計算機(jī)視覺的研究方向精選(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(jī)視覺的研究方向主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：計算機(jī)視覺的研究方向范文
關(guān)鍵詞 計算機(jī)視覺；立體匹配；研究情況
中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1671-7597（2014）07-0001-01
隨著科學(xué)技術(shù)的快速發(fā)展，計算機(jī)技術(shù)也得到了飛速的發(fā)展。將計算機(jī)技術(shù)應(yīng)用于人類的視覺系統(tǒng)，并輔助人們觀察到一些眼睛難以看到的東西，已經(jīng)逐漸成為一門大家所熱捧和追逐的技術(shù)。隨著人們對視覺傳感器技術(shù)越來越多的探索，人們也逐漸實(shí)現(xiàn)了古代時想擁有千里眼的夢想。目前，人們已經(jīng)把視覺傳感器技術(shù)和計算機(jī)技術(shù)良好的結(jié)合在一起，并把這些技術(shù)應(yīng)用到食品、建筑、醫(yī)藥、電子、航天航空等眾多領(lǐng)域當(dāng)中。而該項(xiàng)技術(shù)的快速發(fā)展，也幫助人們解決了一些日常工作當(dāng)中人類視覺存在盲區(qū)的問題，保證了人們工作過程的安全。視覺技術(shù)與IT技術(shù)的完美結(jié)合使得人們的生活變得更加便利，讓人們親身體會到了IT技術(shù)給人們生活帶來的便捷。
1 雙目立體視覺概述
雙目立體視覺又稱雙目視覺技術(shù)，是目前計算機(jī)視覺應(yīng)用領(lǐng)域的重要研究內(nèi)容。雙目立體視覺控制系統(tǒng)的組成因其采用的原理和應(yīng)用功能的不同，組成也都各不相同。
雙目立體視覺的實(shí)現(xiàn)原理是基于人眼的視網(wǎng)膜看物體的特性，從兩個不同的方向來觀看同一個物體的不同角度，從而實(shí)現(xiàn)清楚的了解到物體的圖像的目的。雙目立體視覺從不同的角度獲得物體的投影信息，并根據(jù)匹配的結(jié)果，獲取同一個物體不同偏差位置的信息。最后在依據(jù)三角測量技術(shù)，根據(jù)已經(jīng)獲得的這些偏差信息從而獲得這些不同點(diǎn)對應(yīng)的距離信息，并最終獲得這些實(shí)際物體的具體坐標(biāo)位置信息。
視差測距技術(shù)告訴我們，要清楚的觀察到一個物體的全貌，需要兩個觀察物從不同的方向，或者固定一個觀察物，移動另外一個觀察物的方式，以達(dá)到拍攝同一個物體的目的。根據(jù)同一個物體在兩個觀察物當(dāng)中的位置偏差，從而確定該物體的三維信息。一般來說，雙目立體視覺的組成包括：圖像獲取設(shè)備、圖像預(yù)處理設(shè)備、攝像機(jī)標(biāo)定設(shè)備、立體匹配設(shè)備、根據(jù)二維信息實(shí)現(xiàn)三維重構(gòu)設(shè)備等五個重要設(shè)備。
2 雙目立體視覺技術(shù)的原理
立體畫又可以稱之為三維立體畫，是一種人們可以從三維立體圖中獲取二維平面圖信息的技術(shù)。三維立體圖表面看似毫無規(guī)則，但是假如通過一些特殊的技術(shù)或者通過合理的觀察手段和觀察設(shè)備，就可以看到一組秩序井然的美妙圖片。
三維立體圖是一組重復(fù)的二維圖片有序的堆積積累而成，因此可以呈現(xiàn)出立體效果。人體觀察物體的原理大致如下：當(dāng)人類通過左右眼觀察所在的空間平面的時候，這些平面圖都只是一些毫無秩序的圖片。而當(dāng)左右眼重新聚焦或者在觀察畫面的時候呈現(xiàn)一定的層次感，則人類的左右眼觀察到的一組重復(fù)案在經(jīng)過人體識別以后，這些畫面之間將存在一定的距離差異，從而在腦中生成立體感。
雙目立體視覺技術(shù)正是基于以上的原理，從兩個不同的方向去觀察物體，并獲得目標(biāo)圖像的信息，并經(jīng)過一定的處理獲得三維重建的物體立體信息的技術(shù)。
雙目立體視覺在計算機(jī)技術(shù)中實(shí)現(xiàn)三維重建的大致流程
如下。
1）攝像機(jī)定位，并通過單片機(jī)計算得到要獲取圖像信息需要的外部的參數(shù)的大概值，并根據(jù)這些參數(shù)值設(shè)定攝像機(jī)。
2）用設(shè)定參數(shù)的攝像機(jī)拍攝目標(biāo)場景的畫面，并采集這些畫面的二維圖的信息。
3）通過計算機(jī)技術(shù)實(shí)現(xiàn)雙目匹配，并判定采集畫面中的二維圖像中的不同點(diǎn)之間的對應(yīng)關(guān)系。
4）在第三步中若得到兩組二維圖像的關(guān)系是稠密的時候，則生成三維視差圖。如果不是則進(jìn)一步采集圖片信息。
5）根據(jù)得到的視差圖最終實(shí)現(xiàn)場景的三維圖形的重建。
3 雙目立體匹配技術(shù)的研究難點(diǎn)和未來的發(fā)展方向
盡管目前有很多學(xué)者都投身到雙目立體匹配技術(shù)的研究和開發(fā)當(dāng)中，直至目前為止也解決了很多關(guān)于視覺理論當(dāng)中存在的很多缺陷問題。但是視覺問題是一個復(fù)雜且難以解決的問題，特別是在雙目立體匹配問題方面更是困難重重。立體匹配技術(shù)的難點(diǎn)已經(jīng)成為限制將雙目技術(shù)應(yīng)用到計算機(jī)技術(shù)當(dāng)中的重要瓶頸。
立體匹配的主要手段就是找到計算機(jī)采集到兩幅和多副圖片的中像素的對應(yīng)關(guān)系，然后根據(jù)這些像素關(guān)系判定并生成三維重建圖。但是二維圖像的匹配存在層層困難，主要體現(xiàn)在以下幾個方面。
1）由于視角的問題或者觀察物體存在遮擋問題，導(dǎo)致采集回來的圖片信息存在盲點(diǎn)，這樣子更難找到圖片的匹配區(qū)域。
2）場景中的一些深度不連續(xù)的區(qū)域大都處在場景當(dāng)中的邊界位置，這些位置容易出現(xiàn)像素不高，邊界不清晰等問題，這些問題也給圖像匹配帶了很多困擾。
3）場景當(dāng)中的低紋理的圖片匹配特征和匹配關(guān)系較少，而且該位置的每個像素點(diǎn)極為相似。假如只是通過簡單的像素相似性檢測的話，會檢測到很多匹配結(jié)果，而這些匹配結(jié)果當(dāng)中有一大部分是錯誤的。這樣子的結(jié)果勢必會導(dǎo)致最終的圖像匹配正確率極為低下。
從以上的分析，我們可以看出立體匹配技術(shù)存在很多技術(shù)上的難點(diǎn)，這些都在很大程度上限制雙目立體匹配技術(shù)在計算機(jī)當(dāng)中的應(yīng)用發(fā)展。如何才能設(shè)計出有效、準(zhǔn)確、快速、通用性強(qiáng)的立體匹配算法將會是以后雙目立體匹配計算發(fā)展的重要方向。也只有通過設(shè)計出一套行之有效的立體匹配算法才能使得雙目立體匹配技術(shù)在計算機(jī)視覺當(dāng)中得到廣泛的應(yīng)用。
4 結(jié)束語
人們通過眼睛可以感受到外界事物的存在，可以清楚的了解到事物的立體信息，分辨出觀察物的廣度和深度，以及物體的遠(yuǎn)近。因此人類視覺感知系統(tǒng)就是一個雙目的立體感知系統(tǒng)。本文講述的計算機(jī)中的雙目立體匹配技術(shù)正是基于人眼視覺觀察物體的原理，通過雙目立體視覺原理，對計算機(jī)采集獲得兩幅二維圖像的信息進(jìn)行分析，并結(jié)合計算機(jī)的分析，最終獲得同人類眼睛一樣觀察到物體三維表面信息的目的。雙目立體匹配技術(shù)與計算機(jī)技術(shù)的完美結(jié)合幫助人們可以更加輕易的獲得物體的信息。希望在不久的將來，可以將該項(xiàng)技術(shù)應(yīng)用于人類的視網(wǎng)膜當(dāng)中，以幫助一些視網(wǎng)膜存在問題的人們，讓他們重新感受到光明，感受世間的溫暖。
參考文獻(xiàn)
[1]高文，陳熙霖.計算機(jī)視覺算法與系統(tǒng)原理[M].北京：清華大學(xué)出版社，2002.
[2]明祖衡.雙目立體視覺測距算法研究[M].北京：北京理工大學(xué)，2008.
[3]劉昌，郭立，李敬文，劉俊，楊福榮，羅鋒.一種優(yōu)于SAD的匹配準(zhǔn)則及其快速算法[J].電路與系統(tǒng)學(xué)報，2007，12（4）：137-14.
[4]陳蛟.雙目立體匹配的算法研究及其多核并行化[M].南京：南京郵電大學(xué)，2012.
第2篇：計算機(jī)視覺的研究方向范文
關(guān)鍵詞：計算機(jī)視覺；定標(biāo)方法；應(yīng)用特點(diǎn)
中圖分類號：TP319文獻(xiàn)標(biāo)識碼：A文章編號：16727800（2012）007014902
作者簡介：許志雄(1968-),男,浙江紹興人,江漢石油鉆頭股份有限公司工程師，研究方向?yàn)橛嬎銠C(jī)多媒體。
0引言
計算機(jī)技術(shù)的應(yīng)用在諸多領(lǐng)域占據(jù)了主要位置，并得到了人們的極大重視。在此形勢下，攝像機(jī)的高清晰度亦成為了人們追逐的目標(biāo)，而在計算機(jī)視覺中的定標(biāo)方法有各種不同的處理方式，從而為攝像機(jī)的發(fā)展提供了一個絕好的機(jī)會。由此，計算機(jī)視覺中的攝像機(jī)定標(biāo)方法成為當(dāng)今世界攝像機(jī)研究領(lǐng)域里至關(guān)重要的一個方面，以攝像機(jī)得到的圖像信息作為出發(fā)點(diǎn)來計算三維空間中自然場景的幾何信息成為計算機(jī)視覺的基本任務(wù)之一，并且它的應(yīng)用特點(diǎn)也得到了人們的密切關(guān)注。
1攝像機(jī)視覺投影原理
透鏡成像的原理利用了光的折射現(xiàn)象，而攝像機(jī)的視覺投影原理和透鏡的成像原理相差無幾，只不過在一些細(xì)節(jié)上進(jìn)行了相應(yīng)的改變，使成像更加清晰，以更好地滿足人們的需求。攝像機(jī)視覺投影原理就是利用鏡頭的光學(xué)原理進(jìn)行視覺成像，而其中又有許多理論支持，包含鏡頭與焦距和視角。焦距是指鏡頭的焦點(diǎn)之間的距離,對于攝像機(jī)而言，就是指從鏡頭的中心位置到攝像管，也可以說是成像的位置之間的距離就是攝像機(jī)鏡頭的焦距，只有調(diào)整好了這兩者之間的距離，才能保證攝像機(jī)的攝像效果，這也是保證攝像機(jī)正常工作的首要任務(wù)。視角要受到鏡頭焦距的限制，由鏡頭焦距對攝像的大小情況而決定，攝影師們就是通過對焦距的不斷變換來改變對任務(wù)的造型，從而改變?nèi)藗兊囊曈X效果。對于拍攝相同距離的目標(biāo)而言，鏡頭焦距越大，攝像的水平視角就會變得越窄，這樣帶來的后果就是拍攝到的目標(biāo)的范圍就越小，使得拍攝效果大打折扣，從而給攝像機(jī)帶來不利的使用效益。因此，必須在兩者達(dá)到一個較好的組合效果之時，才能夠充分發(fā)揮攝像機(jī)的作用，并將攝像藝術(shù)發(fā)揮到極致。由此可見，計算機(jī)視覺中的攝像機(jī)定標(biāo)方法將會給攝像機(jī)的拍攝效果帶來巨大的轉(zhuǎn)變。
2計算機(jī)視覺中的攝像機(jī)定標(biāo)方法
2.1三維定標(biāo)法
在人們的平常思維中，凡是物體的影像必定是三維的，本文的理論研究也同樣基于這樣的想法。在討論單幅圖像的設(shè)計標(biāo)定之時，我們所追求的理論基礎(chǔ)就是需要攝像機(jī)的定標(biāo)物是人們所追求的那種三維的效果，在此基礎(chǔ)上再進(jìn)行相關(guān)的理論研究，以達(dá)到相得益彰的效果。在此過程中，首先要準(zhǔn)確定位定標(biāo)物上一些比較重要的點(diǎn)的三維坐標(biāo)，這樣才能夠?yàn)楹髞淼墓ぷ魈峁┓奖悖蝗缓笤谂c定標(biāo)物相對應(yīng)的成像上找到相應(yīng)的點(diǎn)的位置，這是至關(guān)重要的一步，這也決定了后面成像的具體設(shè)計方法；最后在那些比較重要的點(diǎn)的圖像上標(biāo)出其具體的三維坐標(biāo)，達(dá)到定標(biāo)物的實(shí)際成像效果圖，這樣就可以完全解決攝像機(jī)的成像問題了。這種定標(biāo)方法的基本原理就是充分分析定標(biāo)物的三維信息，同時與它的具體成像位置相關(guān)聯(lián)，在這兩者之間形成一種具體的相對應(yīng)關(guān)系。由此我們可以充分利用計算機(jī)的快速運(yùn)算，實(shí)現(xiàn)攝像的功能，并適時進(jìn)行程序功能改進(jìn)，優(yōu)化定標(biāo)物參數(shù)的獲取方法，從而達(dá)到增加攝像機(jī)清晰度的目標(biāo)。
2.2平面定標(biāo)法
與上面的定標(biāo)方法相對立的一種方法就是多幅圖像的設(shè)計標(biāo)定。在這樣的時代背景下，人們的要求應(yīng)盡可能得到滿足，因而理論研究者會在這個方面下足功夫，弄懂這里面的個中玄機(jī)，利用多幅圖像對平面的定標(biāo)物來進(jìn)行物體的標(biāo)定工作，以達(dá)到攝像機(jī)定標(biāo)的目的。這樣的平面定標(biāo)方法就是充分利用平面物體的運(yùn)動特性，在它和攝像機(jī)之間找到一個平衡點(diǎn)，觀察兩者的相對運(yùn)動，這樣的定標(biāo)方法也給拍攝運(yùn)動中的物體帶來了生機(jī)。此方法在實(shí)施之余也會帶給人們不一樣的感受，讓人們充分體會到攝像的魅力。當(dāng)然這種考慮運(yùn)動的平面定標(biāo)法會受到特征點(diǎn)的增多的影響，隨著點(diǎn)的不斷增加，定標(biāo)情況就會越來越好，定標(biāo)物的精度也會不斷提高，于是在定標(biāo)物相同的前提下，平面定標(biāo)法自然就可以從定標(biāo)物上獲得更多的數(shù)據(jù)信息，為準(zhǔn)確對定標(biāo)物進(jìn)行定位測量提供了更多的依據(jù)。因此，這種方法的效果要比前面的方法好很多，得到推廣的力度也會大大增加，所得到的經(jīng)濟(jì)效益也會增加，設(shè)備的成本在原來的基礎(chǔ)上還有降低的趨勢。所以，理論研究者的研究領(lǐng)域就會逐漸向這一方面進(jìn)行轉(zhuǎn)變。
2.3兩步定標(biāo)法
有了前面的研究成果作支撐，攝像機(jī)定標(biāo)方法的進(jìn)一步研究就會顯得異常容易，人們的進(jìn)一步要求也會得到滿足，可謂一舉兩得。理論研究者們在有了豐富的理論和實(shí)踐基礎(chǔ)之后，利用直接線性的定標(biāo)方法進(jìn)行攝像機(jī)參數(shù)的進(jìn)一步優(yōu)化提高，通過透視原理來修改以前的參數(shù)，然后將修正的參數(shù)進(jìn)行初始值的確認(rèn)，把它們作為現(xiàn)在研究階段的起點(diǎn)，在這樣的起點(diǎn)之上綜合考慮各種外界因素，利用最優(yōu)化的計算機(jī)算法進(jìn)行攝像機(jī)成像程序的改進(jìn)，把原來的程序進(jìn)行升級處理，使得定標(biāo)物的精確度得到進(jìn)一步的提高，這就是我們所提到的兩步定標(biāo)法。它的基本原理其實(shí)很簡單，只不過是充分利用了原有的理論，并進(jìn)行了一定的創(chuàng)新而已。但就是這樣的創(chuàng)新步伐的邁出，給計算機(jī)視覺中的攝像機(jī)定標(biāo)方法帶來了新的生機(jī)，也給攝像機(jī)鏡頭的優(yōu)化帶來了很多指導(dǎo)方法。在圖像中心到圖像點(diǎn)的距離保持不變的前提下，參數(shù)的數(shù)量會顯著減少，這樣不僅節(jié)省了材料的用量，而且還進(jìn)一步提高了攝像機(jī)的攝像清晰度，有效彌補(bǔ)了以前清晰度不高的缺點(diǎn)。這樣一來，攝像機(jī)的成像效果大大改進(jìn)，于是才有了現(xiàn)代攝像機(jī)的高清效果，確實(shí)讓人們享受到了科技帶來的福音。
3計算機(jī)視覺中的攝像機(jī)定標(biāo)方法的應(yīng)用特點(diǎn)
3.1建立于主動視覺上的自我標(biāo)定
由于計算機(jī)視覺中攝像機(jī)定標(biāo)方法的不斷推廣，一些計算機(jī)技術(shù)在攝像機(jī)的制作過程中得到了較好的應(yīng)用。但是在這之中必不可少地存在一些制作人員或設(shè)計人員的主觀因素，這樣攝像機(jī)的標(biāo)定方法中就會形成形色各異的特點(diǎn)，而且彼此之間可能會出現(xiàn)較大的不同，特別是在主動視覺上的自我標(biāo)定。在主動視覺中，我們所用到的攝像機(jī)可以在一個被控制的平臺上被人們固定，利用計算機(jī)的高運(yùn)算能力，計算機(jī)可以把平臺上所出現(xiàn)的參數(shù)精確地讀出來，我們只需要利用控制攝像機(jī)的運(yùn)轉(zhuǎn)順序，讓攝像機(jī)作一定的周期運(yùn)動，就可以在這個過程中得到更多的圖像，然后再利用所成的圖像和固定的攝像機(jī)的運(yùn)動參數(shù)來確定攝像機(jī)的運(yùn)動情況。這種自我標(biāo)定方法比較簡單，但是必須為人們提供精確控制攝像機(jī)運(yùn)動的平臺，這種以主觀意識為主的標(biāo)定特點(diǎn)強(qiáng)化了個人的主觀能動性，讓人們更加易于接受。
3.2進(jìn)行有層次劃分的逐步標(biāo)定
近年來，人們對攝像技術(shù)的理論研究已經(jīng)日趨成熟，并根據(jù)自己的意愿進(jìn)行相關(guān)的研究工作，把自己的想法融入到攝像機(jī)的設(shè)計中，真正做到有層次的逐步標(biāo)定，把所要的標(biāo)定物以逐個擊破的方式實(shí)現(xiàn)有層次的程序算法，從而讓人們在邏輯上能夠有所認(rèn)識，并且易于接受，從而達(dá)到有層次劃分的逐步標(biāo)定的目的。分層逐步標(biāo)定法已為標(biāo)定研究領(lǐng)域中普遍認(rèn)同的方法之一，在實(shí)際的應(yīng)用中逐漸取代了直接標(biāo)定的方法。因?yàn)檫M(jìn)行有層次劃分的逐步標(biāo)定是符合人們的想法的，而且這種方法的特點(diǎn)是以射影標(biāo)定作為基礎(chǔ)，以某一幅圖像作為基準(zhǔn)圖像，進(jìn)行其它圖像的射影對齊工作，從而將攝相機(jī)中成像未知參數(shù)的數(shù)量減少，更易于為人們所接受?？梢哉f，進(jìn)行有層次劃分的逐步標(biāo)定是人們在實(shí)踐中得出的一套符合大勢所趨的標(biāo)定方法，為世人所推崇。
4結(jié)語
綜上所述，計算機(jī)視覺中攝像機(jī)定標(biāo)方法在人們的不斷認(rèn)識中得以應(yīng)用和推廣，在時代的不斷進(jìn)步中逐漸向前發(fā)展。同時，攝像機(jī)標(biāo)定方法的應(yīng)用特點(diǎn)也大相徑庭，各有千秋，從而實(shí)現(xiàn)百家爭鳴的態(tài)勢，進(jìn)一步推動計算機(jī)視覺中的攝像機(jī)研究工作的向前發(fā)展。
參考文獻(xiàn)：
第3篇：計算機(jī)視覺的研究方向范文
國內(nèi)人工智能產(chǎn)業(yè)鏈解構(gòu)
基礎(chǔ)技術(shù)、人工智能技術(shù)和人工智能應(yīng)用構(gòu)成了人工智能產(chǎn)業(yè)鏈的三個核心環(huán)節(jié)，我們將主要從這三個方面對國內(nèi)人工智能產(chǎn)業(yè)進(jìn)行梳理，并對其中的人工智能應(yīng)用進(jìn)行重點(diǎn)解構(gòu)。
人工智能的基礎(chǔ)技術(shù)主要依賴于大數(shù)據(jù)管理和云計算技術(shù)，經(jīng)過近幾年的發(fā)展，國內(nèi)大數(shù)據(jù)管理和云計算技術(shù)已從一個嶄新的領(lǐng)域逐步轉(zhuǎn)變?yōu)榇蟊娀?wù)的基礎(chǔ)平臺。而依據(jù)服務(wù)性質(zhì)的不同，這些平臺主要集中于三個服務(wù)層面，即基礎(chǔ)設(shè)施即服務(wù)（IaaS）、平臺即服務(wù)（PaaS）和軟件即服務(wù)（SaaS）?；A(chǔ)技術(shù)提供平臺為人工智能技術(shù)的實(shí)現(xiàn)和人工智能應(yīng)用的落地提供基礎(chǔ)的后臺保障，也是一切人工智能技術(shù)和應(yīng)用實(shí)現(xiàn)的前提。
對于許多中小型企業(yè)來說，SaaS 是采用先進(jìn)技術(shù)的最好途徑，它消除了企業(yè)購買、構(gòu)建和維護(hù)基礎(chǔ)設(shè)施和應(yīng)用程序的需要；而 IaaS通過三種不同形態(tài)服務(wù)的提供（公有云、私有云和混合云）可以更快地開發(fā)應(yīng)用程序和服務(wù)，縮短開發(fā)和測試周期；作為 SaaS 和 IaaS 中間服務(wù)的 PaaS 則為二者的實(shí)現(xiàn)提供了云環(huán)境中的應(yīng)用基礎(chǔ)設(shè)施服務(wù)。
人工智能技術(shù)平臺
與基礎(chǔ)技術(shù)提供平臺不同，人工智能技術(shù)平臺主要專注于機(jī)器學(xué)習(xí)、模式識別和人機(jī)交互三項(xiàng)與人工智能應(yīng)用密切相關(guān)的技術(shù)，所涉及的領(lǐng)域包括機(jī)器視覺、指紋識別、人臉識別、視網(wǎng)膜識別、虹膜識別、掌紋識別、專家系統(tǒng)、自動規(guī)劃、智能搜索、定理證明、博弈、自動程序設(shè)計、智能控制、機(jī)器人學(xué)習(xí)、語言和圖像理解和遺傳編程等。
機(jī)器學(xué)習(xí)：通俗的說就是讓機(jī)器自己去學(xué)習(xí)，然后通過學(xué)習(xí)到的知識來指導(dǎo)進(jìn)一步的判斷。我們用大量的標(biāo)簽樣本數(shù)據(jù)來讓計算機(jī)進(jìn)行運(yùn)算并設(shè)計懲罰函數(shù)，通過不斷的迭代，機(jī)器就學(xué)會了怎樣進(jìn)行分類，使得懲罰最小。這些學(xué)到的分類規(guī)則可以進(jìn)行預(yù)測等活動，具體應(yīng)用覆蓋了從通用人工智能應(yīng)用到專用人工智能應(yīng)用的大多數(shù)領(lǐng)域，如：計算機(jī)視覺、自然語言處理、生物特征識別、證券市場分析和DNA 測序等。
模式識別：模式識別就是通過計算機(jī)用數(shù)學(xué)技術(shù)方法來研究模式的自動處理和判讀，它偏重于對信號、圖像、語音、文字、指紋等非直觀數(shù)據(jù)方面的處理，如語音識別，人臉識別等，通過提取出相關(guān)的特征來實(shí)現(xiàn)一定的目標(biāo)。文字識別、語音識別、指紋識別和圖像識別等都屬于模式識別的場景應(yīng)用。
人機(jī)交互：人機(jī)交互是一門研究系統(tǒng)與用戶之間交互關(guān)系的學(xué)問。系統(tǒng)可以是各種各樣的機(jī)器，也可以是計算機(jī)化的系統(tǒng)和軟件。在應(yīng)用層面，它既包括人與系統(tǒng)的語音交互，也包含了人與機(jī)器人實(shí)體的物理交互。
而在國內(nèi)，人工智能技術(shù)平臺在應(yīng)用層面主要聚焦于計算機(jī)視覺、語音識別和語言技術(shù)處理領(lǐng)域，其中的代表企業(yè)包括科大訊飛、格靈深瞳、捷通華聲（靈云）、地平線、SenseTime、永洪科技、曠視科技、云知聲等。
人工智能應(yīng)用
人工智能應(yīng)用涉及到專用應(yīng)用和通用應(yīng)用兩個方面，這也是機(jī)器學(xué)習(xí)、模式識別和人機(jī)交互這三項(xiàng)人工智能技術(shù)的落地實(shí)現(xiàn)形式。其中，專用領(lǐng)域的應(yīng)用涵蓋了目前國內(nèi)人工智能應(yīng)用的大多數(shù)應(yīng)用，包括各領(lǐng)域的人臉和語音識別以及服務(wù)型機(jī)器人等方面；而通用型則側(cè)重于金融、醫(yī)療、智能家居等領(lǐng)域的通用解決方案，目前國內(nèi)人工智能應(yīng)用正處于由專業(yè)應(yīng)用向通用應(yīng)用過度的發(fā)展階段。
（1）計算機(jī)視覺在國內(nèi)計算機(jī)視覺領(lǐng)域，動靜態(tài)圖像識別和人臉識別是主要研究方向
圖像識別：是計算機(jī)對圖像進(jìn)行處理、分析和理解，以識別各種不同模式的目標(biāo)和對像的技術(shù)。識別過程包括圖像預(yù)處理、圖像分割、特征提取和判斷匹配。
人臉識別：是基于人的臉部特征信息進(jìn)行身份識別的一種生物識別技術(shù)。用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進(jìn)而對檢測到的人臉進(jìn)行臉部的一系列相關(guān)技術(shù)，通常也叫做人像識別、面部識別。
目前，由于動態(tài)檢測與識別的技術(shù)門檻限制，靜態(tài)圖像識別與人臉識別的研究暫時處于領(lǐng)先位置，其中既有騰訊、螞蟻金服、百度和搜狗這樣基于社交、搜索大數(shù)據(jù)整合的互聯(lián)網(wǎng)公司，也有三星中國技術(shù)研究院、微軟亞洲研究院、Intel中國研究院這類的傳統(tǒng)硬件與技術(shù)服務(wù)商；同時，類似于 Face++ 和FaceID 這類的新興技術(shù)公司也在各自專業(yè)技術(shù)和識別準(zhǔn)確率上取得了不錯的突破。
而在難度最大的動態(tài)視覺檢測領(lǐng)域，格靈深瞳、東方網(wǎng)力和 Video++ 等企業(yè)的著力點(diǎn)主要在企業(yè)和家庭安防，在一些常見的應(yīng)用場景也與人臉識別技術(shù)聯(lián)動使用。
（2）語音/語義識別
語音識別的關(guān)鍵基于大量樣本數(shù)據(jù)的識別處理，因此，國內(nèi)大多數(shù)語音識別技術(shù)商都在平臺化的方向上發(fā)力，希望通過不同平臺以及軟硬件方面的數(shù)據(jù)和技術(shù)積累不斷提高識別準(zhǔn)確率。
在通用識別率上，各企業(yè)的成績基本維持在 95% 左右，真正的差異化在于對垂直領(lǐng)域的定制化開發(fā)。類似百度、科大訊飛這樣的上市公司憑借著深厚的技術(shù)、數(shù)據(jù)積累占據(jù)在市場前列的位置，并且通過軟硬件服務(wù)的開發(fā)不斷進(jìn)化著自身的服務(wù)能力；此外，在科大訊飛之后國內(nèi)第二家語音識別公有云的云知聲在各項(xiàng)通用語音服務(wù)技術(shù)的提供上也占據(jù)著不小的市場空間。值得注意的是，不少機(jī)器人和通用硬件制造商在語音、語義的識別上也取得了不錯的進(jìn)展，例如智臻智能推出的小 i 機(jī)器人的語義識別、圖靈機(jī)器人的個性化語音助手機(jī)器人和服務(wù)、被 Google 投資的出門問問的軟硬件服務(wù)。
（3）智能機(jī)器人
由于工業(yè)發(fā)展和智能化生活的需要，目前國內(nèi)智能機(jī)器人行業(yè)的研發(fā)主要集中于家庭機(jī)器人、工業(yè)企業(yè)服務(wù)和智能助手三個方面其中，工業(yè)及企業(yè)服務(wù)類的機(jī)器人研發(fā)企業(yè)依托政策背景和市場需要處于較為發(fā)達(dá)的發(fā)展階段，代表性企業(yè)包括依托中科院沈陽自動化研究所的新松機(jī)器人、聚焦智能醫(yī)療領(lǐng)域的博實(shí)股份，以及大疆、優(yōu)愛寶機(jī)器人、Slamtec 這類專注工業(yè)生產(chǎn)和企業(yè)服務(wù)的智能機(jī)器人公司。在以上三個分類中，從事家庭機(jī)器人和智能助手的企業(yè)占據(jù)著絕大多數(shù)比例，涉及到的國內(nèi)企業(yè)近 300 家。
（4）智能家居
與家庭機(jī)器人不同，智能家居和物聯(lián)企業(yè)的主要著力點(diǎn)在于智能設(shè)備和智能中控兩個方面。在這其中，以海爾和美的為代表的傳統(tǒng)家電企業(yè)依托自身渠道、技術(shù)和配套產(chǎn)品優(yōu)勢建立起了實(shí)體化智能家居產(chǎn)品生態(tài). 而以阿里、騰訊、京東、小米和樂視等互聯(lián)網(wǎng)企業(yè)為代表的公司則通過各自平臺內(nèi)的數(shù)據(jù)和終端資源提供不同的軟硬件服務(wù)。
值得關(guān)注的是，科沃斯、broadlink、感居物聯(lián)、風(fēng)向標(biāo)科技、歐瑞博、物聯(lián)傳感和華為等技術(shù)解決方案商在通用硬件和技術(shù)、系統(tǒng)級解決方案上已成為諸多智能家居和物聯(lián)企業(yè)的合作伙伴。綜合來看，智能家居和物聯(lián)企業(yè)由于市場分類、技術(shù)種類和數(shù)據(jù)積累的不同各自提供著差異化的解決方案。在既定市場中，沒有絕對意義上的排斥競爭，各企業(yè)之間的合作融合度較強(qiáng)。
（5）智能醫(yī)療
目前國內(nèi)智能醫(yī)療領(lǐng)域的研究主要集中于醫(yī)療機(jī)器人、醫(yī)療解決方案和生命科學(xué)領(lǐng)域。由于起步較晚和技術(shù)門檻的限制，目前國內(nèi)醫(yī)用機(jī)器人的研發(fā)水平和普及率相較于國際一線水平仍存在一定的差距，從事企業(yè)主要集中與手術(shù)機(jī)器人和康復(fù)機(jī)器人兩大領(lǐng)域，以新松機(jī)器人、博實(shí)股份、妙手機(jī)器人、和技創(chuàng)等企業(yè)為代表。
在醫(yī)療解決方案方面，以騰訊、阿里巴巴、百度和科大訊飛為代表的公司通過和政府、醫(yī)療機(jī)構(gòu)的合作，為腦科學(xué)、疾病防治與醫(yī)療信息數(shù)據(jù)等領(lǐng)域提供智能解決方案。而在生命科學(xué)領(lǐng)域，研究的著眼點(diǎn)在以基因和細(xì)胞檢測為代表的前沿研究領(lǐng)域。
綜合來看，國內(nèi)人工智能產(chǎn)業(yè)鏈的基礎(chǔ)技術(shù)鏈條已經(jīng)構(gòu)建成熟，人工智能技術(shù)和應(yīng)用則集中在人臉和圖像識別、語音助手、智能生活等專用領(lǐng)域的場景化解決方案上。就趨勢來看，未來國內(nèi)人工智能領(lǐng)域的差異化競爭和突破將主要集中在人工智能相關(guān)技術(shù)的突破和應(yīng)用場景升級兩個層面。
未來國內(nèi)人工智能行業(yè)發(fā)展的五大趨勢
（1）機(jī)器學(xué)習(xí)與場景應(yīng)用將迎來下一輪爆發(fā)
根據(jù) Venture Scanner 的統(tǒng)計，截至 2015 年 9 月，全球人工智能領(lǐng)域獲得投資的公司中，按照平均融資額度排名的五大業(yè)務(wù)依次是：機(jī)器學(xué)習(xí)（應(yīng)用類）、智能機(jī)器人、計算機(jī)視覺（研發(fā)類）、機(jī)器學(xué)習(xí)（研發(fā)類）和視頻內(nèi)容識別等。
自 2009 年以來，人工智能已經(jīng)吸引了超過 170 億美元的投資。過去四年間，人工智能領(lǐng)域的民間投資以平均每年 62% 的增長速率增加，這一速率預(yù)計還會持續(xù)下去。而在 2015 年，全球人工智能領(lǐng)域的投資占到了年度總投資的 5%，盡管高于 2013 年的2% ，但相比其他競爭領(lǐng)域仍處于落后位置。
目前中國地區(qū)人工智能領(lǐng)域獲得投資最多的五大細(xì)分領(lǐng)域是計算機(jī)視覺（研發(fā)類）、自然語言處理、私人虛擬助理、智能機(jī)器人和語音識別。從投資領(lǐng)域和趨勢來看，未來國內(nèi)人工智能行業(yè)的資本將主要涌向機(jī)器學(xué)習(xí)與場景應(yīng)用兩大方向。
（2）專用領(lǐng)域的智能化仍是發(fā)展核心
基于 GPU（圖形處理器）計算速度（每半年性能增加一倍）和基礎(chǔ)技術(shù)平臺的飛速發(fā)展，企業(yè)對于人工智能神經(jīng)網(wǎng)絡(luò)的構(gòu)建取得了前所未有的突破。但是，由于人工智能各領(lǐng)域技術(shù)和算法的復(fù)雜性，未來 20 年內(nèi)人工智能的應(yīng)用仍將集中于人臉和圖像識別、語音助手和智能家居等專用領(lǐng)域。
通過上述產(chǎn)業(yè)鏈環(huán)節(jié)構(gòu)成和投資分類可以看出，優(yōu)勢企業(yè)的核心競爭力主要集中于特定領(lǐng)域的專用技術(shù)研發(fā)；其中，計算機(jī)視覺和語音識別領(lǐng)域的研發(fā)和應(yīng)用已處于國際一流水平，專業(yè)應(yīng)用機(jī)器人的研發(fā)也有望近 10 年內(nèi)迎來突破性發(fā)展?？梢灶A(yù)見的是，在由專業(yè)領(lǐng)域向通用領(lǐng)域過渡的過程中，自然語言處理與計算機(jī)視覺兩個方向?qū)蔀槿斯ぶ悄芡ㄓ脩?yīng)用最大的兩個突破口。
（3）產(chǎn)業(yè)分工日漸明晰，企業(yè)合作大于競爭
隨著專用領(lǐng)域應(yīng)用開發(fā)的成熟和差異化技術(shù)門檻的存在，國內(nèi)人工智能產(chǎn)業(yè)將逐漸分化為底層基礎(chǔ)構(gòu)建、通用場景應(yīng)用和專用應(yīng)用研發(fā)三個方向。
在底層基礎(chǔ)構(gòu)建方面，騰訊、阿里巴巴、百度、華為等企業(yè)依托自身數(shù)據(jù)、算法、技術(shù)和服務(wù)器優(yōu)勢為行業(yè)鏈條的各公司提供基礎(chǔ)資源支持的同時，也會將自身優(yōu)勢轉(zhuǎn)化為通用和專業(yè)應(yīng)用領(lǐng)域的研究，從而形成自身生態(tài)內(nèi)的人工智能產(chǎn)業(yè)鏈閉環(huán)。
在通用場景應(yīng)用方面，以科大訊飛、格靈深瞳和曠視科技為代表的企業(yè)將主要以計算機(jī)視覺和語音識別為方向，為安防、教育和金融等領(lǐng)域提供通用解決方案。而在專用應(yīng)用研發(fā)方面則集中了大部分硬件和創(chuàng)業(yè)企業(yè)，這其中既包括以小米和 broadlink 為代表的智能家居解決方案商，也包含了出門問問、linkface 和優(yōu)必選這類的差異化應(yīng)用提供商。
總的來說，由通用領(lǐng)域向?qū)I(yè)領(lǐng)域的進(jìn)化離不開產(chǎn)業(yè)鏈條各核心環(huán)節(jié)企業(yè)的相互配合，專用領(lǐng)域的競爭盡管存在，但各分工層級間的協(xié)作互通已成為多數(shù)企業(yè)的共識。
（4）系統(tǒng)級開源將成為常態(tài)
任何一個人工智能研究分支都涉及到異常龐大的代碼計算，加上漏洞排查與跨領(lǐng)域交叉，任何一家企業(yè)都無法做到在封閉環(huán)境內(nèi)取得階段性突破的可能?？梢钥吹降内厔菔牵珿oogle、微軟、Facebook 和雅虎等視人工智能為未來核心競爭力的頂級企業(yè)都先后開放了自身的人工智能系統(tǒng)。
需要明確的一點(diǎn)是，開源并不代表核心技術(shù)和算法的完全出讓，底層系統(tǒng)的開源將會讓更多企業(yè)從不同維度參與到人工智能相關(guān)領(lǐng)域的研發(fā)，這為行業(yè)層面新產(chǎn)品的快速迭代和共同試錯提供了一個良性且規(guī)范化的共生平臺。于開放企業(yè)而言，這也確保了它們與行業(yè)最新前沿技術(shù)的同步。
（5）算法突破將拉開競爭差距
作為人工智能實(shí)現(xiàn)的核心，算法將成為未來國內(nèi)人工智能行業(yè)最大的競爭門檻。以 Google 為例，Google 旗下的搜索算法實(shí)驗(yàn)室每天都要進(jìn)行超過 200 次的改進(jìn)，以完成由關(guān)鍵字匹配到知識圖譜、語義搜索的算法創(chuàng)新。
在未來競爭的重點(diǎn)機(jī)器學(xué)習(xí)領(lǐng)域，監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)和增強(qiáng)學(xué)習(xí)三個方面算法的競爭將進(jìn)入白熱化階段。而正是算法層面的突破造就了騰訊優(yōu)圖、科大訊飛和格靈深瞳等企業(yè)在圖像識別和計算機(jī)視覺領(lǐng)域取得了突破性進(jìn)展和國際一線的技術(shù)水平。
但就目前國內(nèi)人工智能算法的總體發(fā)展而言，工程學(xué)算法雖已取得階段性突破，但基于認(rèn)知層面的算法水平還亟待提高，這也是未來競爭的核心領(lǐng)域。
總的來看，雖然基礎(chǔ)技術(shù)的成熟帶來了存儲容量和機(jī)器學(xué)習(xí)等人工智能技術(shù)的提升，但由于現(xiàn)階段運(yùn)算能力以及大規(guī)模 CPU 和GPU 并行解決方案的局限，目前國內(nèi)人工智能的發(fā)展主要集中于計算機(jī)視覺、語音識別、智能生活等方向上。
雖然專用化領(lǐng)域的場景應(yīng)用仍是目前研發(fā)和投資的核心，但隨著技術(shù)、數(shù)據(jù)的積累演化以及超算平臺的應(yīng)用，由專用化領(lǐng)域的場景應(yīng)用向語音、視覺等領(lǐng)域的通用化解決方案應(yīng)該在未來 20 年內(nèi)成為發(fā)展的主流。
第4篇：計算機(jī)視覺的研究方向范文
關(guān)鍵詞：增強(qiáng)現(xiàn)實(shí)；視線追蹤；應(yīng)用
增強(qiáng)現(xiàn)實(shí)（Augmented Reality簡稱AR）技術(shù)是近年來的一個研究熱點(diǎn)，有著廣泛的應(yīng)用前景。它是對現(xiàn)實(shí)世界的補(bǔ)充，使得虛擬物體從感官上成為周圍真實(shí)環(huán)境的組成部分。與傳統(tǒng)的虛擬現(xiàn)實(shí)（Virtual Reality簡稱VR）不同，增強(qiáng)現(xiàn)實(shí)只是實(shí)現(xiàn)對現(xiàn)實(shí)環(huán)境的增強(qiáng)，加深了對現(xiàn)實(shí)環(huán)境的感受。在實(shí)際的AR體驗(yàn)中，因?yàn)槿说挠^察視線會不斷地變化，AR系統(tǒng)需要實(shí)時的根據(jù)用戶的視場重新建立位置坐標(biāo)系，進(jìn)行追蹤。而視線追蹤技術(shù)就是實(shí)時地跟蹤用戶頭部的位置和視線方向，根據(jù)這些信息來確定虛擬物體在真實(shí)空間坐標(biāo)中的位置，并將它實(shí)時地顯示在顯示器中的正確位置。
一、視線追蹤技術(shù)及其特點(diǎn)
（一）視線追蹤技術(shù)概述。
視線追蹤也稱為眼動追蹤，它被認(rèn)為是研究視覺信息加工的有效手段。利用專用設(shè)備來記錄學(xué)習(xí)者的眼球運(yùn)動（Eve-Movement，簡稱眼動）情況，可以作為分析學(xué)習(xí)者內(nèi)部心理活動情況的依據(jù)。關(guān)于視線追蹤技術(shù)的研究己有較長歷史，目前它己在多個領(lǐng)域得到廣泛應(yīng)用。例如用于圖片廣告研究（網(wǎng)頁評估、設(shè)計評估等）、動態(tài)分析（航空航天、體育運(yùn)動、汽車、飛機(jī)駕駛等）、產(chǎn)品測試（可用性測試）、場景研究（商場購物、店鋪裝演、家居環(huán)境等）和人機(jī)交互等多個領(lǐng)域。此外，視線追蹤在智能計算機(jī)、智能家電、虛擬現(xiàn)實(shí)和數(shù)字游戲等領(lǐng)域也有很好的應(yīng)用前景。
在眼動實(shí)驗(yàn)研究中，當(dāng)被試對視覺信息進(jìn)行提取時，其注視時間、注視次數(shù)、注視點(diǎn)序列、眼跳距離、回視次數(shù)、瞳孔直徑等通常被視為思維和心理加工的重要參數(shù)。因此，通過對被試在學(xué)習(xí)過程中的實(shí)時眼動信息進(jìn)行觀測，可用于分析和引導(dǎo)其學(xué)習(xí)的依據(jù)。眼動模式一般分為三種：注視（fixation）、眼跳（saccade）和追隨運(yùn)動（pursuit movement）。其中，持續(xù)一段時間、相對穩(wěn)定的眼球運(yùn)動稱為注視；眼球快速運(yùn)動時導(dǎo)致視覺區(qū)域的聚焦點(diǎn)產(chǎn)生變化，這種行為稱為眼跳；眼睛緩慢、平滑地追蹤某個緩慢運(yùn)動的目標(biāo)，則稱為追隨運(yùn)動。通過分析眼動模式和相關(guān)參數(shù)，可以獲得很多重要的信息。例如，眼跳速度會隨著疲倦程度的增加而降低，而隨著學(xué)習(xí)任務(wù)難度的增加而增加；眨眼速度和眼睛睜開程度的降低則可能意味著疲倦的加重。因此，可以據(jù)此來確定學(xué)習(xí)者的學(xué)習(xí)精神狀態(tài)，或?qū)ζ鋵W(xué)習(xí)過程進(jìn)行分析，從而采取相應(yīng)的學(xué)習(xí)策略或干預(yù)措施。
（二）視線追蹤系統(tǒng)的類型及其特點(diǎn)。
人眼的注視點(diǎn)主要由頭的方位和眼睛視線決定。頭的方位決定了人眼可能注視的范圍，眼睛的視線決定了注視點(diǎn)的精確位置。國內(nèi)外將視覺跟蹤技術(shù)按照借助的媒介分為硬件和軟件兩種。以硬件為基礎(chǔ)的視線跟蹤的基本工作原理是利用圖像處理技術(shù)，通過攝像機(jī)攝入瞳孔反射的紅外線記錄視線變化，達(dá)到視線追蹤的目的。視線跟蹤裝置目前有穿戴式與非穿戴式，接觸式與非接觸式，如帶上專用頭盔、眼鏡或者頭部固定支架，置于頭部上的攝像機(jī)，這種情形用戶使用較不舒適。通過軟件實(shí)現(xiàn)的視線跟蹤方法，對用戶沒有干擾，首先利用攝像機(jī)獲取頭部、臉部或眼睛圖像，再經(jīng)過軟件分析對視線定位與跟蹤。由于不需要佩戴任何裝置，用戶的自由度舒適度較好。
人與計算機(jī)交互是研究人與計算機(jī)之間溝通的技術(shù)，將視線跟蹤、語音識別、手勢輸入、感覺反饋等引入人機(jī)交互，提高了交互的自然性和高效性。視線追蹤技術(shù)同樣引發(fā)了人機(jī)交互系統(tǒng)的改革，鼠標(biāo)、觸控板的消失，及通過追蹤人眼視線，用眼神來操作電腦、輸入文字、玩游戲。
二、視線追蹤技術(shù)在AR增強(qiáng)現(xiàn)實(shí)研究中的應(yīng)用
（一）顯示技術(shù)。
AR的簡單定義就是將計算機(jī)生成的虛擬數(shù)字信息疊加到現(xiàn)實(shí)的生活場景中。這個“疊加”是需要通過顯示設(shè)備作為中介來實(shí)現(xiàn)。
增強(qiáng)現(xiàn)實(shí)系統(tǒng)中的顯示器可以分為頭盔顯示器（HMD）和非頭盔顯示設(shè)備。目前，一般的增強(qiáng)現(xiàn)實(shí)系統(tǒng)主要使用透視式頭盔顯示器。透視式頭盔顯示器主要由三個基本環(huán)節(jié)構(gòu)成：虛擬信息顯示通道、真實(shí)環(huán)境顯示通道、圖像融合及顯示通道。其中，虛擬信息的顯示原理與虛擬現(xiàn)實(shí)系統(tǒng)所用的浸沒式頭盔顯示器基本相同；圖像融合與顯示通道是與用戶交互的最終接口，根據(jù)其中真實(shí)環(huán)境的表現(xiàn)方式，可分為基于CCD攝像原理的視頻透視式頭盔顯示器和基于光學(xué)原理的光學(xué)透視式頭盔顯示器兩類。
光W透視技術(shù)是通過安裝在設(shè)備眼前的光學(xué)透鏡來呈現(xiàn)出真實(shí)和虛擬世界。首先計算機(jī)生成的虛擬信息經(jīng)過光學(xué)系統(tǒng)放大后反射后進(jìn)入視野，透過透鏡又能直接看到現(xiàn)實(shí)場景，兩部分的信息匯聚到人眼的視網(wǎng)膜上實(shí)現(xiàn)AR的效果。視頻透視技術(shù)是借助安裝在頭顯上的攝像頭來捕捉獲取外部真實(shí)環(huán)境，計算機(jī)將數(shù)字模擬信息疊加到攝像機(jī)的視頻信號上，再將真實(shí)場景和虛擬場景進(jìn)行融合。相比較光學(xué)透視技術(shù)，它的視角場更大，而且不受外界的強(qiáng)光干擾。不過一旦攝像機(jī)與用戶的視點(diǎn)不能保持完全重合，會產(chǎn)生一些偏差。
（二）跟蹤注冊技術(shù)。
基于計算機(jī)視覺的注冊技術(shù)主要是指利用計算機(jī)視覺獲取真實(shí)場景的信息后，經(jīng)過圖像處理方面的知識來識別和跟蹤定位真實(shí)場景。細(xì)分可以劃為基于傳統(tǒng)標(biāo)志的注冊算法和基于自然特征點(diǎn)無標(biāo)志注冊算法?；谟嬎銠C(jī)視覺的注冊技術(shù)的精度較高，但是對計算量非常大，而且算法復(fù)雜，對系統(tǒng)的要求非常高。
為了取長補(bǔ)短，得到更加精確的注冊結(jié)果，現(xiàn)在有結(jié)合兩種技術(shù)的混合注冊方法。通常是先由跟蹤傳感器大概估計位置姿態(tài)，再通過視覺法進(jìn)一步精確調(diào)整定位。一般采用的復(fù)合法有視覺與電磁跟蹤結(jié)合、視覺與慣導(dǎo)跟蹤結(jié)合、視覺與GPS跟蹤結(jié)合等。
三、結(jié)論
在國外，增強(qiáng)現(xiàn)實(shí)早已在醫(yī)學(xué)、遙操作、制造與維修、可視化與教育培訓(xùn)、娛樂、軍事訓(xùn)練等領(lǐng)域取得了成功應(yīng)用。在國內(nèi)，不少單位和個人對增強(qiáng)現(xiàn)實(shí)中的關(guān)鍵技術(shù)和算法進(jìn)行了研究，并且以牙科醫(yī)學(xué)、設(shè)備維修等許多背景得到了初步應(yīng)用研究。但國內(nèi)的研究目前仍多限于實(shí)驗(yàn)階段，與國外的應(yīng)用水平還有一定距離。
目前，隨著增強(qiáng)現(xiàn)實(shí)的快速發(fā)展，出現(xiàn)了許多新的研究方向，如新的顯示方式、照片真實(shí)感圖形繪制、調(diào)節(jié)現(xiàn)實(shí)、基于網(wǎng)絡(luò)的增強(qiáng)現(xiàn)實(shí)和針對戶外隨身增強(qiáng)現(xiàn)實(shí)系統(tǒng)的技術(shù)等等。其中涉及到的技術(shù)包括基于圖像的繪制（IBMR）、多通道信息融合、普適計算技術(shù)、顯示設(shè)備和跟蹤設(shè)備的隨身便攜化等。隨著系統(tǒng)性能的提高、操作過程的簡化和設(shè)備成本的降低，增強(qiáng)現(xiàn)實(shí)會在越來越多的領(lǐng)域得到廣泛應(yīng)用。
參考文獻(xiàn)：
[1]奚惠寧等.視線追蹤應(yīng)用技術(shù)的專利分析[J].電視技術(shù)，2013（S2）。
第5篇：計算機(jī)視覺的研究方向范文
關(guān)鍵詞：車牌圖像；預(yù)處理；灰度化；二值化；邊緣增強(qiáng)
DOIDOI：10.11907/rjdk.151249
中圖分類號：TP317.4
文獻(xiàn)標(biāo)識碼：A 文章編號：16727800（2015）006018902
基金項(xiàng)目基金項(xiàng)目：江蘇省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項(xiàng)目（xcx2014052）
作者簡介作者簡介：劉凱（1992-），男，江蘇揚(yáng)州人，徐州工程學(xué)院信電工程學(xué)院學(xué)生，研究方向?yàn)橛嬎銠C(jī)軟件；羅凱耀（1994-），男，江蘇徐州人，徐州工程學(xué)院信電工程學(xué)院學(xué)生，研究方向?yàn)榫W(wǎng)絡(luò)技術(shù)；姜代紅（1969-），女，江蘇徐州人，徐州工程學(xué)院信電工程學(xué)院教授，研究方向?yàn)閿?shù)據(jù)庫技術(shù)、嵌入式技術(shù)。
0 引言
汽車牌照自動識別系統(tǒng)[1]是以汽車牌照為特定目標(biāo)的專用計算機(jī)視覺系統(tǒng) ，是計算機(jī)視覺和模式識別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題之一。 車輛牌照識別[2]一般由以下環(huán)節(jié)：圖像獲取、圖像預(yù)處理、車牌定位、字符分割、字符識別 ，每一環(huán)節(jié)對下一環(huán)節(jié)都有很大的影響。 從采集卡獲得的原始圖像不僅包括車牌照，而且還有汽車本身以及汽車背景圖像，車牌識別的難點(diǎn)在于獲取高質(zhì)量的車牌圖像。采集車牌圖像時，會受到光照、障礙物、拍攝角度、攝像設(shè)備等的影響，圖像中會產(chǎn)生較多與車牌無關(guān)的圖像數(shù)據(jù)，造成噪聲，從而影響車牌識別效果，所以需要對識別的圖像進(jìn)行預(yù)處理，去除噪聲干擾。
本文車牌圖像預(yù)處理[3]主要針對智能交通管理系統(tǒng)中的車牌識別，通過獲取車牌對車輛信息進(jìn)行采集，經(jīng)過車牌圖像灰度化、圖像增強(qiáng)、邊緣檢測、車牌定位、車牌圖像二值化及圖像傾斜校正等，為車牌圖像后續(xù)處理打下基礎(chǔ)。
1 灰度化
一般從攝像頭采集到的圖像或者計算機(jī)中存儲的圖像通常是彩色圖，彩色圖像包含著大量的色彩信息，在數(shù)字圖像[4]處理中 ，很多算法都是針對灰度圖像 ，處理的灰度級從0～255，共 256個灰度級，這樣不僅減少了存儲圖像所需的內(nèi)存，而且加快了圖像處理的速度。 因此，首先要將彩色圖像轉(zhuǎn)換成灰度圖像。彩色圖像中任一像素都有R、G、B三種不同的顏色分量，而當(dāng)圖像中每一像素值R=G=B時，表示一種灰度顏色。其中，灰度化的方法主要有以下3種。
2 二值化
二值圖像是由黑白兩種顏色構(gòu)成的圖像。目的是能夠快速將車牌字符和背景分開，通過閾值設(shè)定將灰度值小于閾值的像素直接設(shè)為0，灰度值大于閾值的像素直接設(shè)置為255，而二值化的關(guān)鍵就是找到合適的閾值T來區(qū)分對象和背景。
4 實(shí)驗(yàn)結(jié)果
本文采用手機(jī)隨機(jī)拍攝的汽車圖像，測試環(huán)境為2GHz cpu，2G內(nèi)存，操作系統(tǒng)為window 7，使用平臺為vs2005，并基于opencv開發(fā)車牌預(yù)處理功能。
當(dāng)對一副未進(jìn)行預(yù)處理或噪聲處理不當(dāng)?shù)膱D像分割時，即會出現(xiàn)如圖5的車牌定位區(qū)域過大或過小的情況，而進(jìn)行過預(yù)處理后的圖像進(jìn)行車牌定位時則如圖6所示，可見預(yù)處理對降噪起了很大的作用。
5 結(jié)語
車牌圖像本身較復(fù)雜，冗余信息較多，因此難以識別。本文探討三種預(yù)處理方法簡化圖像、消除圖像噪聲。其中灰度化減少了圖像存儲的大?。欢祷瘜D像轉(zhuǎn)化為黑白兩種顏色的圖像，使車牌和背景分離；邊緣增生使得車牌定位更加快速、準(zhǔn)確。實(shí)驗(yàn)結(jié)果表明，三種方法均達(dá)到預(yù)期效果，提高了圖像的質(zhì)量，為圖像后續(xù)分割和識別打下了基礎(chǔ)。
參考文獻(xiàn)：
[1]劉海波，沈晶 ，郭聳.Visual C++ 數(shù)字圖像處理結(jié)束詳解[M].北京：機(jī)械工業(yè)出版社，2010.
[2]馮偉興，唐墨，賀波.Visual C++數(shù)字圖像模式識別技術(shù)詳解[M].北京：機(jī)械工業(yè)出版社，2010.
[3]周閱宇.汽車牌照識別系統(tǒng)研究與設(shè)計[D].長春：吉林大學(xué)論，2013.
[4]李凌.車牌圖像預(yù)處理技術(shù)研究與實(shí)現(xiàn)[J].淮北職業(yè)技術(shù)學(xué)院學(xué)報，2007（2）：98100.
第6篇：計算機(jī)視覺的研究方向范文
【關(guān)鍵詞】課程 計算機(jī)視覺 圖像檢索
1.課程設(shè)置、建設(shè)與改革自述
1.1 綜合基礎(chǔ)與應(yīng)用，精選教研內(nèi)容
從專業(yè)學(xué)位教育的高層次應(yīng)用型人才培養(yǎng)目標(biāo)出發(fā)，我以學(xué)生專業(yè)應(yīng)用能力的培養(yǎng)作為教研的重點(diǎn)，同時，考慮到“計算機(jī)視覺”是一門數(shù)學(xué)要求較高、理論性較強(qiáng)的專業(yè)基礎(chǔ)課程。課程的基礎(chǔ)理論教研十分重要，我在規(guī)劃教案時，綜合安排基礎(chǔ)理論與應(yīng)用實(shí)踐的教研內(nèi)容。
1.2 強(qiáng)調(diào)學(xué)生應(yīng)用能力，優(yōu)化教研方法
將啟發(fā)式教研方法融入到整個教研過程中，將課堂講授的重點(diǎn)放在問題由來、概念形成、研究思路與方法上，并通過介紹人工智能與計算機(jī)視覺學(xué)科交叉中出現(xiàn)的最新研究與應(yīng)用。把新理念、新思路、新方法和新問題引入課堂，調(diào)動學(xué)生學(xué)習(xí)的積極性和主動性，拓寬他們視野和思路。
通過較為熟悉的分析，“計算機(jī)視覺”課程中的教研方法較為新穎，使他們從一開始就建立了所學(xué)理論與實(shí)際工程控制問題的聯(lián)系。
按“計算機(jī)視覺”的基礎(chǔ)理論和知識內(nèi)容分環(huán)節(jié)來實(shí)施教研，每個環(huán)節(jié)以實(shí)際工程問題開始，以理論學(xué)習(xí)為基礎(chǔ)，各教研環(huán)節(jié)之間既是工程問題的系統(tǒng)化深入，也是理論知識體系的循序推進(jìn)。
按“計算機(jī)視覺”的基礎(chǔ)理論和知識內(nèi)容分環(huán)節(jié)來實(shí)施教研。每個環(huán)節(jié)，以理論學(xué)習(xí)為基礎(chǔ)，以提出和解決實(shí)際實(shí)驗(yàn)案例中的識別問題為結(jié)束，各教研環(huán)節(jié)之間既是三維重建問題的系統(tǒng)化深入，也是理論知識體系的循序推進(jìn)。
他們都十分贊同我以強(qiáng)調(diào)學(xué)生自主學(xué)習(xí)和應(yīng)用能力為目的的啟發(fā)式和交互式教研方法。尤其是以論文報告和答辯形式提交作業(yè)。強(qiáng)調(diào)了理論和應(yīng)用的結(jié)合。每一次的作業(yè)貫穿整個教研環(huán)節(jié)，使他們對問題的發(fā)現(xiàn)、理解和解決成為一個逐漸明確、細(xì)化和深入的過程，因此。雖然作業(yè)要求較高、工作量較大，但做起來并不會感到壓力和困難。同時，他們大多之前沒有撰寫科研論文和報告的經(jīng)歷，通過作業(yè)也可以使他們在這方面的能力得到鍛煉和提高，最后考試結(jié)業(yè)。
與此同時。研究生們也暢談了他們對課程教研中一些問題的看法.研究生們十分重視專業(yè)應(yīng)用能力和實(shí)際動手能力的培養(yǎng)與提高。也非常看重扎實(shí)理論基礎(chǔ)的必要性，都認(rèn)為理論學(xué)習(xí)與專業(yè)應(yīng)用能力培養(yǎng)應(yīng)該沒有矛盾，但在有限的2年時間內(nèi)，如何實(shí)現(xiàn)兩者的全面提高，他們大多存在疑慮。同時，他們也認(rèn)為目前大多數(shù)的課程教研具有明顯的理論或?qū)嵺`的偏向性，缺乏科學(xué)合理的平衡。
針對我在教研中所提出的案例和問題，學(xué)生們反映，盡管十分熟悉，但對問題的本質(zhì)和要求仍只是停留在理性認(rèn)識上。無法建立與實(shí)際對象的對應(yīng)關(guān)系。另外，他們提出，案例僅從單一課程角度講授，在有限課時內(nèi)難以從多學(xué)科的角度介紹濾波，三維重建，運(yùn)動恢復(fù)，圖像檢索案例，雖然是實(shí)際科研項(xiàng)目，但課堂不可能展示整體實(shí)物，學(xué)生缺乏工業(yè)現(xiàn)場的實(shí)際感受。使得學(xué)生對案例的整體理解難以跳出課堂的思維界域。
針對此，我計劃在加強(qiáng)現(xiàn)代化教育手段方面進(jìn)行一些建設(shè)與探索，努力向?qū)W生提供信息容量大、表現(xiàn)形式豐富的綜合性輔助認(rèn)識手段?？紤]到“計算機(jī)視覺”通常需要運(yùn)用計算機(jī)技術(shù)解決工程問題，我們將在以后教研中，增加計算機(jī)輔助教研的功能。如利用Matlab工具對所學(xué)內(nèi)容及實(shí)際視覺問題進(jìn)行可視化仿真演示。我們也將用虛擬儀器工具搭建案例的虛擬系統(tǒng)，試圖通過這樣的虛擬系統(tǒng)，向?qū)W生提供有利于啟發(fā)思維的靈活的認(rèn)識與實(shí)踐環(huán)境。增強(qiáng)學(xué)生的感性認(rèn)識；同時，盡管采用了多媒體教研。計劃在以后的教案中增加更多的現(xiàn)場視頻材料以及圖形和圖像資料，使學(xué)生更容易理解和記憶，增強(qiáng)抽象理論的可接受性。這些工作都需要我們在教研和科研工作之余投入大量的熱情和精力。
2.教研手段（課程建設(shè)中積極營造數(shù)字化、信息化環(huán)境和外語教研環(huán)境，網(wǎng)絡(luò)教研和網(wǎng)上教研資源的開發(fā)與建設(shè)情況）
2.1本課程的主要特色
體現(xiàn)機(jī)器視覺與機(jī)器聽覺融合。①機(jī)器視覺：圖像處理、圖像與視頻壓縮、模式識別和機(jī)器學(xué)習(xí)、生物特征識別、三維視覺信息處理。②機(jī)器聽覺：聽覺計算模型、語音信號處理、口語信息處理。此外還在同濟(jì)大學(xué)開設(shè)計算機(jī)視覺，和圖像處理方面課程，該課程構(gòu)成本課程基礎(chǔ)， 及對大量應(yīng)用實(shí)例介紹設(shè)計方法，系統(tǒng)性能，并對結(jié)果進(jìn)行祥細(xì)分析和點(diǎn)評。學(xué)生通過聽課可以跟隨教師本人了解和掌握計算機(jī)視聽覺。充分領(lǐng)略數(shù)字技術(shù)用于語音通信這一廣闊的領(lǐng)域神奇魅力。腦、 機(jī)接口的研究有廣闊的應(yīng)用前景， 正成為腦科學(xué)、康復(fù)工程、神經(jīng)工程及人機(jī)交互（ puter interface， HCI） 領(lǐng)域的一個研究熱點(diǎn)。
2.2本課程的建設(shè)總目標(biāo)和成果
以后開展圖像，圖形，語音處理，多媒體的內(nèi)容的檢索，三維景物物體的重建，自然語言理解的研究方向：視覺與聽覺的生理學(xué)和心理學(xué)基礎(chǔ)，從生理與心理學(xué)的角度探索視覺與聽覺的感覺和知覺機(jī)理，為視覺與聽覺信息處理提供基本理論和方法，完成同濟(jì)大學(xué)研究生精品課程建設(shè)。以近幾年為研究生講授“計算機(jī)視覺”課程講義的電子教案為基礎(chǔ)，結(jié)合開發(fā)科研項(xiàng)目，并參考相關(guān)文獻(xiàn)資料和最新動態(tài)編寫計算機(jī)視聽覺電子教案，和教材。
機(jī)器視覺：圖像處理、圖像與視頻壓縮、模式識別和機(jī)器學(xué)習(xí)、生物特征識別、三維視覺信息處理。
機(jī)器聽覺：聽覺計算模型、語音信號處理、口語信息處理、自然語言處理、智能人機(jī)交互。
2.3 本課程的建設(shè)分年度目標(biāo)和步驟
教材內(nèi)容：針孔攝像機(jī)，輻射學(xué)術(shù)語；局部影調(diào)模型，點(diǎn)，線和面光源，光度學(xué)體視；顏色；線性濾波器，平滑抑制噪音，邊緣檢測；紋理，用濾波器輸出表示統(tǒng)計量，紋理量，紋理合成，由紋理推斷形狀；基本的多視角幾何，立體視覺；用聚類實(shí)現(xiàn)分割；擬合直線與曲線，用最大似然率進(jìn)行擬合，魯棒性；隱變量與EM；用卡爾曼濾波來跟蹤，數(shù)據(jù)相關(guān)；攝象機(jī)標(biāo)定；使用特征對應(yīng)和攝像機(jī)標(biāo)定的基于模型的視覺；使用分類器的模版匹配；基于關(guān)系的匹配；在數(shù)字圖書館中檢索圖像，基于圖像的繪制。
準(zhǔn)備離散時間語音信號處理的原理，介紹語音信號處理研究及其應(yīng)用方面的最新動態(tài)，其中包括語音處理，語音時頻分析以及非線性聲學(xué)語音產(chǎn)生模型，而這些講授內(nèi)容在以往任何一本語音信號處理教科書都不曾提及，深入介紹以下內(nèi)容：語音編碼，語音增強(qiáng)，語音綜合，說話人識別，語音信號恢本復(fù)，動態(tài)范圍壓縮語音信號處理基礎(chǔ)，語音的時域的分析語音信號頻域分析，語音信號線性預(yù)測分析，矢量量化，語音編碼，語音合成，語音增強(qiáng)，說話人識別。
3.構(gòu)建研究實(shí)踐型模式，探究研究生指導(dǎo)
通過研究生指導(dǎo)模式的學(xué)習(xí)，兩種指導(dǎo)方式之一是對傳統(tǒng)面對面的與基于網(wǎng)絡(luò)兩種指導(dǎo)方式的混合。師生之間定期與不定期面對面的交流對于保證研究生指導(dǎo)質(zhì)量提高有著重要關(guān)系。互聯(lián)網(wǎng)突破時空限制為高校師生提供一個開放的、共享、個性化、多維交互的教與學(xué)的平臺。我提供優(yōu)秀研究資源，學(xué)生也可以通過網(wǎng)絡(luò)共享研究資源。師生都可以Web對于優(yōu)化研究資源的共享、促進(jìn)師生之間的社會互有著重要作用使得研究生指導(dǎo)模式充分發(fā)揮面對面指導(dǎo)。研究生指導(dǎo)主要注重科研素養(yǎng)培養(yǎng)。研究生培養(yǎng)根本目標(biāo)發(fā)展能力。課程學(xué)習(xí)對于系統(tǒng)提高研究生對專業(yè)關(guān)心課程學(xué)習(xí)狀況必要，要為學(xué)生提供學(xué)習(xí)方法指導(dǎo)與建議，要鼓勵學(xué)生結(jié)合課程學(xué)習(xí)進(jìn)行相關(guān)討論。
基于自主與協(xié)作的探究性學(xué)習(xí)是研究生學(xué)習(xí)的主體地位，發(fā)揮作用。我在教研中培養(yǎng)研究生發(fā)現(xiàn)問題、分析問題、解決問題的能力正是為了支持研究目標(biāo)在于獲得親身參與研究探究體驗(yàn)：培養(yǎng)“教研模式中”包括個人理解專業(yè)研究領(lǐng)域相關(guān)問題的內(nèi)涵與特征。旨在使學(xué)生能夠切實(shí)掌握專業(yè)與研究領(lǐng)域所涉及基本原理與能夠利用這些原理與方法分析確定方案實(shí)施、“know“know 是相互交織相互作用的層面，主要是為了增強(qiáng)指導(dǎo)以便根據(jù)不同層包括若干個問題常常需投人較多的精力與時間。應(yīng)該安排較長時間且要充分利用網(wǎng)絡(luò)技術(shù)平臺支持。提升研究質(zhì)量有效地避免傳統(tǒng)指導(dǎo)誤區(qū)。在指導(dǎo)時過于強(qiáng)調(diào)研究生所獲取學(xué)術(shù)成果而忽視指導(dǎo)過程體現(xiàn)在兩方面：一目標(biāo)評價標(biāo)準(zhǔn)單一往往給研究生層面：①面向研究生個體的“個別指導(dǎo)”；②面向小組集中：③自主調(diào)控評價，必須與教師、同伴、專家進(jìn)行交流、協(xié)作才有可能真正地提高效率，實(shí)現(xiàn)學(xué)習(xí)目標(biāo)，培養(yǎng)學(xué)團(tuán)隊(duì)意識，其次要幫助研略，在各層面都有明確的目標(biāo)相應(yīng)指導(dǎo)內(nèi)容，并要注意這三個層面整合。使之過程得到全面發(fā)展。養(yǎng)成科學(xué)態(tài)度和科學(xué)道德?！翱蒲心芰Πl(fā)展、輕綜合素質(zhì)培養(yǎng)”，研究生導(dǎo)師不但應(yīng)該是研究生的指導(dǎo)者。指導(dǎo)教師可以按“科研項(xiàng)目一要問題一具體任務(wù)”的層次。以教師的、助學(xué)促學(xué)”盡可使每個研究生都能達(dá)到預(yù)期培養(yǎng)目標(biāo)。評價要更關(guān)注總結(jié)性評價”與“過程性評價”工具以豐富研究生指導(dǎo)過程中教研交互的教育學(xué)中社會互。傳統(tǒng)環(huán)境下的社會互往往是面對面的交互。網(wǎng)絡(luò)平臺可以利用構(gòu)建社會網(wǎng)絡(luò)支持社會交互。強(qiáng)調(diào)的研究科研成果而深層次交流方式不同指導(dǎo)目標(biāo)、不同指導(dǎo)層次整合，指導(dǎo)教師角色轉(zhuǎn)變，變革評價方式，豐富指導(dǎo)教師來促進(jìn)“自主一協(xié)作”探究學(xué)習(xí)，對研究生“混、他評”與“自混評關(guān)注教研評價的?！苯萄心Ｊ较戮W(wǎng)絡(luò)技術(shù)與內(nèi)涵表現(xiàn)在：①利用技術(shù)促進(jìn)教研資源的整合，優(yōu)化教研資源管理，教研資源共享，促進(jìn)師生與教研內(nèi)容的交互；②利用Web工具，有效地整合現(xiàn)實(shí)交互空間虛擬交互空間另外還地加速或加強(qiáng)人際聯(lián)系，幫助師生了解探究式應(yīng)用實(shí)踐探索。
研究生是否發(fā)表了高水平的科研成果，研究生入學(xué)初期，以Web的應(yīng)用為核心的互聯(lián)網(wǎng)絡(luò)不但為高校師生的交流提供了新的溝通與互動方式。以獨(dú)特高校師生的思維方式生存方式發(fā)生了系列改變。也成為高校師生教研與生活中的重要信息工具為研究生指導(dǎo)提供了豐富的資源與多維立體環(huán)源。網(wǎng)絡(luò)平臺也用于共享、深化面對面交流中所總結(jié)形成相關(guān)觀點(diǎn)與資料。要求其他每位學(xué)生都至少要提一個問題所提出問題進(jìn)行進(jìn)一步的討論。了解專業(yè)研究領(lǐng)域的基本問題、核心問題與前沿問題研究生自己在調(diào)研基礎(chǔ)上提出研究進(jìn)行獨(dú)立自主的探究。所以除了關(guān)注在專業(yè)領(lǐng)域內(nèi)研究能力的發(fā)展之外還要注意教育科研能力的培養(yǎng)引導(dǎo)學(xué)關(guān)注“專業(yè)發(fā)展”。 用于規(guī)劃了解學(xué)生的已有基礎(chǔ)，以幫助后期制定更為合理個別指導(dǎo)計劃：第二，通過召開定期的討論會、師生個別交流，包括兩種類型：①旨在提高新生適應(yīng)研究生學(xué)習(xí)與生活的適應(yīng)性：②面向科研任務(wù)的研究小組。面向任務(wù)方式?jīng)_擊著高校師思維方式與文化理念，非常重視網(wǎng)絡(luò)平臺研究指導(dǎo)中的應(yīng)用，建立了向團(tuán)隊(duì)公用資源平臺教研主要采用研究式教研方法， 要求研究生自學(xué)其基本原理， 然后利用實(shí)際數(shù)據(jù)，由導(dǎo)師提供或從期刊文獻(xiàn)中獲取，完成數(shù)據(jù)預(yù)處理、計算、結(jié)果表達(dá)、解釋的全過程， 并以論文形式提交給教師， 同時在課堂上向大家介紹自己的研究成果。這樣做一方面提高了學(xué)生應(yīng)用知識的能力以及研究成果的文字組織和語言表述能力。 另一方面， 研究生的每篇習(xí)作就是一個很好的實(shí)例， 教師可以從中發(fā)現(xiàn)學(xué)生對知識理解的偏差， 及時予以糾正， 使學(xué)生對方法的掌握更加準(zhǔn)確和牢固。將網(wǎng)絡(luò)共享平臺中上傳所有研討記錄訓(xùn)練，將研究分個層面：①選擇專業(yè)研究內(nèi)的基本問題或重要問題或熱點(diǎn)問題對之進(jìn)行深入探究。掌握本專業(yè)領(lǐng)域基本研究方法；②以自己課體依托，在課題下設(shè)置子課根據(jù)研究與研究興趣跨年級構(gòu)建小組，每個小組負(fù)責(zé)不同的子課題與任務(wù)③鼓勵研究途徑。一年級開始參與課題研究，二年級學(xué)期要求開始提出自己一些問題或鼓勵結(jié)合確定畢業(yè)論文選題使他們在更大程度職業(yè)能力發(fā)展；推薦專業(yè)相關(guān)資料；對（共8人）進(jìn)行指導(dǎo)，效果較明顯。在學(xué)習(xí)方面，24名本科生通過畢業(yè)答辯。研究生八人以學(xué)生身份公開發(fā)表學(xué)術(shù)科研論文。 他們在這方面的能力得到鍛煉和提高。
通過"混合型-探究式"研究生指導(dǎo)模式的學(xué)習(xí)實(shí)踐三個維度的"混合"：對傳統(tǒng)面對面的與基于網(wǎng)絡(luò)的兩種指導(dǎo)方式的整合，對提升研究生課程學(xué)習(xí)績效、促進(jìn)研究生科研能力發(fā)展、促進(jìn)研究生職業(yè)能力發(fā)展三個指導(dǎo)目標(biāo)的整合，對個別指導(dǎo)、小組集中指導(dǎo)、團(tuán)隊(duì)集中指導(dǎo)三個指導(dǎo)層面的整合；說明了該模式中三個層面的"探究"：對專業(yè)問題的探究，對專業(yè)與研究領(lǐng)域內(nèi)基本原理的探究，對綜合科研任務(wù)的探究；同時介紹了在實(shí)踐層面應(yīng)用"混合型-探究式"研究生指導(dǎo)模式的實(shí)際效果。以重點(diǎn)學(xué)科為依托，吸取國內(nèi)外大學(xué)研究生培養(yǎng)經(jīng)驗(yàn)，對創(chuàng)新型研究生培養(yǎng)模式方法進(jìn)行探索，在研究生培養(yǎng)模式改革中，提出“四個轉(zhuǎn)變”的指導(dǎo)思想，即變“單人指導(dǎo)”為“團(tuán)隊(duì)指導(dǎo)”，變“單一培養(yǎng)模式”為“多元培養(yǎng)模式”，變“以教師為中心”為“以學(xué)生為中心”，變“面向培養(yǎng)結(jié)果”為“面向培養(yǎng)過程”。形成以研究生為中心的培養(yǎng)模式，突出研究生探索精神、科學(xué)思維、創(chuàng)新意識的培養(yǎng)。切實(shí) 行的措施 引導(dǎo) 究生遵守科學(xué) 道德，保持科學(xué)沖動，增強(qiáng)創(chuàng)新意識，提高科學(xué)能力。
考慮到“計算機(jī)視覺教研探究研究生指導(dǎo)”通常需要運(yùn)用計算機(jī)技術(shù)解決工程問題，我將在以后教研中，增加計算機(jī)輔助教研的功能。如利用Matlab工具對所學(xué)內(nèi)容及實(shí)際視覺問題進(jìn)行可視化仿真演示。我也將用虛擬儀器工具搭建案例的虛擬系統(tǒng)，試圖通過這樣的虛擬系統(tǒng)，向?qū)W生提供有利于啟發(fā)思維的靈活的認(rèn)識與實(shí)踐環(huán)境。增強(qiáng)學(xué)生的感性認(rèn)識；同時，盡管我采用了多媒體教研。我計劃在教案中增加更多的現(xiàn)場視頻材料以及圖形和圖像資料，使學(xué)生更容易理解和記憶，增強(qiáng)抽象理論的可接受性。
參考文獻(xiàn)：
[1]David A.Forsyth and Jean Ponce ， Computer Vision-A modern Approach
[2]賈云得.機(jī)器視覺.電子工業(yè)出版社，1999
[3]Thomas F.Quatieri離散時間語音信號-原理與應(yīng)用，電子工業(yè)出版社，2004
[4]Shapiro.L.G and stockmen，G.C，計算機(jī)視覺.北京-機(jī)檻工業(yè)部，2001
[5]Haralick，R.，1992/1993 Computer and Robot vision ，volume I and II
[6]張雄偉，陳亮等.現(xiàn)代語音處理技術(shù)及應(yīng)用.機(jī)械工業(yè)出版社，2003
[7]Thomas F.Quatieri離散時間語音信號-原理與應(yīng)用，電子工業(yè)出版社，2004
[8]鄭燕林等“混合型-探究式”研究生指導(dǎo)模式的構(gòu)建與實(shí)踐，學(xué)位與研究生教育，2010
第7篇：計算機(jī)視覺的研究方向范文
關(guān)鍵詞：嵌入式；GUI；QT；OpenCV
中圖分類號：TP368.1
1 目前主流的嵌入式GUI
GUI技術(shù)是嵌入式的關(guān)鍵技術(shù)之一，其直接關(guān)系到產(chǎn)品的界面友好性程度，最終影響到產(chǎn)品的競爭力。
目前主流的嵌入式GUI主要有以下幾種：
Microwindows的體系結(jié)構(gòu)由上至下，分別為API層、圖形引擎層、驅(qū)動層、硬件層，用戶可以根據(jù)具體的應(yīng)用需求來實(shí)現(xiàn)每一個層。
MiniGUI的實(shí)現(xiàn)主要依賴于標(biāo)準(zhǔn)C的庫函數(shù)，它可以任意在支持標(biāo)準(zhǔn)C的環(huán)境上運(yùn)行，MiniGUI很小巧但也很高效。MiniGUI主要應(yīng)用在一些中低端設(shè)備中。
2 QT的搭建
由于QT具有跨平臺的特性，所以一般開發(fā)可以在windows下開發(fā)，再移植到Linux中，本文重點(diǎn)介紹QT在Windows下的使用。
QT的開發(fā)環(huán)境包括以下幾部分：QT的GUI庫，QT creator，windows版本還包含編譯器，可以是Microsoft visual stdio c++，還可以是MinGW，本文中使用的是MinGW。
搭建QT開發(fā)環(huán)境包括以下幾部分：（1）下載安裝MinGW編譯器，該編譯器支持Gcc和G++。（2）下載安裝qt-creator-win-opensource。（3）為QT、MinGW、qmake添加環(huán)境變量。
3 OpenCV的安裝配置
3.1 OpenCV簡介。QT中本身也支持視頻處理，但功能十分有限，如果需要更強(qiáng)大的視頻處理功能，需要引入OpenCV（open source computer vision library），即開源計算機(jī)視覺庫。
3.2 OpenCV的優(yōu)點(diǎn)：（1）開源。OpenCV完全遵循BSD協(xié)議（五大開源許可協(xié)議之一），具有極高的開放性。（2）跨平臺。OpenCV支持Windows、Linux，Mac，可以輕松實(shí)現(xiàn)平臺之間的移植。（3）效率高，速度快。由于OpenCV采用C++實(shí)現(xiàn)，并且算法經(jīng)過優(yōu)化，效率有較大程度的提高，執(zhí)行的速度也比較快。（4）涵蓋面廣、功能強(qiáng)大。OpenCV主要有13個模塊構(gòu)成，涵蓋了計算機(jī)視覺的各個方面，在相關(guān)方面基本都應(yīng)用。
3.3 OpenCV的安裝配置：（1）前提是QT已經(jīng)安裝配置成功。（2）下載OpenCV。下載OpenCV后，解壓即可，實(shí)際上并不需要安裝，注意解壓路徑不能有空格，否則會出錯。（3）下載安裝CMake。OpenCV只是一個庫，并不能直接拿來使用，需要借助CMake將其編譯后才可以使用。（4）配置CMake參數(shù)，進(jìn)行編譯。使用CMake，主要是設(shè)定OpenCV的輸入路徑、輸出路徑、MinGW的位置等相關(guān)信息。運(yùn)行CMake之后，需要在命令提示符下進(jìn)入輸出路徑，然后執(zhí)行mingw32-make命令，由MinGW對OpenCV進(jìn)行編譯，其間會耗費(fèi)一定的時間。此步驟成功后，再執(zhí)行mingw32-make install命令，會把編譯好的所有文放到這個文件夾下，這個就是將來開發(fā)要用到的OpenCV全部文件。（5）將上一步驟得到的install目錄bin文件夾，添加到系統(tǒng)的環(huán)境變量中，重新啟動電腦。（6）在QT工程中，打開.pro工程屬性文件，將OpenCV添加到INCLUDEPATH和LIBS中后，就可以在QT開發(fā)中使用OpenCV計算機(jī)視覺庫了。
4 在QT中通過OpenCV實(shí)現(xiàn)視頻處理
4.1 實(shí)現(xiàn)的基本原理。在視頻處理中主要用到OpenCV的highgui模塊，該模塊，前面已說過，主要完成視頻捕捉、編碼，圖片處理等相關(guān)功能。
highgui模塊中已經(jīng)封裝了視頻、圖像、窗口的所有操作。
首先，利用OpenCV建立窗口，然后打開攝像頭，獲取攝像頭中的幀，然后申請IplImage類型的指針，將幀放入指針指向的內(nèi)存空間，此時的只是靜止的圖像而已，為了符合我們?nèi)搜鄣挠^看習(xí)慣，再通過循環(huán)，達(dá)到每秒鐘顯示30次左右的效果，與放電影的原理基本一樣，最終顯示到窗口，看到就是動態(tài)的視頻效果，使用完之后釋放內(nèi)存，釋放窗口即可。
5 總結(jié)
嵌入式技術(shù)在當(dāng)前的大環(huán)境下得到了快速發(fā)展，隨著硬件設(shè)備性能的不斷提高，高性能的嵌入式程序會越來越廣泛地被使用，而QT恰好與這個大環(huán)境相吻合，同時OpenCV的出現(xiàn)對QT也是一個促進(jìn)，QT+OpenCV模式在未來嵌入式視頻處理中會廣泛地被使用。
參考文獻(xiàn)：
[1]彭均鍵，史步海，劉洋.基于Qt的嵌入式GUI開發(fā)平臺的搭建[J].微型電腦應(yīng)用，2010，2.
[2]郭暉，陳光.基于OpenCV的視頻圖像處理應(yīng)用研究[J].微型機(jī)與應(yīng)用，2010，21.
[3]秦小文，溫志芳，喬維維.基于OpenCV的圖像處理[J].電子測試，2011-7.
[4]許生模，余敏.嵌入式QT的內(nèi)核分析與優(yōu)化[J].微計算機(jī)信息，2007-10.
[5]陳峰，郭爽，趙欣.基于QT和嵌入式的視頻監(jiān)控系統(tǒng)[J].通信技術(shù)，2011，10.
第8篇：計算機(jī)視覺的研究方向范文
關(guān)鍵詞：OpenCV；圖像處理；C++
中圖分類號：TP391.41
1 圖像的加載
圖像的加載過程為：調(diào)用攝像頭；逐幀加載圖像；圖像的顯示。
調(diào)用攝像頭的過程，我們用下面這段程序來實(shí)現(xiàn)：
攝像頭啟動后，自動采集圖像，不同類型的圖像內(nèi)部結(jié)構(gòu)不同，需要根據(jù)圖像的結(jié)構(gòu)采用不同的方法將圖像文件中的數(shù)據(jù)讀入內(nèi)存。在窗口中顯示出加載的圖像，主要由函數(shù)cvNamedWindow（）來實(shí)現(xiàn)，這個函數(shù)也是一個高層調(diào)用接口，由HighGUI庫提供，它用于在屏幕上創(chuàng)建一個窗口，將被顯示的圖像包含于該窗口中。我們用下面這段程序來實(shí)現(xiàn)加載和顯示圖像的過程：
2 圖像的預(yù)處理
2.1 光線補(bǔ)償。在攝像頭的捕捉過程中，可能會存在光線不平衡，這影響了對特征的提取。
考慮到背景模型對光線變化比較敏感。在有室外光照、光潔地板和金屬設(shè)備的室內(nèi)場景中，需要對攝像頭捕捉的圖像序列進(jìn)行光線補(bǔ)償。
2.2 平滑處理。圖像在采集、傳輸、處理和保存的過程中，必然會受到隨機(jī)擾動和各種限制的影響，由此將產(chǎn)生各種噪聲和失真，因此需要對圖像進(jìn)行平滑處理。
OpenCV中提供了圖像濾波函數(shù)：
2.3 灰度化。彩色圖像由于其信息容量比灰度圖像大，因此處理難度大、速度慢，而且在識別一般圖像的過程中，灰度圖像所含的信息量已經(jīng)足夠，因此先將彩色圖像轉(zhuǎn)換為灰度圖像?；叶葓D像與黑白單色圖像的區(qū)別是灰度圖像加上了顏色深度的概念，單純的看，灰度圖也是黑白的，就像黑白電視顯示的圖像一樣，但是點(diǎn)與點(diǎn)之間黑的程度是不一樣的，這就是深度即灰度，一般灰度圖像分為256 級。設(shè)彩色圖像某像素點(diǎn)顏色值為，根據(jù)
光學(xué)原理分解為紅色（r），綠色（g），藍(lán)色（b）三個分量，則灰度值為：
將彩色圖像中的所有的點(diǎn)經(jīng)過上式轉(zhuǎn)變后，該圖像轉(zhuǎn)變成灰度圖像，各像素點(diǎn)的灰度值在（0-255）范圍內(nèi)，其中0為黑色，255 為白色。
這個轉(zhuǎn)換過程可以用OpenCV中的函數(shù)來實(shí)現(xiàn)，這個函數(shù)的原型為：
2.4 二值化（閾值化）。圖像閾值化分割是一種最常用，同時也是最簡單的圖像分割方法，它特別適用于目標(biāo)和背景占據(jù)不同灰度級范圍的圖像。它不僅可以極大地壓縮數(shù)據(jù)量， 而且也大大簡化了分析和處理步驟。因此，在很多情況下，它是進(jìn)行圖像分析、特征提取與模式識別之前的必要的圖像預(yù)處理過程。圖像閾值化的目的是按照灰度級，對像素集合進(jìn)行一個劃分，得到的每個子集形成一個與現(xiàn)實(shí)景物相對應(yīng)的區(qū)域，各個區(qū)域內(nèi)部具有一致的屬性，而相鄰區(qū)域布局有這種一致屬性。這樣的劃分可以通過從灰度級出發(fā)選取一個或多個閾值來實(shí)現(xiàn)。
最常見的閾值分割方法是固定閾值分割，OpenCV提供了這方面的函數(shù)，如下所示：
3 結(jié)束語
本文介紹了基于OpenCV的圖像處理并給出了實(shí)例，利用OpenCV中的函數(shù)使圖像處理問題變得很簡單，具有很強(qiáng)的實(shí)用價值。而且OpenCV免費(fèi)，源代碼公開，其必將成為圖像視頻處理領(lǐng)域的強(qiáng)有力的工具。
參考文獻(xiàn)：
[1]于仕琪，劉瑞禎.學(xué)習(xí)OpenCV（中文版）[M].北京：清華大學(xué)出版社，2009.
[2]朱虹.數(shù)字圖像處理基礎(chǔ)[M].北京：北京科學(xué)出版社，2005.
[3]劉潔，馮貴玉，張汗靈.一種圖形處理和計算機(jī)視覺的開發(fā)工具[J].計算機(jī)仿真，2006（11）：305-307.
[4]阮秋琦.數(shù)字圖像處理學(xué)[M].北京：電子工業(yè)出版社，2007.
第9篇：計算機(jī)視覺的研究方向范文
關(guān)鍵詞：三維點(diǎn)云；配準(zhǔn)；迭代最近點(diǎn)
中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2012）31-7568-03
在計算機(jī)應(yīng)用領(lǐng)域，三維點(diǎn)云數(shù)據(jù)的配準(zhǔn)對解決曲線曲面匹配、圖像拼接、三維重建、計算機(jī)輔助文物復(fù)原等問題至關(guān)重要。以計算機(jī)輔助文物碎片拼接為例，在過去十年間有很多研究項(xiàng)目需要獲取文物詳細(xì)的三維表示，但是通過三維掃描設(shè)備獲取的多個掃描需要采取一定的技術(shù)恢復(fù)每個掃描的相對視點(diǎn)，然后將多個掃描融合到一個最終的模型。這一過程就是三維點(diǎn)云數(shù)據(jù)的配準(zhǔn)，它是獲取文物準(zhǔn)確的三維表示的關(guān)鍵步驟。1992年，Besl和Mckay提出了一種基于幾何模型的三維物體配準(zhǔn)算法——迭代最近點(diǎn)算法[1]。近年來，伴隨著三維掃描技術(shù)的不斷進(jìn)步，該算法得到了廣泛應(yīng)用，也吸引了眾多研究者的目光。許多研究者對該算法進(jìn)行了系統(tǒng)的研究，分析了該算法的特點(diǎn)與不足，提出了各種改進(jìn)算法。國外學(xué)者M(jìn)ichael Wild[2]回顧了2002年到2007年ICP算法的發(fā)展；介紹了ICP算法的流程并對幾種改進(jìn)算法做了詳細(xì)的分析和比較；最后介紹了該算法在放射療法中的應(yīng)用。近幾年，ICP算法的研究改進(jìn)以及應(yīng)用仍然是國內(nèi)外眾多學(xué)者熱衷的一個研究方向，這從發(fā)表在IEEE上的論文數(shù)量即可看出。本文詳細(xì)總結(jié)了ICP算法的基本原理，然后從數(shù)據(jù)采樣、特征點(diǎn)選取與點(diǎn)對權(quán)重、非重疊區(qū)域檢測、兼容性約束四個方面對幾種改進(jìn)算法進(jìn)行了系統(tǒng)而詳細(xì)的分析與研究。總結(jié)了這些算法的基本思想和特點(diǎn)，這些工作對后期的研究將會起到重要的作用。
1 ICP算法的基本原理
