計算機視覺的作用精選(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的作用主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：計算機視覺的作用范文
關(guān)鍵詞：計算機輔助語言教學；網(wǎng)絡；教師合作
計算機輔助語言教學是以校園網(wǎng)和互聯(lián)網(wǎng)所提供的多媒體環(huán)境為背景和素材，將計算機和網(wǎng)絡等現(xiàn)代信息技術(shù)整合到英語教學中，利用網(wǎng)絡優(yōu)勢把英語教學移植到校同網(wǎng)和互聯(lián)網(wǎng)上進行的新型教學模式。利用網(wǎng)絡輔助英語教學確實有著傳統(tǒng)教學所不可比擬的優(yōu)越性，然而我們也不能忽視在這種教學模式中所存在的問題。
一、計算機輔助語言教學的優(yōu)越性
利用計算機輔助語言教學，教學內(nèi)容豐富多彩，教學手法多種多樣，使得學生能在輕松愉快的環(huán)境下自主地學習，極大提高了學生的學習興趣。教師可以充分利用計算機和網(wǎng)絡的強大的多媒體播放功能，不僅把原汁原味的帶入了課堂，讓學生們始終沉浸在英語環(huán)境中，而且能為學生們提供了豐富的圖、文并茂的學習資料，使學生們在較短的時間內(nèi)接受大量的信息，增加教學容量，拓寬學生的知識面。運用多媒體網(wǎng)絡組織教學，可以使學生在學習目標的指引下，進行自主學習。在這個過程中，學生是教學的中心，教師在整個教學過程中起組織者、指導者、幫助者和促進者的作用，利用情境、協(xié)作、會話等學習環(huán)境要素去充分發(fā)揮學生的主動性、積極性和首創(chuàng)精神，最終達到使學生有效地實現(xiàn)對當前所學知識的意義建構(gòu)的目的。
二、計算機輔助語言教學中存在的問題
1．因教師操作技能欠缺或設備故障而影響教學。計算機輔助語言教學對教師的計算機水平提出了更高的要求，而大多數(shù)英語教師的計算機水平只是停留在簡單的課件制作和基本的上網(wǎng)查找資料等方面，然而一旦計算機出了問題，很多教師無法解決，無形中浪費了很多時間。特別是在上課的時候，電腦突然出了問題而導致課程無法進行的事情頻頻出現(xiàn)，更是讓學生對課程失去興趣。原本是希望用現(xiàn)代科技來輔助課堂，可反而卻因為對技術(shù)掌握不成熟而導致課堂的失敗，讓很多老師，特別是年齡偏大的老師感覺無所適從。
2．計算機的作用沒有得到充分的發(fā)揮。王瑩等于1999年在蘇皖兩省、馬俊波2001年在湖北進行的調(diào)查發(fā)現(xiàn)，計算機輔助語言教學并沒有得到深入人心的發(fā)展，多媒體多數(shù)時候只起到了顯示屏的作用，網(wǎng)絡和網(wǎng)絡教室也沒有物盡其用，傳統(tǒng)教學模式依然占主導地位。有很多教師上課已經(jīng)變成了課件播放和朗讀，而且內(nèi)容枯燥死板，就只是簡單的知識點的羅列，說簡單點就是把黑板變成大屏幕，只用在電腦上輸入一次，以后都不需要在黑板上寫字。這雖然節(jié)約了不少課堂時間，但長期下來，學生無法接受這么大的信息量，慢慢就會失去了學習的興趣。
3．對網(wǎng)絡自主學習缺乏必要的引導。計算機輔助語言教學中的“輔助”說明，“教育原則永遠主宰著技術(shù)的使用，網(wǎng)絡多媒體技術(shù)無法動搖教師的主導作用”。在英語網(wǎng)絡課堂中，學生的自主學習是很重要的一部分。教師把網(wǎng)絡上的信息與課本知識結(jié)合起來，搭建一個學生自主學習的平臺，讓學生花課外的時間去學習，教師則是作為一個監(jiān)督者，在這個過程中，教師仍然起著主導性的作用。可是往往一個教師所負責的是好幾百學生，要在網(wǎng)上搜集資料，布置作業(yè)，檢查學生學習情況，分析學習成果往往需要花費大量的時間。學生對于自主學習還不是很熟悉，面對大量的信息往往感覺有些迷茫，不知該如何下手，種種問題讓老師無法一個個的去解答。長此以往，會讓教師感覺到身心疲憊，學生也感覺收獲不大，面對這樣一個冷冰冰的機器，沒有任何人情味可言。而且由于網(wǎng)絡教學的普及性，教師除了要進行編寫電子教案，制作課件外，資料搜集外，自主學習輔導及成果分析也成了教師份內(nèi)之事，而且有很多教師每節(jié)課做的是相同的工作，這無形之中也給教師增加了更大的負擔。
三、利用教師合作來解決計算機輔助語言教學中的問題
1．在計算機技術(shù)上互相幫助，取長補短。每個教師的計算機水平不一，而且感興趣和擅長的方面不同，有的老師比較擅長做課件，有些老師比較會處理表格做數(shù)據(jù)整理分析，有些對圖片、聲音和影片的處理剪輯游刃有余。同時查找資料的時候?qū)τ嬎銠C水平也有一定的要求，有些軟件如果用得好就可以對資料搜集起到很大的作用。如果教師能夠互相合作，在課件的質(zhì)量和資料搜集的實用性和廣泛性等方面都能夠起到很大的作用。
2．集體備課，資源共享。統(tǒng)籌安排一下，讓同一課型的老師各自分配一些單元或主題去備課，這樣因為相對來說任務較少，老師就可以花更多的精力去把這部分課備好。然后老師們把這些備好的課整合在一起，大家可以共同研究一下哪些課備得好，或者是哪些方面比較突出，哪些地方有待進一步的改進，自己再上課的時候就可以參照別人寫的教案，再根據(jù)自己的實際安排加以改動。當然也可以一起研究如何能更好的提高學生的興趣。有些老師用了比較好的方法，也可以跟大家分享一下。這樣發(fā)揮集體的力量，網(wǎng)絡教學的質(zhì)量肯定會有很大的提高。
3．發(fā)揮各自的學科和計算機優(yōu)勢，鉆研出自己專長的領(lǐng)域。讓不同的老師去負責不同的版塊，特別是考慮到個人興趣，讓教師去搜集自己比較感興趣的方面的資料，這樣也不會感覺那么枯燥。而且從網(wǎng)上下載的資料很多都是需要重新整理編排，或者說是需要重新核對的，一個老師下載后再順便整理，給其他老師共享就會節(jié)約很多時間。這樣每個老師就有了自己專長的信息版塊，同時也可以在建立的資料庫中享用別人的資料，這不僅提高了教師的專業(yè)素質(zhì)和非專業(yè)素質(zhì)，也大大提高了網(wǎng)絡教學的質(zhì)量。
第2篇：計算機視覺的作用范文
（廣東農(nóng)工商職業(yè)技術(shù)學院，廣州 510663）
（Guangdong AIB Polytechnic College，Guangzhou 510663，China）
摘要： 本文就計算機視覺的理論框架進行闡述，對計算機視覺理論框架存在的問題進行分析，提出計算機視覺理論框架的新發(fā)展，以確保通過計算機視覺獲得的景物信息更加完整。
Abstract： This paper expounds the theory framework of computer vision, analyzes the problems of theory framework of computer vision, and puts forward new development of the theory framework of computer vision to ensure that the scene information obtained through computer vision is more complete.
關(guān)鍵詞 ： 計算機視覺；理論框架；問題；新發(fā)展
Key words： computer vision；theory framework；problems；new development
中圖分類號：TP391.4 文獻標識碼：A
文章編號：1006-4311（2015）02-0209-02
0 引言
在計算機系統(tǒng)中，計算機視覺是通過模擬人類視覺，從而對不同事物進行相關(guān)描述，以獲得更全面的信息。隨著計算機視覺在文字識別、漫步機器人和導航中的成功應用，計算機視覺的理論框架研究顯得越來越重要，對于促進我國計算機應用技術(shù)水平不斷提升具有重要意義。
1 計算機視覺的理論框架
隨著計算機視覺的不斷研究和總結(jié)，從二維景物圖像發(fā)展到三維景物圖像，計算機視覺的理論框架主要有如下三個：
1.1 計算視覺理論框架 在七十年代中期，有關(guān)研究人員提出了第一個計算機視覺理論框架，即計算視覺理論，將視覺過程看作是信息處理過程，并將信息處理過程分為三個不同的層次，它們分別是計算理論層次、數(shù)據(jù)結(jié)構(gòu)層次和硬件實現(xiàn)層次，從而對計算機視覺進行全面分析。根據(jù)相關(guān)數(shù)據(jù)和資料顯示，視覺是對圖像的位置、形狀和特征等進行描述，因此，計算理論層成為了研究的重點，進而將視覺過程看作是從二維圖像信息中對圖像進行重塑，從而將三維物體的形狀、位置和空間等反映出來，最終形成三維圖像。由此可見，早期的視覺處理是從輸入的二維圖像中獲得二維要素圖，即圖像中強度變化較強時的位置和幾何分布情況、結(jié)構(gòu)等；中期的視覺處理是從二維要素圖中獲得二點五維圖，即以觀察者為中心，對表面的法向、深度和不連續(xù)的輪廓等進行觀測。雖然二點五維包含的深度信息比二維要多，但還不是真正意義上的三維表示，而僅僅是有多個相對獨立的視覺模塊組成的，在相關(guān)研究中被稱作是“shape from X”模型，將運動視覺、立體視覺等融入到其中；后期視覺處理是指從二點五維圖中獲取物體的三維描述，從而將場景中的物體識別處理，確定物體的確切位置和姿態(tài)。
1.2 基于知識的視覺理論框架 在計算機視覺理論中，基于知識的視覺理論框架，是圍繞感知特征群集來進行相關(guān)研究的，從而通過人類感知的經(jīng)驗來描述目標，最終確定物體在場景中的真正位置、形態(tài)等。相關(guān)研究人員認為，基于知識的視覺理論可以通過知識的引導來直接完成三維重建，以將相對應觀察方向保持不變動二維特征稱作是非偶然性聚類，而人體中視覺識別發(fā)揮重要作用的一種感知組織，通過對非偶然性聚類的檢測，可以有效辨別出目標。因此，首先是利用感知組織來提取圖像中相對于觀察方向大范圍變化，并且保持不變的分組和結(jié)構(gòu)等；然后，利用概率排隊的方法來進行模型匹配，從而縮小檢測空間；最后，通過對觀察點的未知求解和尋找模型參數(shù)對應關(guān)系，使三維模型的投影和圖像得到最合適的匹配，最終完成三維重建。
1.3 主動視覺理論框架 第三種計算機視覺理論框架是中東視覺理論礦坑，是根據(jù)人類視覺的主動性特征提出的。由于人類視覺會根據(jù)自己的意識選擇視野范圍內(nèi)所看見的事物的主次，從而移動身體、轉(zhuǎn)向或者改變視角，因此，人們的視覺過程是與所在環(huán)境交互感知和動作的過程。在計算機視覺理論框架的主動視覺框架中，視覺行為不需要三維物體的相關(guān)精確信息，就可以完成物體重建。主動視覺系統(tǒng)根據(jù)所需的物體對象特征、分析結(jié)果和當前要求等，通過控制攝像機的相關(guān)操作，如取向、位置、焦距等，就可以完成相關(guān)處理任務和信息交換。與此同時，主動視覺還可以用改變攝像機的參數(shù)和處理攝像后的數(shù)據(jù)等，使圖像的時間、空間和分辨率等發(fā)生變化，從而增強圖像的感知效果。
2 計算機視覺理論框架存在的問題
現(xiàn)展中，計算機視覺理論框架的提出，是計算機視覺領(lǐng)域研究的重要突破，而在這個發(fā)展過程中，存在著如下一些問題，影響計算機視覺理論框架的更完善構(gòu)建。由于視覺過程是成像過程的逆過程，存在著混合、投影、噪音和畸變等干擾因素，使圖像三維重建存在不穩(wěn)定性和不確定性，因此，從一幅景象到多幅景象的重建存在很多困難，使三維圖像的準確性和通用性大大降低。并且，計算視覺理論認為輸入是被動的，整個視覺過程自下而上不存在反饋，處理目的沒有發(fā)生任何改變，因此，對物體的確切位置和形狀有一定要求。另外，有關(guān)學者提出計算機視覺理論框架沒有充分運用知識，對知識表達沒有給以高度重視，從而忽略知識推理和知識庫的構(gòu)建，沒有對空間約束和場景假設進行充分考慮，從而使場景假設受到局限。并且，沒有進行多次的分析和試驗，致使計算機視覺理論框架構(gòu)建存在很多問題。
基于知識的理論框架忽略了計算視覺理論的重要性，認為人類視覺和重建無關(guān)，然而，在進行物體尺寸判斷、物體距離估算等情況時，光靠識別是不夠的，必須要依靠三維重建，才能將物體的確切位置、形狀等準確地描述出來。
主動視覺理論沒有排除三維重建，通過改變攝像機的參數(shù)和角度等，來改變物體空間、時間和分辨率的感知效果，從而對圖像出來過程進行相關(guān)約束，使很多不穩(wěn)定和不合適的問題得到有效解決，最終完成三維重建。運用主動視覺理論框架，可以大大降低問題的難度，但主動視覺理論框架仍存在缺乏高層知識指導的問題，導致主動視覺框架還不夠完整，使計算機視覺理論框架構(gòu)建受到一定影響。
3 計算機視覺理論框架構(gòu)建的新發(fā)展
在計算機視覺理論框架的構(gòu)建過程中，計算視覺理論比較系統(tǒng)地解釋了從二維圖中獲取三維物體形態(tài)的方法和可能性，而基于知識的實際理論和主動視覺理論則對計算視覺理論進行了補充和進一步提升。因此，計算機視覺理論框架的新發(fā)展，可以以計算視覺理論為主，將基于知識的視覺理論和主動視覺理論結(jié)合到一起，從而使計算機視覺系統(tǒng)框架變得更加完善。
在實際應用過程中，將早期視覺處理分為圖像分割、圖像預處理和二維模式識別等，以對二維圖像進行濾波降噪和圖像增強等，因此，不需要知識引導和控制視覺目的。在圖像分割、二維圖像模式識別、中期處理、后期處理和三維模式識別的過程中，沒有知識引導和模型匹配，最終得出的圖像效果會更好、更完整。在早期視覺處理和后期視覺處理中，二維模式和三維模式的識別，需要根據(jù)物體的實際情況來確定，由于特征、模型等各不一樣，所以，二維物體和三維物體的描述方式也各不相同。由于二維信息的質(zhì)量會影響三維信息的效果，因此，在計算機視覺中，二維信息應當給以高度重視。而模型庫和視覺目的的應用，為計算機視覺理論框架構(gòu)建提供了更多的信息。由此可見，在計算機視覺系統(tǒng)中，通過視覺目的來進行物體形象、位置等的輸出判斷，同時，運用視覺目的可以對圖像分割和二維模式識別、中期視覺處理、后期視覺處理和三維模式識別等進行有效控制，最終使三維重建的圖像信息更加完整。
4 結(jié)束語
隨著高科技信息技術(shù)的不斷推廣，計算機視覺理論框架的研究已經(jīng)成為目前重點關(guān)注對象之一，雖然取得了一定的成績，但計算機視覺理論框架構(gòu)建還不夠完善。因此，計算機視覺理論框架未來的發(fā)展，需要對計算實際理論、基于知識的視覺理論和主動視覺理論進行更深層次的研究，將理論和實踐應用緊密結(jié)合在一起，從而使計算機視覺理論框架研究的成果可以更加輝煌。
參考文獻：
[1]尹宏鵬.基于計算機視覺的運動目標跟蹤算法研究[D].重慶大學,2009.
第3篇：計算機視覺的作用范文
一、計算機視覺檢測技術(shù)含義
計算機的視覺又叫做機器視覺，通過利用計算機或者是其他的一些機械設備來幫助人們視線事物到圖片的過程，從而進行三維世界的感知活動。計算機的快速發(fā)展，離不開神經(jīng)心理學，心理學和認知科學方面的研究和發(fā)展，計算機視覺檢測技術(shù)的發(fā)展方向就是對周圍的三維空間進行感知和分析。一旦能夠擁有這種能力，計算機不僅能感知到周圍的總體環(huán)境，而且，還能夠具有對物體進行描述，識別理解和儲存的能力。
二、計算機視覺檢測的基本原理
要實現(xiàn)人工智能對視覺的計算機處理是很重要的方面在計算機視覺應用領(lǐng)域中如果要讓我們的計算機明白圖像的信息就必須經(jīng)過一系列的處理過程―――數(shù)字圖像處理.數(shù)字圖像的處理包括5個步驟：圖像預處理（去除噪聲）、分割處理分割后區(qū)域、測量、圖像判讀、圖像技術(shù).根據(jù)抽象程度和處理方法的不同圖像技術(shù)可分為三個層次：圖像處理、圖像分析和圖像理解.這三個層次的有機結(jié)合也稱為圖像工程.而計算機視覺（Computer vision）則是用計算機實現(xiàn)人的視覺功能對客觀世界三維場景的感知、識別和理解.視覺檢測按其所處理的數(shù)據(jù)類型又大致可分為二值圖像、灰度圖像、彩色圖像和深度圖像的視覺檢測.另外還有X射線檢測、超聲波檢測和紅外線檢測。
作為新興檢測技術(shù)計算機視覺檢測充分利用了計算機視覺研究成果采用像傳感器來實現(xiàn)對被測物體的尺寸及空間位置的三維測量能較好地滿足現(xiàn)代制造業(yè)的發(fā)展需求.與一般意義上的圖像處理相比計算機視覺檢測更強調(diào)精度、速度和無損性以及工業(yè)現(xiàn)場環(huán)境下的可靠性.例如基于三角法的主動視覺測量理具有抗干擾能力強、效率高、精度合適等優(yōu)點非常適合制造業(yè)生產(chǎn)現(xiàn)場的在線、非接觸產(chǎn)品檢測及生產(chǎn)監(jiān)控.對人類視覺感知能力的計算機模擬促進了計算機視覺技術(shù)的產(chǎn)生和發(fā)展制造業(yè)上獲取這些信息的目的有：（1）計算出觀察點到目標物體的距離；（2）得出觀察點到目標物體的運動參數(shù)；（3）甚至可以判斷出目標物體的內(nèi)部特性；（4）推斷出目標物體的表面特征有時要求形成立體視覺。
三、亞像素檢測技術(shù)
隨著工業(yè)檢測等應用對精度要求的不斷提高，像素級精度已經(jīng)不能滿足實際檢測的要求，因此需要更高精度的邊緣提取算法，即亞像素算法。亞像素級精度的算法是在經(jīng)典算法的基礎上發(fā)展起來的，這些算法一般需要先用經(jīng)典算法找出邊緣像素的位置，然后使用周圍像素的灰度值作為判斷的補充信息，利用插值、擬合等方法，使邊緣定位于更加精確的位置。現(xiàn)在的亞像素提取算法很多，如重心法、概率論法、解調(diào)測量法、多項式插值法、濾波重建法、矩法等。由于這些算法的精度、抗噪聲能力和運算量各不相同，他們的應用場合也是各不相同的。
邊緣是圖像的基本特征，所謂邊緣是指圖像中灰度存在階躍或尖頂狀變化的像素的集合，邊緣廣泛存在于物體與物體、物體與背景之間。圖像測量是通過處理被測物體圖像中的邊緣而獲得物體的幾何參數(shù)的過程，邊緣的定位精度直接影響最終的測量結(jié)果。因此，圖像邊緣提取方法是檢測的基礎和關(guān)鍵之一。在視覺測量領(lǐng)域中，早期使用的都是像素級邊緣檢測方法，例如常用的梯度算子、Lapacian算子和門式算子等。以上的邊緣檢測方法的精度可以達到像素級精度，即可以判斷出邊緣位于某個像素內(nèi)，但不能確定邊緣在該像素內(nèi)的更精確的位置。如果一個像素對應的實際長度較大，就會產(chǎn)生較大的誤差，傳統(tǒng)的整像素邊緣檢測方法就不再適用。
四、計算機視覺檢測技術(shù)在機加工零件檢測中的應用要素與過程
（一）曲陣CCD相機
面陣CCD是本項目圖像采集系統(tǒng)中的主要設備之一，其主要功能是采集實驗圖像。該CCD相機主要由CCD感光芯片、驅(qū)動電路、信號處理路、電子接口電路和光學機械接口等構(gòu)成。
（二）工業(yè)定焦鏡頭
在圖像測量系統(tǒng)中，鏡頭的主要作用是將目標聚焦在圖像傳感器的光敏面上。鏡頭的質(zhì)量直接影響到圖像測量系統(tǒng)的整體性能，合理選擇并安裝光學鏡頭是圖像測量系統(tǒng)設計的重要環(huán)節(jié)。
（三）數(shù)字圖像采集卡
隨著數(shù)字信號處理技術(shù)和嵌入式處理器技術(shù)在圖像采集卡中的應用，使得圖像采集卡向高速度、多功能和模塊化方向不斷發(fā)展。這類圖像采集卡不僅具有高速圖像采集功能，同時還具備部分圖像處理功能，因此又可以稱之為圖像處理卡。
（四）標定板
為提高測量精度，需要進行攝像機標定。標定過程中，采用NANO公司的CBC75mm}.0型高精度標定板，外形尺寸為75mmx75mmx3.0mm，圖形為棋盤格，其尺寸為2.0mmx2.0mm，精度為1級，即圖形尺寸精度與圖形位置精度為。
（五）背光源
背光方式只顯示不透明物體的輪廓，所以這種方式用于被測物需要的信息可以從其輪廓得到的場合。因此，為精確提取軸的圖像中的邊緣特征，需采用背光源。為使圖像邊緣更銳利，光源顏色選擇紅色。
五、結(jié)語
隨著計算機技術(shù)和光電技術(shù)的發(fā)展，已經(jīng)出現(xiàn)了一種新的檢測技術(shù)―基于計算機視覺的檢測技術(shù)，利用CCD攝像機作為圖像傳感器，綜合運用圖像處理等技術(shù)進行非接觸測量的方法，被廣泛地應用于零件尺寸的精密測量中。本文以面陣CCD為傳感器，研究了零件在線測量的方法，實現(xiàn)了零件尺寸的圖像邊緣亞像素定位測量，對面陣CCD在高精度測量方面的應用作了進一步的探索和研究，為面陣CCD在復雜零件尺寸高精度測量的實現(xiàn)打下了基礎。
【參考文獻】
第4篇：計算機視覺的作用范文
【關(guān)鍵詞】動態(tài)圖像序列;自動扶梯;客流量;測量
視頻處理技術(shù)的產(chǎn)生和發(fā)展使得其應用范圍越來越廣泛，在這之中，動態(tài)圖像序列處理技術(shù)因其在監(jiān)控和管理方面的智能化特點，有著非常廣泛的應用前景，其在自動扶梯客流量測量分析方面的應用為保證大型場所中自動扶梯的安全性提供了保障，對其進行研究是有著非常重要的意義的。
一、自動扶梯與其客流量
自動扶梯的定義是，由一臺特種結(jié)構(gòu)形式的鏈式輸送機和兩臺特殊結(jié)構(gòu)型式的膠帶輸送機所組合而成的，用以在建筑物的不同層高間運載人員上下的一種連續(xù)運輸機械。其主要部件包括梯級、梯級驅(qū)動裝置、驅(qū)動主機、傳動部件、緊張裝置、扶手裝置、金屬結(jié)構(gòu)、梯級導軌、上下蓋板、梳齒板、安全裝置和電氣控制系統(tǒng)等。自動扶梯具有連續(xù)性強，運輸量大的特點，在人流集中的場所有著廣泛的應用，比如在商場、飛機場、火車站、地鐵站以及一些大型的娛樂場所中都可以看見人們利用自動扶梯來達到移動的目的。
自動扶梯的工作流程為：自動扶梯的梯級鏈作為扶梯的核心部件，一系列的梯級與兩根牽引鏈條連接在一起，在按一定線路布置的導軌上運行即形成自動扶梯的梯路。牽引鏈條繞過上牽引鏈輪、下張緊裝置并通過上、下分支的若干直線、曲線區(qū)段構(gòu)成閉合環(huán)路。這一環(huán)路的上分支中的各梯級（也就是梯路）應嚴格保持水平，以供乘客站立。上牽引鏈輪（也就是主軸）通過減速器等于電動機相連以獲得動力。扶梯兩旁裝有與梯路同步運行的扶手裝置，以供乘客扶手之用。扶手裝置同樣由上述電動機驅(qū)動。為了保證自動扶梯乘客的絕對安全，在扶梯的主要部件處還裝設多種安全裝置，當扶梯有發(fā)生意外的傾向時，電氣系統(tǒng)能及時的制停扶梯。
自動扶梯作為一種憑借運輸帶進行人員運輸?shù)墓ぞ撸诖笮蛨鏊娜藛T運輸方面發(fā)揮著不可或缺的作用。當行人在自動扶梯的任意一端踏上梯級，就能被自動帶到自動扶梯的另一端。扶梯可以一直保持相同的行走方向，但是絕大多數(shù)的自動扶梯可以根據(jù)時段和人流的需求，由管理人員對其行走方向進行控制。
自動扶梯在實際應用中，由于乘客自身情況存在差異性，因此并不能保證自動扶梯的每節(jié)臺階上都能滿足理論上的人數(shù)設計，另外，在自動扶梯連續(xù)運轉(zhuǎn)時，也不能保證乘客都能準確站在臺階上。因此，自動扶梯的實際運送能力與理論水平還是存在一定的差距。因此，為了保證自動扶梯的安全性，就要采取一定的措施對自動扶梯的客流量進行測量和分析。
二、計算機視覺系統(tǒng)
隨著計算機技術(shù)的發(fā)展，計算機視覺研究的技術(shù)也越發(fā)成熟，目標檢查和跟蹤技術(shù)作為其中一個十分重要的部分引起了人們的廣泛關(guān)注。
人類通過多種感覺器官形成對外界環(huán)境的感知，而在這些感知信息中，絕大多數(shù)的信息都是通過視覺，即通過人眼獲得的。視覺作為一種高清晰度的媒介，能夠在外界環(huán)境中實現(xiàn)信息的獲得，還能對獲得的信息進行處理、存儲和傳輸。而為了填補智能機器在這個領(lǐng)域中的空白，從而實現(xiàn)捕獲圖像并對圖像的屬性進行描述及理解的目的，計算機視覺這門學科便應運而生。
計算機視覺的原理就是利用成像系統(tǒng)來代替視覺器官作為輸入手段，利用計算機來代替人腦作為處理和解釋的系統(tǒng)，從而使計算機能夠?qū)崿F(xiàn)如人一樣的功能，通過視覺上觀察到的事物和狀況來理解、解釋當前的事項，并依據(jù)視覺系統(tǒng)觀察到的不同狀況，自動做出適合當前狀況的處理。但是要想達到這個目標，是要經(jīng)過長久努力的，因此，人們在實現(xiàn)最終目標之前，首先確立了一個中期目標，這個中期目標就是建立起一種視覺系統(tǒng)。此視覺系統(tǒng)能夠達到一定程度上的智能化，依據(jù)視覺敏感度和反饋完成一定的任務。自主車輛的直覺導航系統(tǒng)就是計算機視覺的一個重要的應用實例，然而，截止目前，還未能實現(xiàn)同人一致的對于任何環(huán)境都能進行識別和理解的能力，對于自主導航系統(tǒng)的實現(xiàn)還存在一定的差距。基于此，人們又將研究目標轉(zhuǎn)向了高速公路上的道路跟蹤能力，從而實現(xiàn)視覺輔助駕駛系統(tǒng)的開發(fā)，避免車輛在行駛的過程中與前方車輛發(fā)生碰撞。
需要特別指出的是，在這種計算機視覺系統(tǒng)中，計算機在其中的作用只是代替人腦的作用，但并不代表計算機就一定要按照人類視覺方法來處理視覺信息。計算機在處理視覺信息時，還是應該依據(jù)計算機系統(tǒng)本身的特點來進行，但是人類視覺系統(tǒng)作為目前為止人們所知的、功能最為強大和完善的視覺系統(tǒng)，還是應該作為計算機視覺研究的指導方向和啟發(fā)方向。而這種由計算機信息處理的方法來研究人類視覺并建立起人類視覺的研究，被稱為計算視覺，也是計算機研究中一個重要的研究領(lǐng)域。
隨著人們逐漸步入信息時代，計算機技術(shù)廣泛滲透于各個領(lǐng)域。究其原因，主要是因為很多沒有經(jīng)過專業(yè)計算機訓練的人也要使用計算機，同時，計算機隨著科學技術(shù)的不斷發(fā)展，其功能性也在不斷地增強。然而，這也相應為計算機的使用帶來了一定的弊端，比如，計算機的使用方法也變得越來越復雜，這就在一定程度上導致了人本身的靈活性與計算機使用時的死板要求形成了強烈的反差和矛盾。前者可以通過聽覺、視覺等各種感官知覺與外界進行信息交換，還可以通過大腦的處理，用不同的方式傳達相同的意義，而計算機卻只能依照之前編寫的程序語言來運行程序來實現(xiàn)運行的目的。因此，為了能方便更多的人應用復雜的計算機，就必須要通過一些有效的措施來改變從前計算機為主體，人去適應計算機的狀況，而應該以人為本，交換主體，讓計算機來適應其使用者的需求和習慣，以人的習慣為要求指向，讓計算機具有聽覺、視覺等能力。同時，計算機還需要具有一定的邏輯推理能力和決策能力。而這種計算機即智能計算機。智能計算機的出現(xiàn)，使計算機的使用更加方便和人性化，以智能計算機為基礎的系統(tǒng)也為各個領(lǐng)域的發(fā)展帶來了巨大的促進作用，替代了很多繁重的工作，提高了工作效率，并且保證了工作人員的作業(yè)安全。
同時，在計算機視覺研究領(lǐng)域，運動目標的檢測識別和跟蹤技術(shù)一直都是一個熱點問題，其對識別精度和實時性要求更高，其算法的好壞會給結(jié)果的穩(wěn)定性和精準度帶來直接的影響。而這些方法的實現(xiàn)都是基于動態(tài)圖像序列。
三、基于改進型Hausdorff距離的人體檢測
自動扶梯客流量的測量工作是極具現(xiàn)實意義的，通過對大型場所內(nèi)自動扶梯的客流量進行測量，可以有效對客流量進行控制，提高人員和建筑的安全。而測量工作的實現(xiàn)是基于攝像頭獲得的動態(tài)圖像序列，并通過序列進而識別出人數(shù)和即時速度。為了能夠準確識別出自動扶梯上的各個人體，可以采用Hausdorff距離識別方法。這種方法即使在有光線問題或者遮擋問題導致人體特征現(xiàn)象發(fā)生時，也能完成對人體的識別。而Hausdorff距離模板又具有適應性強且計算量小的優(yōu)點。但是在很多應用場合中，一旦被測圖像中有些邊緣信息消失或者存在大大量與人體特征無關(guān)的點時，這種距離模板的匹配就不能達到令人滿意的效果。
Hausdorff距離的模板匹配及其缺陷
Hausdorff距離是用來描述兩組點集間相似度的量度，是一種集合之間的定義形式。若設A、B為兩個有限點集，則Hausdorff距離則可表示為：
H（A，B）=max（h（A，B），h（B，A）） （1）
h（B，A）=max{mina-b} （2）
當Hausdorff距離用于二值模板與圖像之間的匹配時，首先要計算這兩個二值圖像的距離變換。由（2）計算出有向距離，再由（1）得出Hausdorff距離的值，從而判斷出匹配情況。但是需要特別指出的是，一旦圖像中存在突發(fā)的噪聲時，Hausdorff距離值也可能變得很大，從而造成目標物體不能被有效檢測。另外，當所測目標物因為光線的問題或者遮擋問題只有部分物體特征呈現(xiàn)出來時，Hausdorff距離的值也可能會很大，也就是說目標物體還是得不到檢測。
針對以上方法存在的缺陷，為了進一步提高此方法的穩(wěn)定性，對（2）進行了改進，有相距離表示為：
從而通過對不同區(qū)域下的界定就可以有效去除二值匹配過程中干擾因素的影響。
基于濾波的目標預測跟蹤
可以采用濾波器進行預測和跟蹤匹配位置中心點。此處濾波器將被用于匹配中心點在下一圖像中的位置，假設這兩個坐標之間不相關(guān)，則就可以實現(xiàn)對這兩個中心點的分別預測和跟蹤，極大提高了算法的執(zhí)行效率。而在下一幀中檢測目標時，就可以縮小搜索范圍。這不僅使得該算法的執(zhí)行速度得到了提高，還使之更適于自動扶梯客流量狀況測量的實時操作。
四、結(jié)語
自動扶梯客流量的測量對于扶梯的安全使用有著重要的意義，相信隨著科學技術(shù)的不斷發(fā)展和科研人員的不懈努力，在不久的將來，一定會出現(xiàn)更為方便、準確的測量方法，并在各個領(lǐng)域上得到有效應用，為計算機視覺系統(tǒng)的發(fā)展提供堅實的基礎。
參考文獻
[1]賢云得.機器視覺[M].北京：科學出版社，2004.
[2]張強.動態(tài)圖像序列中目標檢測與跟蹤技術(shù)研究[D].華北電力大學，2012.
第5篇：計算機視覺的作用范文
關(guān)鍵詞 計算機視覺；攝像機定標方法；應用特點；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用特點
傳統(tǒng)的攝像機定標方法主要是在相應的攝像機模型下面，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，而且能夠適應程序功能的改進，并且較高的精度，因而得到了廣泛的應用，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備的復雜和精確來獲得的，因此具有針對性的應用特點。
3 攝像機自定標方法及其應用特點
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關(guān)系，通過這種對應關(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用特點是必須建立在射影定標的基礎之上，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，應該加強自身的精度要求。總而言之，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)展過程中應該得到更多的研究，但其所存在的不足和弊端也理應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6篇：計算機視覺的作用范文
【關(guān)鍵詞】平面測量技術(shù);鉛球項目;成績測量
0 引言
隨著計算機處理能力的提高和傳感器技術(shù)的發(fā)展，近年來基于視頻圖像處理的計算機視覺技術(shù)已成為圖像處理領(lǐng)域的研究熱點，該技術(shù)在眾多的領(lǐng)域中都有十分廣泛的應用[1]。
視覺是人類認識世界、觀察世界的重要手段。人類從外界獲取的信息量約有 75%來自視覺系統(tǒng)，這表明視覺信息量十分巨大以及人類對視覺信息有較高的利用率。人類利用視覺的過程可看作是一個從感覺到知覺的復雜過程，即從感受到的對三維世界的投影圖像到依據(jù)投影圖像去認知三維世界的內(nèi)容和含義[2]。
計算機視覺技術(shù)是指利用計算機實現(xiàn)人的視覺功能，既對客觀世界的三維場景的識別、感知和理解。該技術(shù)包括是仿生學方法及工程方法，仿生學方法是模仿人類視覺功能的結(jié)構(gòu)及原理，建立相應的處理系統(tǒng)，完成類似的工作和功能;工程方法是從分析人類視覺系統(tǒng)著手，并采用任何現(xiàn)有的可行手段實現(xiàn)人類視覺系統(tǒng)的功能[3]，該方法的特點是只關(guān)心系統(tǒng)的輸入和輸出。計算機視覺的主要研究目標是建成計算機視覺系統(tǒng)，完成各種視覺功能。也就是說，即要能借助各種視覺傳感器（如 CMOS 攝像器件、CCD等）獲取現(xiàn)實世界的圖像，而感知和恢復 3D 環(huán)境中物體的幾何性質(zhì)、運動情況、姿態(tài)結(jié)構(gòu)、相互位置等，并且要對客觀場景進行識別、解釋、描述、進而做出決斷。目前，計算機視覺技術(shù)在體育運動中也得到了廣泛的應用，利用該技術(shù)不僅可以從不同的視角觀察運動員的動作，而且能將運動員速度、加速度、所在位置等數(shù)據(jù)進行量化處理，使體育訓練及比賽擺脫依靠傳統(tǒng)經(jīng)驗分析及判別的狀態(tài)，從而進入科學化、數(shù)字化的狀態(tài)，而且還可以完成競技體育項目的成績測試[4-5]。
在測試項目中鉛球成績的測量仍采用皮尺丈量法。這種方法存在著三個方面的缺陷，一是皮尺本身具有彈性以及易折疊特性，二是受場地的凹凸不平，三是人為因素影響較大。由于這三方面的作用， 故在鉛球成績的測量精確度受到極大的限制。針對這一問題本課題提出了一種基于同視場（鉛球場地）測量地平面坐標的單攝像機模型[6-7]。該模型利用透視投影幾何關(guān)系，對攝像機內(nèi)部參數(shù)進行標定，然后，建立相應的網(wǎng)格匹配數(shù)學模型，通過單目CCD攝像機像面坐標，測量鉛球落點的地平面坐標[8]。成功的解決了鉛球著點測量在雙目視覺交匯組合測量存在的死角影響系統(tǒng)的測量范圍的問題，另外，單目視覺測量系統(tǒng)也避免了雙目視覺系統(tǒng)存在對應特征點匹配問題。
1 平面測量原理
圖1 鉛球的2D場景坐標系
鉛球場地是一個扇形區(qū)域（如圖1）。假設建立一個如圖1的2D場景坐標系，首先要做的事是要確定場地上指定點的真實坐標與采集到的圖片的指定點象素坐標之間的對應關(guān)系，即要找到這兩種坐標系之間的轉(zhuǎn)換關(guān)系。而這種轉(zhuǎn)換關(guān)系可以用平面測量的相關(guān)技術(shù)獲得。在計算機視覺中，所謂的平面測量，就是從圖像中獲得2D場景信息。在實際的測量中，我們可以通過在圖像上標定一定數(shù)量的坐標點來確定圖像中場地指定點的象素坐標和真實世界中的指定點的現(xiàn)實坐標之間的單應矩陣。
我們獲取一幅2D場景S的圖像I，通過S與I之間的N（N>=4）對對應點，就可以確定它們之間的單應矩陣H。
令：
H=h■，h■，h■=h■，h■，h■h■，h■，h■h■，h■，h■（1）
在H的九個元素中，有八個獨立比率，即一個單應有八個自由度變量，一個常數(shù)1。因此，在H中，往往設置h■=1。
令（x■，y■）∈I，x■■，y■■∈S為一對對應點，i=1，2，…N。由每一對對應點，根據(jù)圖像與場景之間的單應關(guān)系，我們可以得到兩個線性方程：
其中，h是矩陣H的向量形式，
于是我們可以得到2N個方程，寫成矩陣形式為：
AH=0（3）
其中
因此，要求得8個參數(shù)的單應矩陣，至少需要4個對應點。在實際的測量中，為了提高精度，每個模板平面上提供的對應點數(shù)目都會超過4個。
當N>4時，我們可以用奇異值分解法（SVD）[14]求最小二乘解h。
求得單應矩陣后，利用公式（2），就可以計算出圖像上指定點對應的真實坐標值，從而計算出鉛球投擲的距離。
2 實驗結(jié)果與分析
表1
2.1 實驗結(jié)論（下轉(zhuǎn)第38頁）
（上接第21頁）經(jīng)實際測量的6個標定點（如圖1）的坐標分別為A（700，0）、B（900，0）、C（1100，0）、D（570，407）、E（733，523）、F（895，639） 。為了測試本文提出的測量模型，在反復測量鉛球投擲實驗中選取了典型的10個測試樣本，其中鉛球落點10個。
2.2 誤差分析
從表1中我們可以看到人工測量值和系統(tǒng)測量值有一定的誤差，分析誤差產(chǎn)生的原因有如下幾種：
1）數(shù)字 CCD 鏡頭的光學性能引起的誤差，如焦距、畸變和光學中心誤差等通過攝像機內(nèi)部參數(shù)校正來解決。
2）攝像機的支架及底座一定要有足夠的穩(wěn)定性和剛度，在視頻圖像獲取過程中應保證攝像機的相對位置穩(wěn)定不動，由意外情況所造成的誤差在計算中應予以剔除。
3）環(huán)境的變化將對測量結(jié)果產(chǎn)生影響，因此測量中要及時修正背景圖像。
4）人工測量本身就會與真實值產(chǎn)生一定的誤差。
3 總結(jié)
本論文首先介紹了課題背景，對單目視覺測量的研究現(xiàn)狀和測量建模在國內(nèi)外的研究現(xiàn)狀進行了分析和歸納，同時分析了視頻圖像處理技術(shù)在體育項目應用現(xiàn)狀，將基于單目視頻圖像處理技術(shù)的鉛球成績測量作為切入點，對數(shù)字圖像處理技術(shù)在田徑運動中應用的關(guān)鍵技術(shù)進行了研究。結(jié)合鉛球場地的特點，提出一種基于視頻圖像的鉛球測量方法，并通過實際應用證明了該方法的可行性。
【參考文獻】
[1]Criminisi A，Reid I，Zisserman A. A plane measuring device[J].Image and VisionComputing，1999，17（8）， 625-634.
[2]Lorenzo Bruzzone， Diego Fernàndez Prieto. Automatic Analysis of the Difference Image for Unsupervised Change Detection[J]. IEEE Transactions on Geoscience and Remote Sensing，2000，5，38（3）.
[3]L Sajó， Z Ruttkay， A Fazekas. Turk-2， a multi-modal chess player[J]. International Journal of Human-Computer Studies，2011，7，69（7-8）：483-495.
[4]Lichtenberg， D.B.， Wills， J.G.， Maximizing the range of the shot-put[J]. American Journal of Physics，1978，46：546-549.
[5]Maheras， A.V.. The relationship between the angle of release and the velocity of release in the shot-put， and the application of a theoretical model to estimate the optimum angle of release （throwing）[D].University of Kansas.， 1995.
[6]Antonio Plaza， Jon Atli Benediktsson， Joseph W. Boardman. Recent advances in techniques for hyperspectral image processing[J]. Remote Sensing of Environment，2009，9，113（1）：S110-S112.
第7篇：計算機視覺的作用范文
關(guān)鍵詞：果品；無損檢測；品質(zhì)
我國水果產(chǎn)量居世界第一，果品出口成為我國外貿(mào)的重要組成部分。但是我國大多數(shù)農(nóng)產(chǎn)品國際市場競爭力弱，出口價格低廉。其中品質(zhì)因素是重要原因之一，這是由于檢測技術(shù)、評判標準等限制，所以對果品進行合適的品質(zhì)檢測對提高經(jīng)濟效益和市場競爭力具有重要意義。對農(nóng)產(chǎn)品品質(zhì)的無損檢測，已引起國內(nèi)外廣泛關(guān)注。
所謂無損檢測，又稱非破壞檢測，是不破壞被檢對象卻能評價其品質(zhì)的方法。它利用自身力學、光學、電學及聲學等物理性質(zhì)對評價對象品質(zhì)進行非破壞檢測，并按照一定標準進行分級分選的新興技術(shù)，廣泛應用于工業(yè)和農(nóng)業(yè)。農(nóng)業(yè)中的無損檢測技術(shù)是利用農(nóng)產(chǎn)品的物理性質(zhì)如光學性質(zhì)、聲學性質(zhì)、電磁學性質(zhì)和熱學性質(zhì)等的變化而實現(xiàn)。目前，無損檢測技術(shù)主要包括：近紅外技術(shù)、聲學檢測技術(shù)、軟X射線技術(shù)、計算機視覺技術(shù)、核磁共振檢測技術(shù)、力學特性檢測技術(shù)等。
1.果品無損檢測技術(shù)
1.1新型可見、近紅外光譜無損檢測技術(shù)
可見、近紅外光譜法是農(nóng)產(chǎn)品內(nèi)部成分無損檢測的有效方法，是利用農(nóng)產(chǎn)品吸收、散射、反射和透射光的特性，進而確定內(nèi)部成分的方法。近紅外分析技術(shù)作為一種高新分析技術(shù)，能改造我國傳統(tǒng)農(nóng)業(yè)，提高農(nóng)產(chǎn)品質(zhì)量，尤其是農(nóng)產(chǎn)品加工的質(zhì)量控制，將產(chǎn)生巨大作用。為改造我國的傳統(tǒng)行業(yè)，企業(yè)迫切需要對原料進行質(zhì)量監(jiān)測、生產(chǎn)過程監(jiān)控的設備和技術(shù)。國際經(jīng)驗來看，近紅外技術(shù)是首選。
韓東海等[1]利用柑橘正常及損傷部位在紫外光源下的差異發(fā)射性，可有效確定柑橘損傷果。Slaugther DC[2]鑒于近紅外和可見光的分光光度技術(shù)，建立完好的桃及油桃內(nèi)部品質(zhì)的無損關(guān)系式，能夠預測完好無損的桃與油桃的山梨糖醇含量、蔗糖和可溶性固形物等。Lammertyn J[3]通過研究近紅外光譜和可見光譜對紅玉蘋果質(zhì)量的無損測量，進而得到雙叉光纖記錄的反射光譜與蘋果參數(shù)之間的關(guān)系。Ali Moghimi[4]等用近紅外光譜技術(shù)結(jié)合化學計量學建立獼猴桃SSC和pH的校正模型，比較多元散射校正、變量標準化、中值濾波和一階導數(shù)光譜預處理對所建獼猴桃SSC和pH校正模型的影響，表明變量標準化結(jié)合中值濾波和一階倒數(shù)預處理光譜后，用PCR-PLS法建立的SSC和pH的校正模型精度較高。
目前，分光檢測技術(shù)在果蔬品質(zhì)檢測中的應用廣泛，因為這種方法具有適應性強、高檢測靈敏度、人體無害性、靈活使用性、成本低廉和自動化易實現(xiàn)性等優(yōu)勢。利用這種技術(shù)能自動分級果品，而合理的分級標準，便于果品深加工和遠銷售。近紅外光譜的研究雖起步較晚，但是其應用廣，特別是在農(nóng)產(chǎn)品的品質(zhì)檢測和分級領(lǐng)域取得較大的進展，開發(fā)應用前景廣闊。
1.2聲學無損檢測技術(shù)
聲學無損檢測技術(shù)是利用果品聲學特性與內(nèi)部組織變化的關(guān)系，例如結(jié)構(gòu)、成分、物理狀態(tài)等物化特性信息來檢測果品品質(zhì)。聲學特性是指在聲波作用下農(nóng)產(chǎn)品的反射、散射和吸收特性、衰減系數(shù)和傳播速度及其本身的聲阻抗與固有頻率等，它們均反映聲波與農(nóng)產(chǎn)品相互作用的規(guī)律，這些特性隨農(nóng)產(chǎn)品內(nèi)部組織變化而變化。一般使用低能超聲波來檢測，因為低能超聲波在被檢測物中傳播不會引起物理或化學特性變化。超聲方法檢測果品品質(zhì)始于近年，國內(nèi)外研究集中針對水果成熟度、硬度和內(nèi)部質(zhì)量缺陷等無損檢測。
與光學、電學及其他無損檢測技術(shù)相比，聲學無損檢測技術(shù)具有適應性強、投資較低、操作簡便快捷等有死，特別適用于在線檢測，在農(nóng)產(chǎn)品檢測領(lǐng)域應用前景良好[5]。
1.3軟X射線技術(shù)
適用性極強的X射線成像能夠與圖像識別、人工智能、現(xiàn)代通信技術(shù)等相聯(lián)系。若待檢測物體的密度和厚度不同，則不同的透射X射線量產(chǎn)生。鑒于分析穿透量，進而判斷果品內(nèi)部品質(zhì)。軟X射線擁有巨大優(yōu)勢，特別是在農(nóng)產(chǎn)品的內(nèi)部品質(zhì)檢測上，因軟X射線具有穿透物料的特性，所以檢測那種易損壞的農(nóng)產(chǎn)品，能無損檢測內(nèi)部的品質(zhì)。所需X射線強度方面，農(nóng)產(chǎn)品檢測弱于工業(yè)，所以稱為低能X射線或軟X射線。這種X射線成像技術(shù)來檢測農(nóng)產(chǎn)品內(nèi)部品質(zhì)方法已經(jīng)受到研究者關(guān)注，例如基于X射線成像技術(shù)的檢測核桃果核與果肉厚度，基于X射線圖像的評價牛肉嫩度，以及評價紅毛丹內(nèi)部品質(zhì)等。韓東海[6]用X射線來檢測柑橘皺皮果，結(jié)果表明射線與激光分析法在果實品質(zhì)檢測中的可行性。然而目前國內(nèi)此方面的技術(shù)開發(fā)較落后，期待學者們進一步的研究和探索。
1.4計算機視覺技術(shù)
伴隨專業(yè)化的圖像處理技術(shù)以及下降的計算機硬件成本和高速度特性，計算機視覺技術(shù)對農(nóng)產(chǎn)品品質(zhì)自動識別和分級的應用日益廣泛。計算機視覺技術(shù)即以各種成象系統(tǒng)代替視覺器官作為輸入敏感手段，借助于計算機替代大腦完成處理和解釋。計算機視覺的最終研究目標是使計算機可以像人一樣，通過視覺觀察來理解世界，具有自主適應環(huán)境的能力。
基于機器視覺的果品無損檢測的技術(shù)，一般是借助于CCD攝像頭獲取果品圖像，圖像信息輸入計算機，進而應用檢測方法和算法得到果品在大小、缺陷、外部損傷、內(nèi)部品質(zhì)等方面的特質(zhì)值，從而來分級果品[7]。這種方法通常是由CCD攝像頭、配備圖像采集卡的計算機、光照系統(tǒng)和專用圖像處理軟件組成。在一定光源照射情況下，利用CCD攝像頭得到水果形狀、顏色、缺陷等視覺方面的圖像信息，憑借圖像采集卡轉(zhuǎn)換為數(shù)字信號傳輸?shù)诫娔X，分隔圖像、提取特征值，從而得到特征值參數(shù)和水果顏色、質(zhì)量狀況、破損程度等品質(zhì)指標間模型關(guān)系，進而確定內(nèi)外品質(zhì)等級。這種方法快速、準確、無損，使用一次能同時檢測多項品質(zhì)指標，方便設計自動分級流水線，自動識別水果外在品質(zhì)（外形、缺陷、顏色、大小等）和內(nèi)在品質(zhì)（成熟度、堅實度、含糖量、含水率等），因此具有廣闊的應用前景[8]。
我國利用計算機視覺系統(tǒng)，檢測農(nóng)產(chǎn)品品質(zhì)和分類農(nóng)產(chǎn)品的研究方法開展較晚，始于20世紀90年代，但逐漸受到重視。與國際先進水平相比，在農(nóng)業(yè)領(lǐng)域的應用我國計算機視覺技術(shù)研究具有一定程度的差距，我國目前處于實驗研究以及理論探索階段，實用化和商品化的程度還未達到。這項項目基于數(shù)碼攝像技術(shù)，通過電腦直接處理圖像信息，其研發(fā)促使使我國獲得最快速、最便利的視覺技術(shù)。
1.5核磁共振檢測技術(shù)
1946年，核磁共振現(xiàn)象由美國科學家F.Bloch和E.M.Purcell發(fā)現(xiàn)，這一技術(shù)廣泛應用于研究物質(zhì)結(jié)構(gòu)。核磁共振可以便利地生成果實內(nèi)部組織結(jié)構(gòu)的高清圖像。方便檢測果品壓傷、蟲害以及成熟度，因此在檢測蘋果、香蕉糖度等方面潛在價值極高。而那些因采收成熟度而影響品質(zhì)的品種，鑒于核磁共振技術(shù)，能提高收獲和運輸可靠性。現(xiàn)階段，這種技術(shù)要想真正應用于果品檢測和評價果品質(zhì)量，還存在諸多問題，然而其優(yōu)勢明顯，這種技術(shù)無疑是一種良好的果品無損檢測方法[9]。
1.6力學特性檢測技術(shù)
基于動力學原理測度農(nóng)產(chǎn)品硬度的檢測方法是力學特性檢測技術(shù)。采用振動頻率分析法以及沖擊力檢測法，檢測果品堅實度來判斷果實成熟度。力學特性檢測技術(shù)方便判斷果品的采收期，依照成熟度分級、貯藏果品，確定果品的保鮮期和貯存期。盡管這種技術(shù)具有較為堅實的實踐應用基礎及歷史，但介于果品品質(zhì)和物理參數(shù)間的復雜關(guān)系，實際應用是一個漫長的研究過程[10]。
第8篇：計算機視覺的作用范文
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)等應用到農(nóng)業(yè)機械的設計當中，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)村建設的意義
對社會主義新農(nóng)村進行建設，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，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，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)機械的應用中還處于起步階段。對自動化技術(shù)的應用，需要很高的科技水平作為依托，但是我國科技基礎薄弱的現(xiàn)實，使自動化技術(shù)的應用變得困難。
4農(nóng)業(yè)機械自動化技術(shù)要點及優(yōu)化應用措施
4.1實現(xiàn)計算機技術(shù)應用于農(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)絡和控制器等為基礎的技術(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。
參考文獻：
[1]劉洋.我國農(nóng)業(yè)機械自動化應用現(xiàn)狀和推進模式探討[J].化工中間體,2015(11):11-19.
[2]羅小鋒,劉清民.我國農(nóng)業(yè)機械化與農(nóng)業(yè)現(xiàn)代化協(xié)調(diào)發(fā)展研究[J].中州學刊,2010(02):17-22.
第9篇：計算機視覺的作用范文
誕生于20世紀40年代的電子計算機是人類最偉大的發(fā)明之一。并且一直以飛快的速度發(fā)展著。進入21世紀的現(xiàn)代社會，計算機已經(jīng)進入各個行業(yè)，并成為各行業(yè)必不可少的工具。如今的計算機發(fā)展的更加智能化，就如今來說，人們最什么事情都非常重視信息，人類和社會的發(fā)展，時刻都離不開信息。計算機如今重視的方面就是對信息的閱讀和控制，人臉檢測與識別技術(shù)也是應運而生。
人臉識別的論述
人臉識別是人類視覺中的一大特色，因為能對身邊的人進行識別，才不會對身邊的信息進行混淆，簡單來說，根據(jù)人臉可以對人的年齡，性別進行初步判斷。隨著計算機技術(shù)的智能化，計算機業(yè)已經(jīng)通過視覺能進行人臉的識別。其中在對人臉識別的同時進行有關(guān)信息的收集、識別、提取、變換、存儲、傳遞、處理、檢索、檢測、分析和利用等技術(shù)。如今人臉識別已經(jīng)應用于很多的領(lǐng)域，但是要人臉檢測與識別是需要基于本來已經(jīng)收集和整理的信息本庫才能進行。再加上現(xiàn)在計算機技術(shù)雖然已經(jīng)接近成熟，然而在人臉識別方面的表情傳達出什么信息還是無從下手進行編程和設計。所以，基于計算機視覺的人臉檢測與識別技術(shù)還是會有很廣的發(fā)展空間，再加上人臉識別還可以維護人們的財產(chǎn)安全和隱私保護，必然會引起社會各界人士的廣泛關(guān)注。
從19世紀末開始就已經(jīng)有人對人臉識別進行了研究，因為當時沒有先進的科學技術(shù)做后盾，所以經(jīng)過了數(shù)百年的研究仍然沒有什么顯著的進展和成果。直到20世紀90年代人臉識別才成立了自己的學科，在加上當時的科技發(fā)展水平已經(jīng)達到了不錯的水平，人臉識別這個學科得到了快速的發(fā)展。如今，我國的計算機技術(shù)也已經(jīng)居于世界的前列，我國也已經(jīng)擁有比較完善的一套東方面孔的人臉數(shù)據(jù)庫。
人臉識別在發(fā)展過程中大概經(jīng)歷了三個階段：第一階段就是對人臉特征進行整理，整理出所需要的數(shù)據(jù)庫，并且應用當時的計算機技術(shù)做出一套質(zhì)量不錯的人臉灰度模型，這個階段的識別工作全部由操作人員來完成；第二階段比第一階段要先進，有了基礎人機互交，將人臉的特征經(jīng)過多維度的矢量在模型上表示出來，并也可以設計出一套人臉識別的系統(tǒng)，這個階段的識別不再是僅僅依靠操作人員，而是操作者和計算機一起完成；第三個階段是計算機智能識別的最高峰，一切操作和識別都依靠機器全自動化進行，在人臉識別過程中也不再是每臺計算機都需要完成一整套的工作，也實現(xiàn)了計算機與計算機之間的互聯(lián)，多臺計算機一起完成人臉識別的過程，都人力也是一種解放。
積極踐行人臉檢測識別技術(shù)
人臉檢測識別技術(shù)是計算機實現(xiàn)智能化特征后的又一重要發(fā)展方向之一，它已經(jīng)在世界范圍內(nèi)得到了廣泛的普及與應用。人們可以通過人臉識別來進行定位，來起到保護人們財產(chǎn)安全的作用，通過人臉識別來抵制社會中的造假率，之前曾經(jīng)有一些不法分子利用假身份來做損害公共利益和侵犯人們隱私權(quán)的事情，有了人臉識別讓不法分子沒有可乘之機，也應用人臉識別來對財務密碼進行聯(lián)系，起到對人們的財產(chǎn)有絕對的保護作用，對社會的安定何嘗不是一項有意義的發(fā)明。
人臉識別一直是計算機智能化發(fā)展過程中的一個重要領(lǐng)域，因為人臉的識別與檢測是一個很難做到完善的項目，由于人類的面部表情豐富，要對人類的面部表情做出判斷和分析會存在一定的困難。再加上人臉識別的過程中，每個獨立存在的個體都有一張專屬于自己的臉。它的輪廓沒有明顯的特征界限，同時對眼、鼻子、嘴等器官在臉上的分布情況也沒有明確的界限，這就使得對人臉識別來進行算法設計有一定的困難，所以只有通過輪廓特征來進行初步的判斷，分辯出各種器官，再根據(jù)器官來完成人臉的分布情況設計灰度模型的完成工作。
