、商業(yè)等領(lǐng)域產(chǎn)品圖像自動檢測識別問題，提高檢測識別效率和自動化程度。計算機視覺自動識別技術(shù)作為一門交叉學科，近年來受到各相關(guān)行業(yè)的高度重視。計算機視覺的處理流程為：攝像機圖像采集圖像處理計算機幀存儲、圖像識別控制邏輯顯示器顯示。

1.2 亮度要求

基于計算機視覺的硬件環(huán)境中，亮度是非常重要的因素。在計算機視覺中亮度的作用是突出物體的重要特征或使物體本身可見，而弱化物體其他不需要的特征或物體所處的背景。如果物體太亮或太暗，都會影響對物體的處理。

彩色物體反射光譜的某些部分，吸收其他部分。因此開發(fā)人員可以利用這個特點來提高某些物體的可視度。開發(fā)人員可以利用顏色之間的對比增強某種顏色或抑制其相反的顏色。例如，如果一個紅色的物體在一個綠色背景中則應(yīng)該加強紅色，這時可使用紅色照明。這樣紅色的物體會顯得明亮，同時會變暗綠色的對象。

LED是目前用于計算機視覺的主要照明技術(shù)，相比白熾燈、日光燈等使用時間短、亮度逐漸減弱的特點，LED燈的壽命超過100萬小時，而且耗電小，產(chǎn)生熱量少。

1.3 計算機和攝像機的接口

常用的計算機和攝像機接口包括IEEE 1394、Ethernet、USB2.0 and Gigabit Ethernet等。

1.4 RGB介紹

RGB 顏色空間是實際應(yīng)用最多的一個顏色空間，在使用計算機進行圖像處理時，數(shù)字圖像一般用RGB 空間存儲和表示，分3個通道：紅（Red）、綠（Green）和藍（Blue），分別反映了顏色在某個通道的亮度值。3種原色光不同比例混合即使得人得到不同顏色的感知，這就是RGB顏色空間的由來。RGB 空間中每種顏色都能用三維空間中的一個點來表示。

2 計算機視覺在物流領(lǐng)域的優(yōu)勢

隨著物流業(yè)的迅速發(fā)展，計算機視覺在條形碼識別、運動物流跟蹤方面逐漸得到應(yīng)用。與傳統(tǒng)方法相比，計算機視覺應(yīng)用在物流領(lǐng)域的優(yōu)勢為以下方面。

2.1 靈活、低成本

物流系統(tǒng)中一般采用傳感器來收集相關(guān)信息，但是傳感器的位置是固定的，如果需要多方位的信息，必須同時需要多個傳感器才能完成。利用計算機視覺攝像機和計算機來完成，只需要通過程序的設(shè)置和一臺攝像機就可實現(xiàn)多方位信息的收集。

2.2 高效、準確

在一些人眼難以滿足要求的場合，或不適于人工工作的環(huán)境下，用計算機視覺來代替人工視覺可以提高生產(chǎn)效率、信息的準確率。

3 計算機視覺在流水線中多方位跟蹤計數(shù)的算法

物流企業(yè)在流水線產(chǎn)品的計數(shù)方法目前主要采用傳感器，而利用攝像機所提供的視頻信息可以實現(xiàn)多方位的跟蹤。計算機視覺是一個集成系統(tǒng)，圖像分析的時間有限，算法必須簡單有效。本文采用的物流流水線視頻圖像如圖1所示。圖中紅色矩形表示流水線中傳輸?shù)奈锲罚G色區(qū)域為流水線中的物品處理區(qū)域。

系統(tǒng)會在視頻圖像中設(shè)計①、②、③、④四個計數(shù)區(qū)域，在物品進行相關(guān)處理前進行計數(shù)。計數(shù)方法為將每幀圖像變?yōu)楹诎讏D，圖像中的紅色變?yōu)榘咨?，其余都變?yōu)楹谏?。當每幅圖像中的紅線部分中的白色像素超過一定閾值時，認為物體撞線，如圖2所示，這時確定有需要計數(shù)的物品通過，可以開始計數(shù)。

3.1 主要算法

3.2 算法的運行結(jié)果

OpenCV是Intel公司開發(fā)的開源計算機視覺庫。它提供了幾百個C/C++函數(shù)，實現(xiàn)了計算機視覺領(lǐng)域中大部分最常用的算法。利用Intel開發(fā)的開源視覺庫Intel OpenCV和VC6.0將上述算法轉(zhuǎn)換為對應(yīng)的源代碼，可實現(xiàn)4個區(qū)域的物品計數(shù)。

3.3 算法的評價

該算法利用計算機視覺技術(shù)實現(xiàn)了物流流水線上的多方位計數(shù)，提高物流企業(yè)的信息化水平，節(jié)約了資金。算法簡單，運行速度快，完全可以滿足物流企業(yè)的實際需求。

4 結(jié)論與建議

本文所提出的算法實現(xiàn)了計算機視覺技術(shù)在物流企業(yè)的應(yīng)用，為信息產(chǎn)業(yè)和物流業(yè)的融合提供了新的思路。但信息產(chǎn)業(yè)與物流產(chǎn)業(yè)的融合并不意味著引入信息技術(shù)后物流業(yè)的競爭力一定能提高。Berry（1995）指出了企業(yè)可以從6個方面來利用技術(shù)手段來提高競爭力，根據(jù)Berry的建議和我國物流業(yè)的實際情況，本文認為從以下幾個方面來考慮如何通過與信息技術(shù)的融合提高物流企業(yè)的競爭力。

4.1 要有一個戰(zhàn)略性的全局行動綱領(lǐng)

技術(shù)只是一種手段，使用技術(shù)的目的是為了企業(yè)發(fā)展服務(wù)，應(yīng)符合全局發(fā)展的需要。因此物流企業(yè)高層管理者應(yīng)該參與技術(shù)戰(zhàn)略的制定，保證技術(shù)戰(zhàn)略與全局戰(zhàn)略一致，并有CIO（首席信息官）監(jiān)控具體執(zhí)行情況。而不應(yīng)該盲目使用一些新技術(shù)或進行信息改革，造成企業(yè)不必要的損失。

4.2 解決主要問題

物流業(yè)作為服務(wù)行業(yè)其最終目的是為客戶服務(wù)，使用信息技術(shù)的有效性應(yīng)建立在為客戶解決實際問題的基礎(chǔ)上。因此信息產(chǎn)業(yè)與物流業(yè)的融合應(yīng)體現(xiàn)在為客戶提供更多的便利，或提供增值服務(wù)的基礎(chǔ)上。

4.3 使用物流公共信息平臺和建立物流信息系統(tǒng)，保證系統(tǒng)有效運轉(zhuǎn)

通過現(xiàn)代物流公共信息平臺的建設(shè)，企業(yè)可以及時獲得需求信息，政府可獲得物流業(yè)相關(guān)的調(diào)控和管理的宏觀信息，實現(xiàn)互聯(lián)互通。通過企業(yè)流程再造，利用含有CRM（客戶關(guān)系管理）等模塊的ERP系統(tǒng)，采用EDI（電子數(shù)據(jù)交換系統(tǒng)）、GPS、條形碼、無線射頻技術(shù)等先進技術(shù)，建立真正適應(yīng)企業(yè)發(fā)展的符合現(xiàn)有服務(wù)模式的管理信息系統(tǒng)。

4.4 創(chuàng)新型物流人才的引進和培養(yǎng)

物流企業(yè)在自身提高業(yè)務(wù)流程和信息化水平的同時，還應(yīng)注重創(chuàng)新型人才的引進和培養(yǎng)，特別是有國際大型物流企業(yè)管理和技術(shù)經(jīng)驗的復(fù)合型人才。

主要參考文獻

[1] L Leonard，Berry. On Great Service：A Framework for Action[M]. New York NY：The Free Press，1995.

第4篇：計算機視覺技術(shù)的基礎(chǔ)范文

關(guān)鍵詞：計算機工程；視覺領(lǐng)域；深度學習技術(shù)

引言

計算機視覺簡言之即是依靠電子設(shè)備成像來代替生物視覺系統(tǒng)，隨后依靠提前寫好的程序?qū)Λ@取的圖像信息實施處理。該技術(shù)的短期應(yīng)用目的在于完成相對簡單的智能視覺工作，而深度學習技術(shù)在計算機視覺領(lǐng)域的應(yīng)用，在很大程度上豐富了其功能，提高了識別效率，讓其能夠在更多行業(yè)發(fā)揮出自身價值。

1計算機視覺領(lǐng)域的深度學習技術(shù)

1.1圖像分類中的深度學習技術(shù)

基于深度學習技術(shù)，卷積神經(jīng)網(wǎng)絡(luò)得到了進一步的發(fā)展，其應(yīng)用范圍也更為寬泛，例如說在圖像分類中的運用。圖像分析需要對圖像實施掃描分析，隨后對其具體類別予以劃分，更加注重其整體語義。目前相對普遍進行圖像分類的數(shù)據(jù)集為ImageNet，其中囊括了非常豐富的內(nèi)容，存儲了近1500萬個圖像的URL并將圖像劃分為數(shù)萬余個類型。ImageNet每年組織開展的大規(guī)模視覺識別挑戰(zhàn)賽（ILSVRC）中，圖像分類算法與技術(shù)也不斷創(chuàng)新，圖像分類的準確性也持續(xù)提升。ImageNet數(shù)據(jù)集表現(xiàn)出規(guī)模大、類型多的突出特點，所以更加適用于遷移學習，即是把部分核心技術(shù)或結(jié)構(gòu)拓展應(yīng)用到各個領(lǐng)域，對于視覺領(lǐng)域的深度模型來說，能夠把模型內(nèi)的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)直接共享到其他數(shù)據(jù)集，從而對數(shù)據(jù)實施微調(diào)。圖像分類屬于計算機視覺領(lǐng)域最為基礎(chǔ)的環(huán)節(jié)，對于圖像分類模型創(chuàng)建和數(shù)據(jù)分析處理經(jīng)驗也能夠遷移應(yīng)用到其他領(lǐng)域中。

1.2目標檢測中的深度學習技術(shù)

目標檢測相對于圖像分類而言表現(xiàn)出更多的復(fù)雜性，主要任務(wù)是在囊括多種不同類型物體的圖像內(nèi)精確定位和識別某一物體，恰恰是出于這一目的，深度學習技術(shù)在目標檢測中的應(yīng)用更為復(fù)雜，要實現(xiàn)更加精準的效果也相對更難。近年來針對目標檢測的算法日益更新，如優(yōu)化后的R-CNN算法，是借助于卷積神經(jīng)網(wǎng)絡(luò)思想，對物體進行分類，提取物體特征。而SelectiveSearch算法的出現(xiàn)有了進一步的創(chuàng)新和突破，有效促進了檢測準確性的提高，這也給通過卷積神經(jīng)網(wǎng)絡(luò)進行目標檢測帶來了更多可能性，隨后的FastR-CNN算法極大地促進了目標檢測效率的提升，該算法對提取候選區(qū)的問題予以優(yōu)化，大大減少了候選區(qū)提取和目標檢測過程的時間。目標檢測網(wǎng)絡(luò)以FastR-CNN算法作為支撐，于輸出位置設(shè)置滑動窗同時和候選區(qū)域網(wǎng)絡(luò)實施連接，目標檢測的關(guān)鍵在于卷積神經(jīng)網(wǎng)絡(luò)，依靠它把各個點的特征進行提取，再借助回歸算法獲得對應(yīng)范圍出現(xiàn)目標的概率[1]。

1.3人臉識別中的深度學習技術(shù)

人臉識別主要是借助相應(yīng)算法對人臉特征實施提取，因為其建立的人臉模型表現(xiàn)出一定的不穩(wěn)定性，因此模型建立往往也表現(xiàn)出一定的難度，相對于建立剛體模型而言更為困難。人臉識別通常來說涉及人臉檢測定位以及特征提取兩個方面，人臉檢測定位是基于背景圖像中將人臉目標分割出來，實施歸一化處理，而人臉特征提取算法不變。前者存在的技術(shù)難點是人臉目標具有多樣性以及背景圖像具有復(fù)雜性，所以對背景情境實施合理假設(shè)并予以簡化是十分關(guān)鍵的。與此同時，高維空間人臉模型的建立較為復(fù)雜，精確度估算難度較大，人臉特征提取的技術(shù)難度是因為人臉屬于彈性模型，其難度超過剛體模型。一般來說，較為常見對人臉特征實施提取與識別的方法有幾何特征法、特征臉算法以及彈性模型法，CNN算法和過去的特征提取算法比起來表現(xiàn)出更高的穩(wěn)定性和適用性，同時能夠有效抵抗外部干擾，促進人臉識別技術(shù)的推廣應(yīng)用。

2應(yīng)用實例

2.1安防領(lǐng)域的應(yīng)用

深度學習技術(shù)在計算機視覺領(lǐng)域中的應(yīng)用可以為安防行業(yè)提供更佳的解決方案，比如說人臉識別技術(shù)的應(yīng)用，很多大型企業(yè)如Facebook、騰訊、阿里巴巴等都將非常關(guān)注和重視。作為深度學習技術(shù)在計算機視覺領(lǐng)域應(yīng)用的重要內(nèi)容，人臉識別在安檢以及反恐等領(lǐng)域中也能夠發(fā)揮出很好的效果。與此同時，對行人角度的REID技術(shù)實施研究，依托于深度學習強化目標檢測，對目標特征實施提取和刻畫，能夠為異常行為監(jiān)控和跟蹤帶來支持[2]。

2.2無人駕駛領(lǐng)域的應(yīng)用

對于無人駕駛領(lǐng)域來說，選擇激光或雷達這類傳感器的成本更高，基于深度學習的計算機視覺技術(shù)也能夠提供新的解決方案。依靠攝像機對視頻畫面進行采集，對獲取到的圖像實施分析，提供類似于前車碰撞預(yù)警等功能。在這一過程中，計算機視覺技術(shù)可以實現(xiàn)對目標的檢測識別、對目標車輛的跟蹤分析、對車道線是否偏離進行檢測等。基于深度學習技術(shù)的檢測識別表現(xiàn)出更加強大的優(yōu)勢，現(xiàn)階段深度學習芯片日益增多，對于無人駕駛技術(shù)的發(fā)展也帶來了更加有力的支持。

2.3智能家居領(lǐng)域的應(yīng)用

過去的很多智能家居產(chǎn)品一般都是依靠智能手機藍牙或者WiFi等途徑來實現(xiàn)對家居產(chǎn)品的控制，這一方案即便能夠做到家居智能化，但其水平依舊有待提高?；谏疃葘W習技術(shù)，能夠有效促進智能家居行業(yè)的更新發(fā)展，除開語言、語音識別之外，還能夠利用計算機視覺技術(shù)實現(xiàn)人際交流與互動，比如說手勢識別控制。2.4教育領(lǐng)域和圖片搜索領(lǐng)域的應(yīng)用基于深度學習的計算機視覺技術(shù)也能夠在智慧教育中得以普及應(yīng)用，如近年來很多新的拍照解題App，使用者只需要利用手機相機拍照上傳即可獲得相關(guān)題目的分析解答，促進學習者學習效率的提升。此時視覺技術(shù)包括了對文字的檢測與識別，另外針對個人簡歷識別、文檔識別等方面也能夠進行拓展應(yīng)用。同時計算機視覺技術(shù)還可以在圖片搜索領(lǐng)域中得以應(yīng)用，使用者通過拍攝上傳相應(yīng)的圖片，即可從數(shù)據(jù)庫中找出與原圖相似的圖片，深度學習屬于一種非常高效的技術(shù)手段，能夠提供更加快速高效的圖像檢測功能，結(jié)合圖像搜索引擎，為用戶帶來更加便捷的服務(wù)[3-5]。

2.5醫(yī)療影像數(shù)據(jù)中的應(yīng)用

醫(yī)學影像直接關(guān)系到對患者疾病診斷的準確性，對于放射科的醫(yī)務(wù)人員來說，依靠醫(yī)學影像能夠促進診斷效率的提升。現(xiàn)階段國內(nèi)外諸多醫(yī)學專家隊伍，在心血管、腫瘤、神經(jīng)內(nèi)科以及五官科等都建立了精準深度學習模型，極大地推動醫(yī)療水平的提升，為廣大患者帶來了更加便捷和高效的醫(yī)療服務(wù)?；谏疃葘W習技術(shù)的計算機視覺在醫(yī)療影像數(shù)據(jù)中的應(yīng)用主要集中在如下幾個方面：（1）能夠提供臨床診斷輔助等醫(yī)療服務(wù)；（2）依靠數(shù)據(jù)分析技術(shù)，能夠在很大程度上促進醫(yī)療機構(gòu)經(jīng)營管理水平的提升；（3）在醫(yī)學影像中的應(yīng)用，能夠讓醫(yī)務(wù)工作者更加直觀便捷地獲取患者影像；（4）深度學習技術(shù)能夠為醫(yī)療大數(shù)據(jù)的可視化帶來便利；（5）在藥企研發(fā)工作中的應(yīng)用，可以處理好過去一直以來藥物研發(fā)周期長和成本居高不下的問題；（6）在健康管理領(lǐng)域中的應(yīng)用，借助于可穿戴設(shè)備來對個人健康數(shù)據(jù)實施監(jiān)測，進而對疾病風險予以提前預(yù)測。

第5篇：計算機視覺技術(shù)的基礎(chǔ)范文

關(guān)鍵詞：計算機視覺；課堂考勤；深度學習；MCV架構(gòu)

前言

隨著國家標準《智慧校園總體框架》（Smartcampusoverallframework）的，智慧校園的規(guī)劃與設(shè)計成為了校園建設(shè)的重點項目[1]。而課堂考勤作為學校教學管理、學生評價的重要組成部分，隨著物聯(lián)網(wǎng)技術(shù)、人工智能和移動通信技術(shù)的水平的提高與發(fā)展，更應(yīng)該向著智能化、準確化的方向發(fā)展[2]。本文研究了的當前應(yīng)用的課堂考勤方式，并做了進一步的分析，最終根據(jù)社會技術(shù)的革新與發(fā)展[3]，提出了一種基于計算機視覺的實時課堂考勤系統(tǒng)的設(shè)計。我們的主要工作是搭建了整個系統(tǒng)框架，包括數(shù)據(jù)庫系統(tǒng)、服務(wù)器、計算機視覺模型、網(wǎng)絡(luò)通信、圖像采集系統(tǒng)、客戶端和網(wǎng)絡(luò)通信系統(tǒng)。

1課堂考勤方式現(xiàn)狀

目前校園中主要的課堂考勤方式存在為兩種，分別是傳統(tǒng)的考勤方式和生物識別的考勤方式。如圖1所示，其中傳統(tǒng)的考勤方式包括點名考勤和通過校園卡進行考勤，點名考勤的方式仍然是高校中最常用的考勤手段，因它不受場地的限制，可以根據(jù)點名冊直接核對現(xiàn)場的學生信息，但這種方式存在的缺點就是花費時間，影響上課效率，為此有些教師不進行點名，因此影響了考勤的效果。校園卡考勤解決了點名占用課堂時間的問題，但這種方式具有學生代考勤的漏洞，因為學生可以拿著別人的校園卡進行考勤。生物識別的考勤方式包括指紋考勤和人臉識別考勤，這些方式有效解決了傳統(tǒng)考勤方式代考勤的弊端，但這種方式受設(shè)備硬件的影響，識別能力太慢，尤其是在下課后學生較多，考勤簽退時容易發(fā)生擁擠等現(xiàn)象，具有安全隱患[4]。因此，為解決當前考勤方式存在的一些弊端，本文設(shè)計了一種基于計算機視覺的實時課堂考勤系統(tǒng)。

2系統(tǒng)設(shè)計基礎(chǔ)

2.1系統(tǒng)開發(fā)環(huán)境

本文設(shè)計的實時課堂考勤系統(tǒng)主要是使用Python開發(fā)語言，Python是目前最流行開發(fā)語言之一，主要應(yīng)用于Web服務(wù)設(shè)計、大數(shù)據(jù)、人工智能等領(lǐng)域，它的主要優(yōu)點是開發(fā)效率高、可擴展性強、跨平臺和具有可移植性等，滿足了本文系統(tǒng)的設(shè)計要求。另外，在開發(fā)過程還用到了基于Python的第三方軟件開發(fā)包，包括Flask用于搭建系統(tǒng)的Web服務(wù)器；PyQt5用于搭建系統(tǒng)的客戶端；OpenCV用于系統(tǒng)中對圖像視頻的處理；Tensoflow用于開發(fā)計算機視覺模型，搭建深度學習模型，完成人臉檢測和識別任務(wù)；Mysqlclient用于管理、訪問、查詢和更新Mysql數(shù)據(jù)庫。

2.2系統(tǒng)開發(fā)框架

本文設(shè)計的實時課堂考勤系統(tǒng)通信基于Web應(yīng)用，因此選擇一個合適的服務(wù)架構(gòu)有利于提高系統(tǒng)的開發(fā)和部署效率。目前較流行的Web應(yīng)用主要有MVC（ModelViewController）和CMS（ContentManagementSystem）兩種架構(gòu)。本文使用了基于Python和Flask搭建的MVC架構(gòu)[5]，該架構(gòu)如圖2所示，主要包括模型層、視圖層和控制器。使用該框架的優(yōu)點是可將視圖層和業(yè)務(wù)邏輯層進行分離開發(fā)，提高開發(fā)效率，方便系統(tǒng)的部署、維護和管理。

3系統(tǒng)設(shè)計方式

3.1系統(tǒng)總結(jié)構(gòu)設(shè)計

本文設(shè)計的實時課堂考勤系統(tǒng)的總體結(jié)構(gòu)如圖3所示。根據(jù)MVC構(gòu)架的設(shè)計，我們將該系統(tǒng)分為了模型層、控制器層和視圖層，另外還包括網(wǎng)絡(luò)通信設(shè)備。

3.2模型層設(shè)計

模型層主要是關(guān)系型數(shù)據(jù)庫模，MySQL是目前使用最多的關(guān)系型數(shù)據(jù)庫系統(tǒng)，也是學校管理系統(tǒng)使用最多的數(shù)據(jù)系統(tǒng)，為了更好地與學校管理系統(tǒng)兼容，我們選擇了MySQL數(shù)據(jù)庫，數(shù)據(jù)表之間的關(guān)系如圖4所示。

3.3控制器層設(shè)計

控制器層主要包括服務(wù)器應(yīng)用軟件和計算機視覺模型，服務(wù)器應(yīng)用軟件的功能包括系統(tǒng)通信配置、數(shù)據(jù)業(yè)務(wù)處理和系統(tǒng)各模塊間的調(diào)度。計算機視覺模型是實時課堂考勤系統(tǒng)的核心模塊，基于深度學習卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)[6]，主要作用是進行人臉檢測和識別兩個部分，計算機視覺模型的工作流程如圖5所示。在人臉檢測階段使用VGG16檢測器作為主干網(wǎng)絡(luò)，為提高模型的檢測準確率，通過引入注意力模型和多尺度特征融合對網(wǎng)絡(luò)進行了優(yōu)化，有效地從輸入圖片中提取人臉位置信息，得到人臉圖像。在人臉識別階段首先使用FaceNe人臉識別網(wǎng)絡(luò)提取人臉圖像的特征圖，然后通過決策樹算法與待檢測的人臉特征進行匹配，從而識別圖片中的學生信息。

3.4視圖層設(shè)計

本文設(shè)計的實時考勤系統(tǒng)的模型層主要包括圖像采集系統(tǒng)和客戶端。目前各學校教室內(nèi)都安裝有監(jiān)控設(shè)備，因此為節(jié)約成本和安裝消耗，圖像采集系統(tǒng)使用教室內(nèi)的監(jiān)控設(shè)備作為圖像采集系統(tǒng)，負責采集教室現(xiàn)場圖片?？蛻舳嗽O(shè)計首先在本系統(tǒng)中采用應(yīng)用程序接口，然后在教學管理系統(tǒng)中設(shè)計圖形化用戶界面，通過應(yīng)用程序接口調(diào)用本系統(tǒng)的功能，從而減少資源浪費，方便維護和管理。

4實時考勤功能的實現(xiàn)

實時考勤功能的實現(xiàn)方式如圖6所示，首先系統(tǒng)啟動后，用戶可以隨時更新考勤信息，比如在數(shù)據(jù)庫中創(chuàng)建新的考勤表等。接著系統(tǒng)會自動讀取考勤表的信息，比如課程所在教室、上課時間。然后啟動考勤程序，進行簽到、簽退操作，并將考勤數(shù)據(jù)保存到考勤數(shù)據(jù)表中。整個系統(tǒng)啟動完成后可以自動運行，直到關(guān)閉系統(tǒng)，而且可以實時進行課堂考勤。

第6篇：計算機視覺技術(shù)的基礎(chǔ)范文

關(guān)鍵詞：農(nóng)業(yè)機械；技術(shù)手段；應(yīng)用；發(fā)展前景

我國在國際上的地位正在逐漸提高，這與我國的經(jīng)濟發(fā)展是分不開的，經(jīng)濟的發(fā)展需要基礎(chǔ)的支持，農(nóng)業(yè)就是我國的基礎(chǔ)，我國是農(nóng)業(yè)大國，農(nóng)村人口基數(shù)大。隨著近幾年我國農(nóng)業(yè)的發(fā)展，很多高新技術(shù)也被運用到農(nóng)業(yè)的機械設(shè)備中，使農(nóng)機設(shè)備向著智能化的方向發(fā)展，有效地提升了農(nóng)業(yè)生產(chǎn)的整體效率。在農(nóng)業(yè)的生產(chǎn)中使用高新技術(shù)還能夠提高農(nóng)業(yè)的生產(chǎn)效率，保證農(nóng)機相關(guān)機械的正常運作。

1農(nóng)業(yè)機械技術(shù)的應(yīng)用分析

1.1計算機技術(shù)

這里所說的計算機技術(shù)主要指的是計算機視覺技術(shù)，這一技術(shù)最早被運用在農(nóng)業(yè)機械上是在20世紀70年代中期，當時主要運用的是計算機技術(shù)中的視覺技術(shù)，利用這一技術(shù)的主要目的是可以對農(nóng)產(chǎn)品的品質(zhì)質(zhì)量進行分級別檢查。計算機視覺技術(shù)是以圖像處理為基準，隨著圖像處理以及視覺模擬技術(shù)的發(fā)展，計算機視覺技術(shù)不僅可以用來檢查農(nóng)產(chǎn)品的品質(zhì)，而且還可以用來對農(nóng)產(chǎn)品進行播種、收割。雖然計算機視覺技術(shù)在我國農(nóng)業(yè)技術(shù)領(lǐng)域的應(yīng)用時間還不是很長，在實際的使用中還有很多的問題出現(xiàn)，但是相信隨著科學技術(shù)的不斷發(fā)展，計算機視覺技術(shù)必將會改變傳統(tǒng)的農(nóng)業(yè)作業(yè)模式，為現(xiàn)代化農(nóng)業(yè)發(fā)展提供技術(shù)上的支持。

1.2網(wǎng)絡(luò)信息技術(shù)

網(wǎng)絡(luò)信息技術(shù)在我國農(nóng)業(yè)機械上的應(yīng)用是非常成功的，信息技術(shù)與地理信息系統(tǒng)的有機結(jié)合不僅可以為農(nóng)業(yè)的生產(chǎn)提供高精度的監(jiān)控，而且還能夠?qū)r(nóng)業(yè)生產(chǎn)中出現(xiàn)病蟲害的情況進行及時的檢測，然后根據(jù)定位系統(tǒng)來進行田間作業(yè)。

1.3液壓技術(shù)

液壓技術(shù)主要依靠的是微電子技術(shù)和工業(yè)傳感技術(shù)，在數(shù)據(jù)的采集上，運用液壓技術(shù)主要完成的是能量的轉(zhuǎn)換和匹配，其目的是為了讓農(nóng)業(yè)機械的效率能夠得到進一步的提高，讓機械設(shè)備的相關(guān)系統(tǒng)特征可以得到完善，讓機械設(shè)備的可靠性能夠得到提升，這也很好地符合了環(huán)境保護的相關(guān)標準要求。而大部分的農(nóng)業(yè)機械都是采用內(nèi)燃機作為原動力，所以很多時候都會出現(xiàn)工作負荷，一般情況下，我們都是通過電液控制手段來完成負載與原動力之間的匹配情況，盡可能地減少功率傳輸過程中出現(xiàn)的損失，從而提高農(nóng)業(yè)機械系統(tǒng)的工作效率。

1.4人工智能技術(shù)

隨著信息全球化的不斷深入，高端技術(shù)不僅在大型的企事業(yè)單位中被運用，在農(nóng)業(yè)中也得到了廣泛的應(yīng)用，比較有成果的就是美國利用人工智能技術(shù)研發(fā)出激光拖拉機、機械的內(nèi)部導航裝置，等等，這些裝置可以對拖拉機的運行方向及所處位置進行實時的測定，在了解地區(qū)土地信息之后，再制定合理的土地種植方案、農(nóng)藥及種子的數(shù)量，等等。

2農(nóng)業(yè)機械技術(shù)的發(fā)展趨勢

2.1推廣農(nóng)業(yè)機械產(chǎn)品的技術(shù)發(fā)展

目前在我國的農(nóng)業(yè)機械發(fā)展上，已經(jīng)開始運用機電智能化技術(shù)和計算機技術(shù)，這使得農(nóng)業(yè)機械化設(shè)備的科技含量有了極大的提高，不僅有效地提高了農(nóng)業(yè)機械的作業(yè)效率，而且也提升了農(nóng)業(yè)的生產(chǎn)效率。

2.2農(nóng)業(yè)資源的利用率得到了提升

只有提高了農(nóng)業(yè)資源的開發(fā)利用率，才能夠確保農(nóng)業(yè)實現(xiàn)可持續(xù)發(fā)展，同時也為保護生態(tài)環(huán)境奠定基礎(chǔ)，如回收農(nóng)業(yè)生產(chǎn)的廢棄物，普及無害化的處理設(shè)備，運用無害化技術(shù)來處理廢水可以有效地達到保護環(huán)境的作用。而在農(nóng)業(yè)種植的過程中，使用有機肥料還可以進一步提高農(nóng)業(yè)資源的利用效率。除此之外，大力發(fā)展節(jié)能型動力機械設(shè)備可以有效地避免出現(xiàn)資源浪費，從而提高農(nóng)業(yè)資源的整體利用效率。

2.3提高農(nóng)業(yè)機械產(chǎn)品的質(zhì)量監(jiān)督水平

要想提升農(nóng)業(yè)的機械化水平，還要從規(guī)范設(shè)計的基本要求出發(fā)，全面提高農(nóng)業(yè)產(chǎn)品的質(zhì)量。在質(zhì)量提升的過程中，還要注重農(nóng)業(yè)產(chǎn)品的整體造型和外觀，農(nóng)機設(shè)備的耐久性也要經(jīng)得起考驗。選用與農(nóng)機設(shè)備相配套的發(fā)電機及元件，能夠最大程度上提高農(nóng)業(yè)機械產(chǎn)品的質(zhì)量。在農(nóng)業(yè)機械設(shè)備完成安裝之后，還要對其進行試運行，只有保證了設(shè)備各項指標都正常的基礎(chǔ)上，才能夠真正的投入使用，這也是提高農(nóng)業(yè)機械產(chǎn)品可靠性的前提。

2.4加大政府的補貼力度

各級地方政府要加大農(nóng)業(yè)機械的技術(shù)推廣，做好農(nóng)業(yè)機械的培訓工作。國家還要將拖拉機、插秧機等農(nóng)機具作為農(nóng)具購置補貼的關(guān)鍵，普及農(nóng)業(yè)機械知識。這樣也能夠更好地提高農(nóng)業(yè)機械化的發(fā)展進程。

2.5確保農(nóng)業(yè)機械技術(shù)的安全生產(chǎn)

關(guān)注安全監(jiān)督管理及裝備的創(chuàng)建工作，加大農(nóng)業(yè)機械的安全投入，以便更好地滿足農(nóng)業(yè)機械工作安全監(jiān)督管理的需求。除此之外，最重要的是，要將農(nóng)業(yè)機械的安全檢驗工作納入到各級縣市政府的財政預(yù)算當中。

3結(jié)語

隨著科學技術(shù)的飛速發(fā)展，一些高新技術(shù)正在逐漸地被運用到農(nóng)業(yè)的機械設(shè)備中，這些機械設(shè)備的出現(xiàn)不僅提高了農(nóng)業(yè)的整體生產(chǎn)水平，而且還進一步提升了農(nóng)業(yè)的生產(chǎn)效率，很好地實現(xiàn)了農(nóng)業(yè)的可持續(xù)發(fā)展。在今后的農(nóng)業(yè)發(fā)展過程中，農(nóng)業(yè)機械也必定是智能化的，所以要求操作人員要不斷地提高自己的專業(yè)素養(yǎng)，全面推廣農(nóng)業(yè)機械新技術(shù)，只有這樣才能夠真正意義上實現(xiàn)我國農(nóng)業(yè)機械的智能化。

作者:徐家亮 劉曉鵬 單位:黑龍江省克東縣農(nóng)機安全監(jiān)理站

參考文獻：

［1］陶樂然.長春星宇小區(qū)新技術(shù)應(yīng)用［C］//增強自主創(chuàng)新能力促進吉林經(jīng)濟發(fā)展———啟明杯•吉林省第四屆科學技術(shù)學術(shù)年會論文集（下冊）.2006.

［2］劉蒙之.傳播新技術(shù)與國家發(fā)展———一種政治經(jīng)濟學的觀察［C］//中國傳播學會成立大會暨第九次全國傳播學研討會論文集.2006.

［3］張仁江，田莉.制造業(yè)企業(yè)新技術(shù)采納：動因、路徑及障礙分析———基于T公司的縱向案例研究［C］//第六屆（2011）中國管理學年會———技術(shù)與創(chuàng)新管理分會場論文集.2011.

［4］胡札進，姚尚斌，徐七三“.雙低”儲藏與四項儲糧新技術(shù)的綜合應(yīng)用［C］//全面建設(shè)小康社會：中國科技工作者的歷史責任———中國科協(xié)2003年學術(shù)年會論文集（上）.2003.

［5］柳旭.淺析電視空間新技術(shù)對審美體驗的影響［C］//2009中國電影電視技術(shù)學會影視技術(shù)文集.2010.

第7篇：計算機視覺技術(shù)的基礎(chǔ)范文

為了加快我國城鄉(xiāng)一體化進程建設(shè)，農(nóng)業(yè)機械自動化的地位變得越來越重要。但是由于我國農(nóng)業(yè)人口多，以及長期以來經(jīng)濟技術(shù)落后的現(xiàn)狀，使得我國農(nóng)業(yè)機械自動化在發(fā)展的過程中依舊面臨著較大的難題。就目前的情況來看，我國農(nóng)業(yè)機械自動化技術(shù)的水平，與西方國家相比還有很大的差距。所以，如何促進農(nóng)業(yè)機械自動化技術(shù)的發(fā)展，以及對農(nóng)業(yè)機械自動化技術(shù)進行優(yōu)化，已經(jīng)成為解決三農(nóng)問題的關(guān)鍵。本文從農(nóng)業(yè)機械自動化對農(nóng)村建設(shè)的意義出發(fā)，對農(nóng)業(yè)機械的分類做了相關(guān)的介紹，并指出了農(nóng)業(yè)機械化技術(shù)發(fā)展中存在的問題，最后對農(nóng)業(yè)機械自動化技術(shù)要點及優(yōu)化應(yīng)用措施提供了建議。

關(guān)鍵詞：

農(nóng)業(yè)機械自動化；技術(shù)要點；優(yōu)化措施

0引言

所謂農(nóng)業(yè)機械自動化技術(shù)，指的是將控制論、計算機技術(shù)、液氣壓技術(shù)等應(yīng)用到農(nóng)業(yè)機械的設(shè)計當中，使農(nóng)業(yè)機械可以獨立完成田間耕作。隨著科學技術(shù)的不斷發(fā)展以及為了響應(yīng)政府高效農(nóng)業(yè)的號召，我國農(nóng)業(yè)正逐步朝著機械自動化的方向發(fā)展。農(nóng)業(yè)機械的自動化，不僅能夠使勞動的生產(chǎn)效率得到提高，還能減輕農(nóng)民的勞動強度，并且提高勞動舒適度，在一定程度上緩解農(nóng)村勞動力短缺的問題。在科技高速發(fā)展的今天，世界各國都加大了對農(nóng)業(yè)機械自動化技術(shù)的研究。很多科研成果已經(jīng)從實驗室走向了實用階段。

1農(nóng)業(yè)機械自動化對農(nóng)村建設(shè)的意義

對社會主義新農(nóng)村進行建設(shè)，是我國構(gòu)建社會主義和諧社會的基本要求。社會主義的和諧與廣大農(nóng)村地區(qū)的和諧是不可分割的。雖然從整體上看，社會主義新農(nóng)村處于較為穩(wěn)定和諧的狀態(tài)，但不可否認的是，社會主義新農(nóng)村的建設(shè)也存在著一定的問題。其中，最主要的問題是農(nóng)民收入過低。因此，我國要大力推行農(nóng)業(yè)機械自動化建設(shè)，為減輕農(nóng)民的勞動強度、提高農(nóng)民的經(jīng)濟收入提供保障。

2農(nóng)業(yè)機械的分類

通常來說，農(nóng)業(yè)機械是由動力設(shè)備和與之配套的農(nóng)機器具組成的。這兩者之間主要是以牽引懸掛或者是半懸掛的方式進行連接。也有的農(nóng)業(yè)機械將這兩者制造成一個統(tǒng)一的整體。動力設(shè)備和與之配套的農(nóng)機器具這兩者在耕作的過程中，互相配合，缺一不可。

3農(nóng)業(yè)機械自動化發(fā)展中存在的問題

我國農(nóng)業(yè)機械技術(shù)在發(fā)展的過程中，并不是一帆風順的，而是遇到了很多問題。首先，我國大型農(nóng)業(yè)自動化機械在推廣的過程中難度較大。很多農(nóng)民沒有意識到機械化生產(chǎn)的重要性，導致了他們不愿意在農(nóng)業(yè)生產(chǎn)的機械方面進行投入，最終造成了我國大型農(nóng)業(yè)自動化機械供大于求的尷尬。第二，我國的農(nóng)業(yè)機械制造水平較低。與西方國家相比，我國農(nóng)業(yè)機械制造的起步較晚，在很多方面，科技水平還不夠成熟。第三，我國對農(nóng)業(yè)機械自動化技術(shù)的研究缺乏足夠的動力。我國大型農(nóng)業(yè)機械的制造企業(yè)，以及科院院所存在著資金不足、科研環(huán)境較差的問題。對農(nóng)業(yè)機械進行設(shè)計，不僅需要耗費大量的時間和精力，還需要一定的技術(shù)條件作為依托。我國大部分科研院所和農(nóng)業(yè)機械制造企業(yè)，由于資金不足，并沒有完成對實驗室的配套建設(shè)，使得科研人員在進行工作時困難重重，這一現(xiàn)狀也嚴重影響了科研人員的工作積極性。第四，自動化技術(shù)在農(nóng)業(yè)機械的應(yīng)用中還處于起步階段。對自動化技術(shù)的應(yīng)用，需要很高的科技水平作為依托，但是我國科技基礎(chǔ)薄弱的現(xiàn)實，使自動化技術(shù)的應(yīng)用變得困難。

4農(nóng)業(yè)機械自動化技術(shù)要點及優(yōu)化應(yīng)用措施

4.1實現(xiàn)計算機技術(shù)應(yīng)用于農(nóng)業(yè)生產(chǎn)

計算機視覺技術(shù)，作為新時期重點研究和應(yīng)用性廣泛的新科技，很多西方國家先后展開了對計算機視覺技術(shù)的研究。計算機視覺技術(shù)在農(nóng)產(chǎn)品質(zhì)量的鑒定方面，以及在記錄農(nóng)產(chǎn)品生長的信息等方面有著十分重要的作用。英國對計算機視覺技術(shù)的應(yīng)用進行了首次嘗試，利用該技術(shù)研制了專業(yè)性的采蘑菇機器人。采蘑菇機器人在采蘑菇的過程中，不僅能夠?qū)δ⒐降奈恢眠M行精準的定位，而且能夠?qū)λ傻哪⒐竭M行合理化的分類。受到英國的影響和啟發(fā)，我國國內(nèi)也開始嘗試在農(nóng)業(yè)機械自動化技術(shù)中，加入計算機控制技術(shù)的內(nèi)容。但是由于我國的經(jīng)濟技術(shù)發(fā)展還不夠成熟，要實現(xiàn)對計算機視覺技術(shù)的應(yīng)用，還需要科學家們進行努力。

4.2實現(xiàn)農(nóng)業(yè)施肥和灌溉技術(shù)的自動化

我國水資源總量雖然比較大，但是人均資源占有量卻很小，而且我國水資源分配的不夠合理，使得我國水資源長期處于短缺的狀態(tài)。要促進農(nóng)業(yè)的發(fā)展，充足的水資源是必要的條件。在保證農(nóng)業(yè)生產(chǎn)用水的同時，保證對水資源的節(jié)約，是我國農(nóng)業(yè)發(fā)展過程中必須要面對的問題。農(nóng)業(yè)自動化灌溉技術(shù)的應(yīng)用可以很好地解決這一問題。所謂農(nóng)業(yè)自動化灌溉技術(shù)，是把傳感器與電子計算機進行有機結(jié)合，把農(nóng)作物生長過程中對環(huán)境的需求及對用水量的需求，通過軟件的形式加以呈現(xiàn)，從而避免水資源的浪費。對農(nóng)業(yè)施肥技術(shù)來說也是如此，實現(xiàn)農(nóng)業(yè)施肥和灌溉技術(shù)的自動化，是節(jié)約水資源、降低農(nóng)業(yè)生產(chǎn)成本、避免浪費以及保護環(huán)境的必然選擇。

4.3實現(xiàn)農(nóng)業(yè)的精準化

農(nóng)業(yè)精準化是指將我國的傳統(tǒng)農(nóng)業(yè)與農(nóng)業(yè)機械自動化技術(shù)相結(jié)合，實現(xiàn)農(nóng)業(yè)生產(chǎn)管理的科技化。精準農(nóng)業(yè)是未來農(nóng)業(yè)發(fā)展的主要方向之一。農(nóng)業(yè)生產(chǎn)自動化，是一項以計算機網(wǎng)絡(luò)和控制器等為基礎(chǔ)的技術(shù)。我國對精準農(nóng)業(yè)的研究，已經(jīng)取得了一定的科技成果。世界上第一臺觀測農(nóng)業(yè)氣象的自動化儀器，已經(jīng)在我國鄭州氣象站開始投入使用。農(nóng)業(yè)氣象觀測儀，可以對農(nóng)業(yè)生產(chǎn)的小環(huán)境進行合理化監(jiān)測，并且通過網(wǎng)絡(luò)把監(jiān)測到的信息及時反映給當?shù)剞r(nóng)業(yè)部門。

總之，在經(jīng)濟全球化進程不斷加快和城市化進程高速發(fā)展的今天，給各個行業(yè)帶來機遇的同時，也帶來了挑戰(zhàn)。為了在經(jīng)濟發(fā)展的大潮中處于不敗的地位，加強科技創(chuàng)新是一項必不可少的選擇，同時也是長遠發(fā)展的根本要求。對于農(nóng)業(yè)產(chǎn)業(yè)而言，為了使我國農(nóng)業(yè)能夠更好更快的發(fā)展，政府要提高對農(nóng)業(yè)機械自動化技術(shù)研究的投入，并將新的科技成果不斷應(yīng)用到農(nóng)業(yè)生產(chǎn)中。作為科技工作者要努力鉆研農(nóng)業(yè)機械自動化技術(shù)，并且要對農(nóng)業(yè)機械自動化技術(shù)的應(yīng)用措施進行優(yōu)化，從而實現(xiàn)農(nóng)業(yè)的智能化時代，創(chuàng)造出我國農(nóng)科發(fā)展的新道路。

作者：楊亞杰 單位：河北農(nóng)業(yè)大學

參考文獻：

[1]劉洋.我國農(nóng)業(yè)機械自動化應(yīng)用現(xiàn)狀和推進模式探討[J].化工中間體,2015(11):11-19.

第8篇：計算機視覺技術(shù)的基礎(chǔ)范文

關(guān)鍵詞 計算機視覺；攝像機定標方法；應(yīng)用特點；線性關(guān)系；參照物

中圖分類號：TP391 文獻標識碼：A 文章編號：1671—7597（2013）022-067-3

計算機視覺中的攝像機定標方法總得來說可以分為兩類——傳統(tǒng)的攝像機定標法和攝像機自定標法。為了能夠使所獲取的場景更加自然，計算機視覺系統(tǒng)可以通過運用攝像機定標方法，加之合理安排攝像機和計算機這兩種成像裝置，來對二維的圖像信息進行虛擬空間的三維建模，進而控制整個攝像效果。這其中攝像及內(nèi)部的一些參數(shù)起到了很大的作用，最初在計算機視覺中都是采用的傳統(tǒng)攝像機定標方法，但是這種方法存在著一定的局限性。這種定標方法在攝像機隨意運動和未知場景的安排下很難進行有效的標定。隨著計算機視覺中的攝像機定標方法的不斷進步和發(fā)展，以及攝像機自定標方法的誕生，使得這項技術(shù)逐漸獲得了相對廣泛的應(yīng)用。

1 計算機視覺中與攝像機定標解析

計算機視覺的基本任務(wù)是采集一定數(shù)量的圖片或視頻資料并進行處理，以此來獲得相應(yīng)場景環(huán)境下的的三維信息。而這些三維信息與圖像、視頻對應(yīng)點的相互關(guān)系需要通過攝像機的幾何模型來決定，經(jīng)過計算分析得出這些幾何模型參數(shù)的過程即為攝像機定標。如此看來，計算機視覺與攝像機定標的關(guān)系密不可分，目前可知，計算機視覺與攝像機定標的結(jié)合已經(jīng)運用到相關(guān)領(lǐng)域，如高速公路上的車輛自主導航，部分醫(yī)學圖像的處理，電腦中臉孔或指紋識別等。但是由于所使用的目標人群相對較窄，以及攝像機定標方法的相對局限，使得計算機視覺的攝像機定標無法廣泛的運用到各個行業(yè)領(lǐng)域。正因如此，才加大了對計算機中攝像機定標方法的研究的必要性。下面就來對攝像機定標的兩種方法進行簡要的探討。

2 傳統(tǒng)的攝影機定標方法及應(yīng)用特點

傳統(tǒng)的攝像機定標方法主要是在相應(yīng)的攝像機模型下面，通過對一系列的數(shù)學公式進行變換計算和改進優(yōu)化，然后對標定的具體參照物進行科學的圖像處理，最終來獲取攝像機模型的主要外部參數(shù)和內(nèi)部參數(shù)。但是，由于不同的標的參照物與不同的算法思路的限制，傳統(tǒng)的攝像機定標方法也各不相同，其大致可分為以下三種：三維型——3D立體靶標定標法、平面型——2D平面靶標定標法以及以徑向約束為基準的定標法。

2.1 基于3D立體靶標的攝像機定標

這種基于3D立體靶標的攝像機定標方法就是在攝像機的前面安置一個具有3D效果的立體靶標裝置，然后將靶標上面的任何一個點都拿出來作為i這個參照物的特征點。在計算機視覺系統(tǒng)的作用下，將每一個靶標上面的特征點在整個三維坐標系中進行精確的制作測定。與此同時，攝像機首先在拍攝過程中獲取靶標上面的特征點影像信息，然后對平面圖像坐標系和立體空間坐標系二者的內(nèi)外部數(shù)據(jù)參數(shù)排列出非線性方程，找出方程中系數(shù)矩陣的非線性關(guān)系，最后通過數(shù)學算法中的線性變換法來對整個透視系數(shù)矩陣中的每一個元素進行求解。通常在這種定標方法的應(yīng)用過程中，計算機視覺系統(tǒng)都會忽略攝相機鏡頭在拍攝時的非線性畸變，將透視變幻矩陣中的相關(guān)元素定義為未知數(shù)，繼而在整個定標過程確定有效的三維控制點和相應(yīng)的圖像點。在裝置3D立體靶標后，整個攝像機定標就能夠根據(jù)靶標上特征點的圖像坐標和世界坐標，在數(shù)學變幻算法的應(yīng)用下，計算出攝像機的內(nèi)部參數(shù)和外部參數(shù)。

這種3D立體靶標的攝像機定標方法不僅能夠優(yōu)化定標物的獲取方法，而且能夠適應(yīng)程序功能的改進，并且較高的精度，因而得到了廣泛的應(yīng)用，但是這種定標方法通常比較繁瑣。

2.2 基于2D平面靶標的攝像機定標

基于2D平面靶標的攝像機定標方法在傳統(tǒng)攝像機定標方法分類中屬于一種新型的定標方法，又名張正友定標法。這種定標法具有靈活適用的特點，也是對傳統(tǒng)攝像機定標方法的一種簡化。在定標過程中首先是要在兩個以上的不同方位對一個平面靶標進行攝相機拍攝，整個拍攝過程中2D平面靶標和攝相機鏡頭都能夠自由地進行移動，而且要保持整個攝像機的內(nèi)部參數(shù)一直固定。通常在基于2D平面靶標的攝像機定標法的應(yīng)用中，我們都需要先假定這個靶標在三維空間坐標系中的豎軸為0，然后為了求出攝像機內(nèi)外參數(shù)的優(yōu)化解，要建立相應(yīng)的線性模型，通過對線性模型的線性分析來計算出優(yōu)化解，最后，運用最大似然法排列參數(shù)之間的非線性關(guān)系來求出其非線性解。在整個定標流程中，必須對攝像機的鏡頭畸變的目標函數(shù)進行綜合考慮，才能夠計算出攝像機的外部和內(nèi)部參數(shù)。

這種方法既具有較高的精確性，又不需要很昂貴的定標成本，因此在計算機視覺系統(tǒng)中很為實用。但是，這種方法在進行整個攝像機內(nèi)外參數(shù)的線性分析時，因為特征圖像上面的直線在透視之后依然是直線，在進行圖像處理的過程中，會引入一定的誤差。因此，在很多具有廣角鏡頭的攝像機定標上會出現(xiàn)因為鏡頭畸變而引起的較大誤差。

2.3 基于徑向約束的攝像機定標

基于徑向約束的攝像機定標就是通常所說的兩步法標定方法。這種方法通常是先利用徑向一致約束對超定性的線性方程進行最小二乘法求解，這樣就能夠?qū)⒊藬z像機光軸方向平移外的其他的攝像機參數(shù)，然后對攝相機鏡頭存在和不存在透鏡畸變的情況下分別進行其他攝像機參數(shù)的求解。這種方法的計算量較為適中，而且精度也比較高，適用于攝像機的精密測量。然而，兩步法對于整個定標設(shè)備的要求也高，對于簡單的攝像機標定而言不易采用。

總的來說，基于徑向約束的攝像機定標的精準是通過設(shè)備的復(fù)雜和精確來獲得的，因此具有針對性的應(yīng)用特點。

3 攝像機自定標方法及其應(yīng)用特點

攝像機自定標方法是指在攝像機在移動時，周圍環(huán)境中的圖像會形成一定的對應(yīng)關(guān)系，通過這種對應(yīng)關(guān)系來對攝像機進行定標的方法，這種方法無需依賴參照物。攝像機自定標方法主要有以下四種：基于主動視覺的自定標法、基于Kruppa方程的自定標方法、分層逐步定標法以及基于二次曲面的自定標方法等。這些方法相較于傳統(tǒng)的攝像機定標方法來說有了很大的改進和提高，下面就進行簡要的探討。

3.1 基于主動視覺的自定標法

目前，在攝像機自定標方法中的應(yīng)用最為普遍的方法便是基于主動視覺的自定標法。這種方法主要是能夠通過對攝像機在移動過程中的對環(huán)境中的多幅圖像進行標定，進而建立對應(yīng)關(guān)系來求出標定參數(shù)，由此可見，整個標定過程不需要精密的標定物，如此一來就能夠使得標定問題簡單化。主動視覺系統(tǒng)是這種標定方法的核心技術(shù)，就是攝像機在拍攝過程中被固定在了一個能夠得到精確控制的移動平臺上，并且這個平臺的相關(guān)參數(shù)能夠通過計算機進行精確的讀出，在整個拍攝過程中攝像機只需要通過一定的特殊運動來獲取多幅圖像信息，然后在結(jié)合攝像機運動的具體參數(shù)和圖像的參數(shù)來確定整個攝像機的內(nèi)部和外部參數(shù)，達到攝像機定標的效果。其中基于主動視覺的自定標法的代表方法就是馬頌德提出的控制攝像機的兩組三正交平移運動的標定方法。后來，李華、楊長江等人對這種方法進行了改進和優(yōu)化，提出了基于四組平面正交和五組平面正交運動的標定方法，并能夠利用獲取圖像中的機電信息來對攝像機的參數(shù)進行線性表定。

這種方法算法簡便，能夠獲得整個參數(shù)的線性解，但是這種方法對整個攝像機的運動平臺要求很高，因此要求必須具有精確控制的能力。

3.2 基于Kruppa方程的自定標方法

基于Kruppa方程的自定標方法主要是在整個攝像機自定標過程中導入了Kruppa方程，并對該方程進行直接求解，從而得到整個攝像機的具體參數(shù)的方法。基于Kruppa方程的自定標方法在應(yīng)用時利用了極線變幻和二次曲線像的概念對Kruppa進行推導，直接進行求解。

這種標定方法不需要對整個圖像的序列進行射影重建，通常是對兩個圖像之間的信息建立一個方程，相較于逐步分層標定方法而言，基于Kruppa方程的自定標方法能夠?qū)⒛承┖茈y做到所有圖像整合到一個統(tǒng)一的射影框架中的情況更加具有優(yōu)勢，但是這種方法還是存在著一定的局限性，它無法保證在無窮遠處的平面能夠保持所有圖像在確定的攝影平面中還具有一致性的效果。當整個攝像機拍攝的圖像的序列較長的時候，基于Kruppa方程的自定標方法就顯得很不穩(wěn)定，繼而不能夠很好地算出整個攝像機的內(nèi)外參數(shù)，對定標造成了一定的影響。

3.3 分層逐步定標法

分層逐步定標法是攝像機自定標方法中的一個研究熱點，在攝像機自定標的實際應(yīng)用中以及逐步取代了可以直接求解的基于Kruppa方程的自定標方法。分層逐步定標法在應(yīng)用過程中首先需要對整個拍攝的圖像序列進行攝影重建，這點和基于Kruppa方程的自定標方法一樣，然后利用絕對二次曲面加以約束，最后在確定出無窮遠處平面方程中的仿射參數(shù)以及攝像機內(nèi)部的參數(shù)。分層逐步定標法的應(yīng)用特點是必須建立在射影定標的基礎(chǔ)之上，利用某一幅圖形作為特征基準點進行射影對其，將整個攝像機自定標的未知數(shù)的數(shù)量減少，再運用數(shù)學算法中的非線性優(yōu)化算法來進行未知數(shù)的求解。

這種方法的不知自出就是在進行非線性優(yōu)化算法時，初值是通過事前的預(yù)估得到的，不能夠保證這個方程的收斂性。由于在射影重建時，選擇的基準圖像不同，整個攝像機自定標的結(jié)果也會存在差異。

3.4 基于二次曲面的自定標方法

基于二次曲面的自定標方法和基于Kruppa方程的自定標方法在本質(zhì)上答題一致，這兩種方法都是利用了絕對二次曲面在歐式變幻算法的計算下維持的不變性進行的。最早將二次曲面的概念引入到計算機視覺系統(tǒng)中攝像機自定標方法的是Triggs，他在這種定標方法上作出了可行性的研究，最后形成了基于二次曲面的自定標方法。

在輸入了多幅的圖像并且在進行統(tǒng)一的射影重建的狀態(tài)下，基于二次曲面的自定標方法會比基于Kruppa方程的自定標方法更加適用一些，原因就是基于二次曲面的自定標方法包含了絕對二次曲面和無窮遠處平面的所有信息，進而能夠辦證整個圖像在無窮遠處平面的一致性。

4 傳統(tǒng)攝像機定標方法與自定標方法優(yōu)缺點分析

從上文可知，對于傳統(tǒng)攝像機定標方法應(yīng)該取其精華，去其糟粕；對于攝像機自定標方法，在吸取傳統(tǒng)攝像機定標方法的優(yōu)點的同時，應(yīng)該加強自身的精度要求?？偠灾?，兩種攝像機定標方法各自存在利弊，如何改進才是正確的研究方向。

4.1 傳統(tǒng)的攝像機定標方法弊端

傳統(tǒng)的攝像機定標方法通過實踐證明，在理論上和實際運用上十分有用的，但仍有不少地方需要進一步改進，以下為它目前存在的問題所在：1）攝像機所拍攝的圖像或視頻存在一定噪聲。在實際數(shù)據(jù)計算分析中，這種噪音無論大小，都會對內(nèi)部參數(shù)的實際解造成大的干擾，并且使實際解與由約束關(guān)系所求得的解之間有著相當大的差異。因此，怎樣才能夠提高解的魯棒性、減少解之間的差異性成為了傳統(tǒng)攝像機定標亟待解決的1問題；2）線性模型所得的優(yōu)化解并非全局的。由上可知，攝像機定標的實際過程便是獲得實際參數(shù)的過程，即使用各種不同的優(yōu)化計算方法，來獲得相應(yīng)的非線性方程的一組解，但實際上，以此所獲得的優(yōu)化解并非全局的。因此，如何變化或者提高線性方程的解答方法也很重要；3）攝像機定標參數(shù)的不確定性。一般來講，攝像機定標參數(shù)的不確定性決定著計算參數(shù)的可信程度，同時，其對三維重建有著影響，進一步來講，攝像機定標的不確定性也決定著約束關(guān)系的不確定性傳播。因此，這個問題也需要深入進一步研究。

總之，傳統(tǒng)攝像機的定標方法依然存在著許多無法忽視的弊端和需要解決的問題，深入研究并盡快解決這些問題，應(yīng)該是傳統(tǒng)攝像機的定標方法今后的大的研究方向。

4.2 攝像機自定標方法相關(guān)問題

目前普遍認為，攝像機自定標方法實現(xiàn)隨時隨地的校準攝像機模型參數(shù)，與傳統(tǒng)的攝像機定標方法相比顯得更為靈活先進。攝像機自定標方法無需參照物，僅僅從圖像或視頻的相關(guān)點中得到它們之間的約束關(guān)系，從而通過相應(yīng)的分析，計算出攝像機模型的參數(shù).這種定標方法看似毫無缺點，但自定標的精度與傳統(tǒng)的攝像機定標方法相比，還是存在者一定的缺點，以下便是對其缺點的歸納總結(jié)：部分攝像機自定標方法所求得的解不夠穩(wěn)定。例如：在圖像或視頻存在一定噪聲的情況下，實際的解與理論的解有著相當差異，或者所求得的解并不唯一。因此，解的不穩(wěn)定性和精度不夠的情況，不僅是傳統(tǒng)攝像機定標方法的缺點，也是自定標方法的一個問題，提高解的精度及穩(wěn)定性，是自定標研究的一個重要方向。實際上，在現(xiàn)在的解決方案中，各種優(yōu)化算法是最常用最普遍的方法，但是，在多解的情況下，優(yōu)化算法也無法能夠保證得出全局的最優(yōu)解。由此看來，這個問題是計算機是絕種攝像機定標方法普遍存在的關(guān)鍵性問題。

5 結(jié)束語

隨著計算機視覺系統(tǒng)的不斷發(fā)展，攝像機定標技術(shù)也呈現(xiàn)了進步的狀態(tài)。綜上所述，計算機視覺中的攝像機定標方法主要有傳統(tǒng)的攝像機定標法和攝像機自定標法，對這兩類的定標方法進行深入的研究能夠為全面認識和了解攝像機定標方法起到很好的幫助作用。計算機視覺中的攝像機定標方法在今后的發(fā)展過程中應(yīng)該得到更多的研究，但其所存在的不足和弊端也理應(yīng)得到研究人員的重視。在這個多元化信息化的世界里，計算機視覺中的攝像機定標技術(shù)若能夠根據(jù)現(xiàn)有的條件，適應(yīng)如今的環(huán)境，選擇合適的方法，對一些還存在局限性的環(huán)節(jié)取得更好地突破，則能夠?qū)⒄麄€定標技術(shù)提升一個高度。相信隨著未來計算機視覺系統(tǒng)的不斷擴展和不斷完善，攝像機定標技術(shù)的應(yīng)用范圍也會越來越廣闊。

參考文獻

[1]宋雪峰，楊明，王宏.用于攝像機標定的網(wǎng)格狀紋理的檢測方法[A].2001年中國智能自動化會議論文集（下冊）[C].2001.

[2]譚躍鋼，吳正平.一種新的基于雙目視模型的三維重建方法[A].中國儀器儀表學會第三屆青年學術(shù)會議論文集（上）[C].2001.

[3]劉健勤，鮑光淑.面向數(shù)據(jù)采掘的自適應(yīng)圖象分割技術(shù)[A].中國圖象圖形科學技術(shù)新進展——第九屆全國圖象圖形科技大會論文集[C].1998.

[4]洪俊田，陶劍鋒，李剛，桂預(yù)風，徐曉英.基于灰色關(guān)聯(lián)的數(shù)字圖像去噪研究[J].武漢理工大學學報（交通科學與工程版），2006，04.

[5]趙江濤，周仁斌，劉寶源.基于線結(jié)構(gòu)激光三維掃描系統(tǒng)的攝像機標定方法研究[A].2010振動與噪聲測試峰會論文集[C].2010.

[6]王鵬，王紅平.基于網(wǎng)格圖像的雙線性插值畸變校正的方法研究[A].科技創(chuàng)新與節(jié)能減排——吉林省第五屆科學技術(shù)學術(shù)年會論文集（上冊）[C].2008.

[7]程建璞，項輝宇，于修洪.基于OpenCV的視覺測量技術(shù)中攝像機標定方法[J].北京工商大學學報（自然科學版），2010，01.

[8]趙越，江南.一種基于3D矩形靶標的攝像機標定算法及其實現(xiàn)[A].第九屆全國信息獲取與處理學術(shù)會議論文集Ⅰ[C].2011.

第9篇：計算機視覺技術(shù)的基礎(chǔ)范文

本文深入地分析了當前實施人臉檢測技術(shù)的可行性，并對本方案實施的優(yōu)勢進行了概括。

【關(guān)鍵詞】人臉檢測技術(shù) 計算機技術(shù) 識別技術(shù)

1 人臉檢測的前景

人臉檢測作為近年來生物識別領(lǐng)域的一個熱門研究方向，具有操作方便，用戶易于接受，事后追蹤能力強等優(yōu)點。但是因為人臉檢測與識別運行的過程往往需要大量的運算，并且其算法并不簡單，因此目前大部分人臉檢測與識別系統(tǒng)的設(shè)計與開發(fā)都需要立足于計算機技術(shù)。下面筆者將會對以計算機平臺為基礎(chǔ)的人臉檢測的實現(xiàn)過程展開詳細的論述與分析。

2 相關(guān)技術(shù)研究現(xiàn)狀

2.1 人臉圖像的獲取與預(yù)處理

一般情況下，攝像頭負責對人臉圖像的攝取，除此之外，專門的圖像庫也是人臉圖像的來源之一。前者多應(yīng)用于系統(tǒng)的應(yīng)用階段，一般來說，它不僅僅可以作為應(yīng)用系統(tǒng)存在，也可以作為研究系統(tǒng)存在；而后者多應(yīng)用于研究階段，并且它只能作為研究系統(tǒng)存在，是基于標準人臉圖像庫而存在的。

獲得需要的圖像之后，接下來就要對圖像進行預(yù)處理，這一環(huán)節(jié)對于人臉檢測與識別系統(tǒng)的應(yīng)用來說，是非常關(guān)鍵的。在獲取圖像的過程中，會受到外部復(fù)雜環(huán)境的影響，例如燈光亮度、配套設(shè)施好壞、噪聲干擾、對比不明顯等等。并且，由于距離與焦距存在的差異，導致無法確定人臉所處的具置。因此，圖像預(yù)處理這一環(huán)節(jié)是必不可少的，有了這一環(huán)節(jié)才能確保圖像上人臉所處位置與大小比較恰當。人臉扶正、人臉圖像增強及其幾何歸一化和灰度歸一化等都是圖像預(yù)處理環(huán)節(jié)主要的工作內(nèi)容。而圖像變換增強、直方圖均衡法、非線性平滑濾波、圖像的歸一化等則是圖像預(yù)處理過程之中所運用的主要方法。

2.2 人臉檢測技術(shù)

人臉識別是否能夠具有較好的識別性能，取決于人臉檢測的性能水平的高低，因此可以說，人臉檢測是人臉識別得以實現(xiàn)的前提條件。借助人臉檢測算法技術(shù)，檢查并測驗靜態(tài)圖像（動態(tài)視頻幀），從而準確的對此圖像（視頻）進行判斷，從而知道此圖像是否具有人臉圖像，假若判斷此圖像具有人臉圖像，則需要明確其所處區(qū)域及圖像數(shù)值大小，這就是人臉檢測。高效率與檢測精準是用戶對人臉檢測的一個普遍性評價，現(xiàn)如今這項技術(shù)已經(jīng)獲得了用戶的認可，專家學者也對其展開了更深入的分析研究。

人臉圖像所囊概的特征是非常豐富的，例如膚色、人的輪廓、結(jié)構(gòu)等特征都是極具代表性的，此外其系列圖像往往還會涉及到一些其他信息，例如運動狀態(tài)等?；谶@些特征信息，研究者設(shè)計了許多人臉識別的檢測算法，按照這些方法的思想策略大致可將人臉檢測方法分為4類：基于知識的方法、基于模塊匹配的方法、基于外觀形狀的方法和基于特征的方法。

2.3 人臉識別技術(shù)

借助對相應(yīng)的人臉識別算法的運用，辨別出圖像上的人臉的身份信息，第一步是對圖像進行搜索，從而找出圖像上的人臉目標，然后識別人臉目標體的身份信息，這就是人臉識別。

以人臉識別技術(shù)的發(fā)展狀況作為劃分的依據(jù)，研究工作往往將人臉識別技術(shù)劃分為四種類別，分別為：其一是幾何特征為基礎(chǔ)的；其二是以統(tǒng)計特征為基礎(chǔ)的；其三是以機器靴子為基礎(chǔ)的；其四是以局部模式為基礎(chǔ)的；

3 選擇的硬件平臺

3.1 圖像輸入

人臉圖像的輸入部分可以是普通的USB攝像機、網(wǎng)絡(luò)攝像機等，也可以將已經(jīng)拍攝好的圖像存儲在硬盤等存儲設(shè)備。因此其應(yīng)用往往不會受限于特定的場所。

如果攝像機選擇的性能比較差一些，會增加后面算法的復(fù)雜度；此外還會對人臉檢測與識別的最終效果造成一定的影響；為了提高系統(tǒng)的性能，所以應(yīng)該選擇性能比較好，產(chǎn)生的相片噪聲比較小的相機。

3.2 中央處理

本方案中的中央處理部分選取的是計算機的CPU；因為現(xiàn)在CPU的功能強大，再加上良好的微軟系統(tǒng)，使得系統(tǒng)的性能大大的提升。

作為系統(tǒng)的中心處理部分，應(yīng)該選擇一臺專門的服務(wù)器來處理圖像的檢測和識別。這是由于圖像往往需要占據(jù)大量的內(nèi)存，在實施算法的過程之中會耗用較多的資源。

4 檢測系統(tǒng)的組成

4.1 計算機視覺庫OpenCV的介紹

Open CV是計算機視覺庫，它是跨平臺的，并且以（開源）發(fā)行為基礎(chǔ)，能夠在很多操作系統(tǒng)上運用，例如Linux、Windows、Mac OS，其具有的C函數(shù)跨平臺的中、高層API高達五百個。由于其有著豐富的視覺處理算法，因此在數(shù)字圖像處理領(lǐng)域之中的運用非常普遍，例如物體、人體、人臉等的識別。本文后面分析工作的開展都是以O(shè)pen CV計算機視覺庫為基礎(chǔ)的。

4.2 人臉圖像采集模塊

原始的人臉圖像一般是在用戶注冊時采集的，一般會在幾副到十幾幅之間， 且采集到的這些人臉圖像需包含該人臉的不同的表情和多種姿態(tài)。人臉采集是人臉檢測的第一個步驟，筆者在前文現(xiàn)狀分析的基礎(chǔ)上，為使人臉檢測更加精確，結(jié)合了人眼與人臉檢測兩種技術(shù)。成功獲取人臉圖像后將會步入圖像預(yù)處理這一步驟，相應(yīng)的工作內(nèi)容不再贅述。

當然進行人臉識別時的圖像采集工作也是由此模塊來完成，采集完需要進行歸一化、圖像均衡、灰度化、直方圖增強等預(yù)處理，之后根據(jù)當前處于訓練階段還是識別階段將其送入人臉特征提取模塊。

4.3 人臉特征提取模塊

這一模塊的主要工作是提取人臉圖片的特征，隨后開展降維處理，最終在數(shù)據(jù)庫之中錄入該特征，方便人臉圖像識別模塊對圖像的識別。在前文人臉識別技術(shù)研究現(xiàn)狀分析的基礎(chǔ)上，筆者認為此模塊工作的開展，首先可以采取人臉區(qū)域先分塊再提取特征的方法。

4.4 人臉圖像識別模塊

人臉識別系統(tǒng)的好壞很大程度上取決于人臉識別的設(shè)計水平與其所挑選的計算方法，因此可以說，人臉識別系統(tǒng)的關(guān)鍵在于人臉識別?，F(xiàn)如今，以小波分析為基礎(chǔ)、以視覺聯(lián)想為基礎(chǔ)、以人臉表情為基礎(chǔ)的人臉識別技術(shù)是運用最普遍的。因此，本文的關(guān)鍵點就在于此，要查閱相關(guān)資料，從而挑選出最恰當?shù)乃惴ā?/p>

5 結(jié)論

我們以O(shè)penCV和計算機為平臺，對人臉圖像的預(yù)處理、人臉圖像的特征提取和人臉圖像的識別算法進行仿真分析和優(yōu)化。這樣，我們就可以充分利用人臉識別現(xiàn)有的算法，并進行優(yōu)化，來實現(xiàn)快速高效的檢測和識別系統(tǒng)。

參考文獻

[1]朱文佳，戚飛虎.快速人臉檢測與特征定位 [J].中國圖像圖形學報，2005，10（11）：1455-1458.

[2]王志良，孟秀艷.人臉工程學[M].北京：機械工業(yè)出版社，2008.

作者簡介

宋家慧（1978-），女，山東省蒼山縣人。大學本科學歷?，F(xiàn)為廣西機電職業(yè)技術(shù)學院講師。研究方向為計算機應(yīng)用、數(shù)據(jù)庫應(yīng)用和數(shù)據(jù)挖掘。