計(jì)算機(jī)視覺(jué)的核心精選(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(jì)算機(jī)視覺(jué)的核心主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計(jì)算機(jī)視覺(jué)的核心范文

以下為報(bào)告詳細(xì)內(nèi)容：

2017年計(jì)算機(jī)視覺(jué)技術(shù)在更多的領(lǐng)域有所落地應(yīng)用，自動(dòng)駕駛領(lǐng)域、高考、政務(wù)等領(lǐng)域更多的場(chǎng)景開(kāi)始應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)。艾媒咨詢分析師認(rèn)為，計(jì)算機(jī)視覺(jué)行業(yè)技術(shù)是核心基礎(chǔ)，隨著技術(shù)成熟度提高，未來(lái)將有更多的場(chǎng)景能夠應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)，計(jì)算機(jī)視覺(jué)企業(yè)應(yīng)在強(qiáng)化技術(shù)打造的前提下，發(fā)掘更多新的應(yīng)用領(lǐng)域，提高商業(yè)落地應(yīng)用。

2017年人臉識(shí)別技術(shù)在智能手機(jī)終端應(yīng)用開(kāi)始普及。9月蘋果新品會(huì)上，iPhone X宣布引入Face ID高精度人臉識(shí)別技術(shù)，引來(lái)人們高度關(guān)注。而除了iPhone X，華為、小米、OPPO、vivo等手機(jī)廠商都推出了帶人臉識(shí)別功能的智能手機(jī)。艾媒咨詢分析師認(rèn)為，計(jì)算機(jī)視覺(jué)領(lǐng)域內(nèi)人臉識(shí)別功能可應(yīng)用場(chǎng)景廣泛，商業(yè)化落地能力強(qiáng)，除了計(jì)算機(jī)視覺(jué)創(chuàng)業(yè)企業(yè)，互聯(lián)網(wǎng)巨頭和硬件巨頭企業(yè)也紛紛關(guān)注布局人臉識(shí)別領(lǐng)域。但目前人臉識(shí)別技術(shù)仍然存在一定缺陷，艾媒大數(shù)據(jù)輿情管控系統(tǒng)數(shù)據(jù)顯示，“手機(jī)人臉識(shí)別”熱詞言值數(shù)據(jù)為48.5，整體輿情偏負(fù)向。現(xiàn)階段人臉識(shí)別技術(shù)在智能手機(jī)終端上的應(yīng)用仍處于起步發(fā)展階段，技術(shù)和安全性仍有待提高，未來(lái)隨著各計(jì)算機(jī)視覺(jué)企業(yè)加強(qiáng)技術(shù)研發(fā)，人臉識(shí)別技術(shù)有望進(jìn)一步改善，成為智能手機(jī)標(biāo)配。

iiMedia Research(艾媒咨詢)數(shù)據(jù)顯示，2017年中國(guó)計(jì)算機(jī)視覺(jué)市場(chǎng)規(guī)模為68億元，預(yù)計(jì)2020年市場(chǎng)規(guī)模達(dá)到780億元，年均復(fù)合增長(zhǎng)率達(dá)125.5%。艾媒咨詢分析師認(rèn)為，人們安全和效率需求不斷提升，計(jì)算機(jī)視覺(jué)技術(shù)在各行業(yè)應(yīng)用能有效滿足人們需求，市場(chǎng)發(fā)展空間巨大。國(guó)家政策對(duì)人工智能行業(yè)的支持也為計(jì)算機(jī)視覺(jué)的發(fā)展提供了有利的環(huán)境。隨著計(jì)算機(jī)視覺(jué)技術(shù)日漸成熟，企業(yè)商業(yè)化落地能力不斷提高，未來(lái)計(jì)算機(jī)視覺(jué)市場(chǎng)規(guī)模將迎來(lái)突破性發(fā)展。

iiMedia Research(艾媒咨詢)數(shù)據(jù)顯示，商湯科技以24.3%的企業(yè)知名度排名各計(jì)算機(jī)視覺(jué)企業(yè)首位，曠視科技與云從科技則分別以23.1%以及21.7%的知名度分列二三位。艾媒咨詢分析師認(rèn)為，商湯科技計(jì)算機(jī)視覺(jué)技術(shù)及算法能力在行業(yè)內(nèi)較為出色，同時(shí)在安防、金融、商業(yè)、手機(jī)端等多個(gè)領(lǐng)域均有商業(yè)落地應(yīng)用，在企業(yè)認(rèn)知和品牌推廣方面具有優(yōu)勢(shì)。

iiMedia Research(艾媒咨詢)顯示，61.7%的受訪網(wǎng)民通過(guò)手機(jī)APP應(yīng)用接觸計(jì)算機(jī)視覺(jué)應(yīng)用，另外有50.9%的受訪網(wǎng)民接觸途徑為通過(guò)智能手機(jī)終端。艾媒咨詢分析師認(rèn)為，計(jì)算機(jī)視覺(jué)企業(yè)主要服務(wù)B端用戶及政府機(jī)構(gòu)，相比于其他途徑，移動(dòng)端更適合應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)的產(chǎn)品推廣。計(jì)算機(jī)視覺(jué)技術(shù)日趨成熟，在移動(dòng)終端和APP上均有落地應(yīng)用，也進(jìn)一步為計(jì)算機(jī)視覺(jué)企業(yè)在大眾中奠定基礎(chǔ)。未來(lái)企業(yè)可通過(guò)線上渠道開(kāi)發(fā)挖掘C端用戶市場(chǎng)。

iiMedia Research(艾媒咨詢)顯示，半數(shù)受訪網(wǎng)民認(rèn)為智能手機(jī)及APP加入人臉識(shí)別技術(shù)功能方便了二者的使用，另有48.8%的受訪網(wǎng)民認(rèn)為人臉識(shí)別技術(shù)在手機(jī)及APP上的應(yīng)用是未來(lái)技術(shù)發(fā)展的趨勢(shì)。艾媒咨詢分析師認(rèn)為，人臉識(shí)別技術(shù)在手機(jī)及APP端的應(yīng)用滿足人們智能化和便捷化的需求，隨著越來(lái)越多的手機(jī)及APP產(chǎn)品加入人臉識(shí)別功能，未來(lái)其普及和認(rèn)可程度將得到進(jìn)一步提高。

iiMedia Research(艾媒咨詢)顯示，41.8%的受訪網(wǎng)民表示未來(lái)愿意使用人臉識(shí)別技術(shù)進(jìn)行手機(jī)及APP解鎖，同時(shí)有41.4%的受訪網(wǎng)民雖持觀望態(tài)度，但愿意嘗試。此外，47.4%的受訪網(wǎng)民認(rèn)為人臉識(shí)別將取代其他手機(jī)及APP解鎖技術(shù)成為未來(lái)主流。艾媒咨詢分析師認(rèn)為，近期智能手機(jī)紛紛應(yīng)用人臉識(shí)別技術(shù)解鎖推動(dòng)該功能技術(shù)的普及，便捷性的優(yōu)勢(shì)使該功能技術(shù)前景受看好。但目前人臉識(shí)別解鎖技術(shù)的準(zhǔn)確性仍然受到質(zhì)疑，隨著未來(lái)技術(shù)進(jìn)一步成熟，該技術(shù)有望成為智能手機(jī)設(shè)備標(biāo)配。

iiMedia Research(艾媒咨詢)顯示，33.9%的受訪網(wǎng)民曾使用過(guò)人證比對(duì)功能進(jìn)行業(yè)務(wù)辦理。在使用過(guò)該功能的人群中，54.6%認(rèn)為其方便了業(yè)務(wù)辦理，提供了效率，且有47.3%該部分人群認(rèn)為其識(shí)別準(zhǔn)確程度高。艾媒咨詢分析師認(rèn)為，政府、銀行等機(jī)構(gòu)業(yè)務(wù)辦理效率以往常遭詬病，人證識(shí)別技術(shù)的應(yīng)用提高了辦事效率，在提高人們滿意度的同時(shí)，加強(qiáng)了計(jì)算機(jī)視覺(jué)技術(shù)的認(rèn)可度。未來(lái)計(jì)算機(jī)視覺(jué)技術(shù)在政府、銀行等機(jī)構(gòu)的落地應(yīng)用將進(jìn)一步擴(kuò)展，但其中涉及到個(gè)人信息保護(hù)等問(wèn)題需要企業(yè)及相關(guān)機(jī)構(gòu)合力解決。

iiMedia Research(艾媒咨詢)顯示，34.1%的受訪網(wǎng)民認(rèn)為公安辦案為最有必要應(yīng)用人臉識(shí)別技術(shù)的安防情景。而關(guān)于網(wǎng)民對(duì)人臉識(shí)別技術(shù)在安防監(jiān)控領(lǐng)域應(yīng)用看法調(diào)查中，56.1%的受訪網(wǎng)民認(rèn)為其能有力保護(hù)人們?nèi)松碡?cái)產(chǎn)安全。艾媒咨詢分析師認(rèn)為，計(jì)算機(jī)視覺(jué)技術(shù)，尤其是人臉識(shí)別技術(shù)在安防領(lǐng)域應(yīng)用意義重大，在刑偵破案、身份認(rèn)證、公共安全保護(hù)等情景具有重要應(yīng)用價(jià)值。未來(lái)安防領(lǐng)域?qū)⒊蔀橛?jì)算機(jī)視覺(jué)技術(shù)重點(diǎn)應(yīng)用領(lǐng)域，而安防的重要性也對(duì)相關(guān)企業(yè)技術(shù)實(shí)力有嚴(yán)格的要求，未來(lái)安防領(lǐng)域市場(chǎng)或由少數(shù)技術(shù)實(shí)力較強(qiáng)的企業(yè)占據(jù)。

商湯科技是專注計(jì)算機(jī)視覺(jué)與深度學(xué)習(xí)原創(chuàng)技術(shù)的人工智能創(chuàng)業(yè)企業(yè)，擁有強(qiáng)大的技術(shù)能力和人才資源儲(chǔ)備支撐發(fā)展。商湯科技在計(jì)算機(jī)視覺(jué)領(lǐng)域綜合實(shí)力較強(qiáng)，獲資本方青睞，B輪融資4.1億美元，同時(shí)與國(guó)內(nèi)外知名企業(yè)展開(kāi)合作。艾媒咨詢分析師認(rèn)為，商湯科技在商業(yè)營(yíng)收上同樣處于行業(yè)領(lǐng)先水平，但其本質(zhì)專注于技術(shù)發(fā)展，強(qiáng)大的技術(shù)基礎(chǔ)能較好支撐商湯科技在上層應(yīng)用場(chǎng)景的擴(kuò)展。商湯科技在技術(shù)驅(qū)動(dòng)商業(yè)應(yīng)用的同時(shí)，積累商業(yè)應(yīng)用經(jīng)驗(yàn)，提高企業(yè)知名度，拓展應(yīng)用至更多領(lǐng)域。

艾媒咨詢分析師認(rèn)為，商業(yè)化落地能力欠缺是目前計(jì)算機(jī)視覺(jué)行業(yè)大部分企業(yè)的痛點(diǎn)，商湯科技在商業(yè)落地應(yīng)用方面處于行業(yè)領(lǐng)先位置。這一方面源于商湯科技技術(shù)能力往專業(yè)化發(fā)展，以專業(yè)技術(shù)和研發(fā)基礎(chǔ)實(shí)現(xiàn)場(chǎng)景差異化應(yīng)用。另一方面，純計(jì)算機(jī)視覺(jué)技術(shù)或算法由于其專業(yè)性，需求方在使用時(shí)需要具備專業(yè)能力，而商湯科技技術(shù)產(chǎn)品往標(biāo)準(zhǔn)化方向打造，打包成行業(yè)解決方案，能適應(yīng)更多企業(yè)使用需求，也有利于商湯科技技術(shù)進(jìn)一步落地應(yīng)用。未來(lái)堅(jiān)持技術(shù)為基礎(chǔ)，繼續(xù)提高商業(yè)落地能力，商湯科技有望繼續(xù)保持良好發(fā)展態(tài)勢(shì)。

曠視科技成立于2011年，2017年10月完成巨額C輪融資，專注于人臉識(shí)別、圖像識(shí)別和深度學(xué)習(xí)技術(shù)自主研發(fā)和商業(yè)化落地，深耕于金融安全、城市安防、商業(yè)物聯(lián)、工業(yè)機(jī)器人等領(lǐng)域，同時(shí)打造人工智能開(kāi)放云平臺(tái)。艾媒咨詢分析師認(rèn)為，曠視科技利用云平臺(tái)為開(kāi)發(fā)者提供技術(shù)支撐，有利于計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)一步結(jié)合產(chǎn)品運(yùn)營(yíng)，同時(shí)可以收集海量圖片數(shù)據(jù)，通過(guò)進(jìn)行深度學(xué)習(xí)，曠視科技圖像識(shí)別技術(shù)又能進(jìn)一步得到提升，有利于其強(qiáng)化自身核心技術(shù)能力。

艾媒咨詢分析師認(rèn)為，人臉識(shí)別技術(shù)對(duì)于金融行業(yè)業(yè)務(wù)辦理及風(fēng)控等流程具有重要應(yīng)用價(jià)值，曠視科技在人臉識(shí)別技術(shù)上的優(yōu)勢(shì)也助其有效開(kāi)展金融領(lǐng)域的服務(wù)應(yīng)用。未來(lái)隨著曠視科技利用云開(kāi)放平臺(tái)相關(guān)圖片數(shù)據(jù)進(jìn)行深度學(xué)習(xí)強(qiáng)化人臉識(shí)別技術(shù)，以及在金融領(lǐng)域積累的渠道資源，其有望在金融領(lǐng)域繼續(xù)強(qiáng)化技術(shù)服務(wù)，成為該領(lǐng)域市場(chǎng)有力的競(jìng)爭(zhēng)者。

艾媒咨詢分析師認(rèn)為，自動(dòng)駕駛為人工智能和汽車行業(yè)未來(lái)發(fā)展方向，計(jì)算機(jī)視覺(jué)技術(shù)在自動(dòng)駕駛汽車實(shí)現(xiàn)路況感知、高精度定位等方面發(fā)揮重要作用，自動(dòng)駕駛為計(jì)算機(jī)視覺(jué)技術(shù)未來(lái)重要應(yīng)用領(lǐng)域。圖森未來(lái)的計(jì)算機(jī)視覺(jué)技術(shù)和算法在自動(dòng)駕駛領(lǐng)域?qū)崿F(xiàn)專業(yè)化發(fā)展，未來(lái)有望在此細(xì)分領(lǐng)域成長(zhǎng)為領(lǐng)先企業(yè)。

2017-2018中國(guó)計(jì)算機(jī)視覺(jué)行業(yè)發(fā)展趨勢(shì)

需求驅(qū)使計(jì)算機(jī)視覺(jué)行業(yè)發(fā)展?jié)摿薮髴?yīng)用場(chǎng)景拓展?jié)B透各行業(yè)

艾媒咨詢分析師認(rèn)為，人們對(duì)生活安全以及生產(chǎn)效率追求兩大需求的提升，決定計(jì)算機(jī)視覺(jué)行業(yè)具有巨大發(fā)展空間。而計(jì)算機(jī)視覺(jué)技術(shù)場(chǎng)景應(yīng)用具有廣泛性，有望發(fā)展成為下一個(gè)智能時(shí)代的標(biāo)配。目前計(jì)算機(jī)視覺(jué)技術(shù)主要應(yīng)用在B端領(lǐng)域，短期內(nèi)行業(yè)發(fā)展趨勢(shì)也是集中于B端領(lǐng)域。未來(lái)隨著技術(shù)成熟，計(jì)算機(jī)視覺(jué)有望拓展更多新的應(yīng)用場(chǎng)景，實(shí)現(xiàn)場(chǎng)景落地，滲透至各行各業(yè)，形成AI+，開(kāi)拓更多C端業(yè)務(wù)。此外，計(jì)算機(jī)視覺(jué)技術(shù)可以跟其他技術(shù)，如AR、VR、無(wú)人駕駛等結(jié)合發(fā)展，創(chuàng)造新的應(yīng)用領(lǐng)域。

技術(shù)應(yīng)用由點(diǎn)及面行業(yè)解決方案及軟硬件結(jié)合成商業(yè)產(chǎn)品出路

對(duì)于計(jì)算機(jī)視覺(jué)技術(shù)使用者來(lái)說(shuō)，由于技術(shù)的學(xué)習(xí)應(yīng)用需要花費(fèi)較多時(shí)間和精力，硬件產(chǎn)品及行業(yè)解決方案往往更受青睞。未來(lái)計(jì)算機(jī)視覺(jué)企業(yè)需要將軟硬件結(jié)合，如打造嵌入式芯片等。此外，計(jì)算機(jī)視覺(jué)企業(yè)應(yīng)將技術(shù)應(yīng)用由點(diǎn)及面，將技術(shù)應(yīng)用發(fā)展成針對(duì)各行業(yè)的解決方案。未來(lái)市場(chǎng)將出現(xiàn)更多基于計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用的行業(yè)解決方案和軟硬一體化產(chǎn)品，只有打造方便用戶使用的商業(yè)產(chǎn)品，才能有效適應(yīng)其需求，幫助計(jì)算機(jī)視覺(jué)企業(yè)迅速占領(lǐng)行業(yè)市場(chǎng)，在市場(chǎng)競(jìng)爭(zhēng)中取得領(lǐng)先優(yōu)勢(shì)。

計(jì)算機(jī)視覺(jué)行業(yè)發(fā)展對(duì)企業(yè)綜合實(shí)力要求高

艾媒咨詢分析師認(rèn)為，計(jì)算機(jī)視覺(jué)行業(yè)巨大的發(fā)展前景決定其具有高成長(zhǎng)性特點(diǎn)，未來(lái)將涌現(xiàn)更多人工智能領(lǐng)域優(yōu)秀企業(yè)。但行業(yè)發(fā)展同時(shí)伴隨高風(fēng)險(xiǎn)性，行業(yè)競(jìng)爭(zhēng)需要比拼企業(yè)技術(shù)算法能力、資金能力、以及人才資源，同時(shí)考驗(yàn)企業(yè)能否實(shí)現(xiàn)技術(shù)迅速落地，對(duì)企業(yè)綜合實(shí)力要求高，綜合實(shí)力不具備優(yōu)勢(shì)的企業(yè)在行業(yè)內(nèi)將難以生存。

第2篇：計(jì)算機(jī)視覺(jué)的核心范文

關(guān)鍵詞：數(shù)字?jǐn)z影測(cè)量 計(jì)算機(jī)視覺(jué) 多目立體視覺(jué) 影像匹配

引言

攝影測(cè)量學(xué)是一門古老的學(xué)科，若從1839年攝影術(shù)的發(fā)明算起，攝影測(cè)量學(xué)已有170多年的歷史，而被普遍認(rèn)為攝影測(cè)量學(xué)真正起點(diǎn)的是1851―1859年“交會(huì)攝影測(cè)量”的提出。在這漫長(zhǎng)的發(fā)展過(guò)程中，攝影測(cè)量學(xué)經(jīng)歷了模擬法、解析法和數(shù)字化三個(gè)階段。模擬攝影測(cè)量和解析攝影測(cè)量分別是以立體攝影測(cè)量的發(fā)明和計(jì)算機(jī)的發(fā)明為標(biāo)志，因此很大程度上，計(jì)算機(jī)的發(fā)展決定了攝影測(cè)量學(xué)的發(fā)展。在解析攝影測(cè)量中，計(jì)算機(jī)用于大規(guī)模的空中三角測(cè)量、區(qū)域網(wǎng)平差、數(shù)字測(cè)圖，還用于計(jì)算共線方程，在解析測(cè)圖儀中起著控制相片盤的實(shí)時(shí)運(yùn)動(dòng)，交會(huì)空間點(diǎn)位的作用。而出現(xiàn)在數(shù)字?jǐn)z影測(cè)量階段的數(shù)字?jǐn)z影測(cè)量工作站（digital　photogrammetry　workstation，DPW）就是一臺(tái)計(jì)算機(jī)+各種功能的攝影測(cè)量軟件。如果說(shuō)從模擬攝影測(cè)量到解析攝影測(cè)量的發(fā)展是一次技術(shù)的進(jìn)步，那么從解析攝影測(cè)量到數(shù)字?jǐn)z影測(cè)量的發(fā)展則是一場(chǎng)技術(shù)的革命。數(shù)字?jǐn)z影測(cè)量與模擬、解析攝影測(cè)量的最大區(qū)別在于：它處理的是數(shù)字影像而不再是模擬相片，更為重要的是它開(kāi)始并將不斷深入地利用計(jì)算機(jī)替代作業(yè)員的眼睛。[1-2]毫無(wú)疑問(wèn)，攝影測(cè)量進(jìn)入數(shù)字?jǐn)z影測(cè)量時(shí)代已經(jīng)與計(jì)算機(jī)視覺(jué)緊密聯(lián)系在一起了[2]。

計(jì)算機(jī)視覺(jué)是一個(gè)相對(duì)年輕而又發(fā)展迅速的領(lǐng)域。其目標(biāo)是使計(jì)算機(jī)具有通過(guò)二維圖像認(rèn)知三維環(huán)境信息的能力，這種能力將不僅使機(jī)器能感知三維環(huán)境中物體的幾何信息，包括它的形狀、位置、姿態(tài)、運(yùn)動(dòng)等，而且能對(duì)它們進(jìn)行描述、存儲(chǔ)、識(shí)別與理解[3]。數(shù)字?jǐn)z影測(cè)量具有類似的目標(biāo)，也面臨著相同的基本問(wèn)題。數(shù)字?jǐn)z影測(cè)量學(xué)涉及多個(gè)學(xué)科，如圖像處理、模式識(shí)別以及計(jì)算機(jī)圖形學(xué)等。由于它與計(jì)算機(jī)視覺(jué)的聯(lián)系十分緊密，有些專家將其看做是計(jì)算機(jī)視覺(jué)的分支。

數(shù)字?jǐn)z影測(cè)量的發(fā)展已經(jīng)借鑒了許多計(jì)算機(jī)視覺(jué)的研究成果[4]。數(shù)字?jǐn)z影測(cè)量發(fā)展導(dǎo)致了實(shí)時(shí)攝影測(cè)量的出現(xiàn)，所謂實(shí)時(shí)攝影測(cè)量是指利用多臺(tái)CCD數(shù)字?jǐn)z影機(jī)對(duì)目標(biāo)進(jìn)行影像獲取，并直接輸入計(jì)算機(jī)系統(tǒng)中，在實(shí)時(shí)軟件的幫助下，立刻獲得和提取需要的信息，并用來(lái)控制對(duì)目標(biāo)的操作[1]。在立體觀測(cè)的過(guò)程中，其主要利用計(jì)算機(jī)視覺(jué)方法實(shí)現(xiàn)計(jì)算機(jī)代替人眼。隨著數(shù)碼相機(jī)技術(shù)的發(fā)展和應(yīng)用，數(shù)字近景攝影測(cè)量已經(jīng)成為必然趨勢(shì)。近景攝影測(cè)量是利用近距離攝影取得的影像信息，研究物體大小形狀和時(shí)空位置的一門新技術(shù)，它是一種基于數(shù)字信息和數(shù)字影像技術(shù)的數(shù)據(jù)獲取手段。量測(cè)型的計(jì)算機(jī)視覺(jué)與數(shù)字近景攝影測(cè)量的學(xué)科交叉將會(huì)在計(jì)算機(jī)視覺(jué)中形成一個(gè)新的分支――攝影測(cè)量的計(jì)算機(jī)視覺(jué)，但是它不應(yīng)僅僅局限于地學(xué)信息[2]。

1.　計(jì)算機(jī)視覺(jué)與數(shù)字?jǐn)z影測(cè)量的差異

1.1　目的不同導(dǎo)致二者的坐標(biāo)系和基本公式不同

攝影測(cè)量的基本任務(wù)是嚴(yán)格建立相片獲取瞬間所存在的像點(diǎn)與對(duì)應(yīng)物點(diǎn)之間的幾何關(guān)系，最終實(shí)現(xiàn)利用攝影片上的影像信息測(cè)制各種比例尺地形圖，建立地形數(shù)據(jù)庫(kù)，為各種地理信息系統(tǒng)建立或更新提供基礎(chǔ)數(shù)據(jù)。因此，它是在測(cè)繪領(lǐng)域內(nèi)發(fā)展起來(lái)的一門學(xué)科。

而計(jì)算機(jī)視覺(jué)領(lǐng)域的突出特點(diǎn)是其多樣性與不完善性。計(jì)算機(jī)視覺(jué)的主要任務(wù)是通過(guò)對(duì)采集的圖片或視頻進(jìn)行處理以獲得相應(yīng)場(chǎng)景的三維信息，因此直到計(jì)算機(jī)的性能提高到足以處理大規(guī)模數(shù)據(jù)時(shí)它才得到正式的關(guān)注和發(fā)展，而這些發(fā)展往往起源于其他不同領(lǐng)域的需要。比如在一些不適合于人工作業(yè)的危險(xiǎn)工作環(huán)境或人工視覺(jué)難以滿足要求的場(chǎng)合，常用計(jì)算機(jī)來(lái)替代人工視覺(jué)。

由于攝影測(cè)量是測(cè)繪地形圖的重要手段之一，為了測(cè)繪某一地區(qū)而攝影的所有影像，必須建立統(tǒng)一的坐標(biāo)系。而計(jì)算機(jī)視覺(jué)是研究怎樣用計(jì)算機(jī)模擬人的眼睛，因此它是以眼睛（攝影機(jī)中心）與光軸構(gòu)成的坐標(biāo)系為準(zhǔn)。因此，攝影測(cè)量與計(jì)算機(jī)視覺(jué)目的不同，導(dǎo)致它們對(duì)物體與影像之間關(guān)系的描述也不同。

1.2　二者處理流程不同

2.　可用于數(shù)字?jǐn)z影測(cè)量領(lǐng)域的計(jì)算機(jī)視覺(jué)理論――立體視覺(jué)

2.1　立體視覺(jué)

立體視覺(jué)是計(jì)算機(jī)視覺(jué)中的一個(gè)重要分支，一直是計(jì)算機(jī)視覺(jué)研究的重點(diǎn)和熱點(diǎn)之一，在20多年的發(fā)展過(guò)程中，逐漸形成了自己的方法和理論。立體視覺(jué)的基本原理是從兩個(gè)（或多個(gè)）視點(diǎn)觀察同一景物，以獲取在不同視角下的感知圖像，通過(guò)三角測(cè)量原理計(jì)算像像素間的位置偏差（即視差）來(lái)獲取景物的三維信息，這一過(guò)程與人類視覺(jué)的立體感知過(guò)程是類似的。一個(gè)完整的立體視覺(jué)系統(tǒng)通常可分為圖像獲取、攝像機(jī)定標(biāo)、特征提取、影像匹配、深度確定及內(nèi)插等6個(gè)大部分[5]。其中影像匹配是立體視覺(jué)中最重要也是最困難的問(wèn)題，也是計(jì)算機(jī)視覺(jué)和數(shù)字?jǐn)z影測(cè)量的核心問(wèn)題。

2.2　影像匹配

立體視覺(jué)的最終目的是為了恢復(fù)景物可視表面的完整信息。當(dāng)空間三維場(chǎng)景被投影為二維圖像時(shí)，同一景物在不同視點(diǎn)下的圖像會(huì)有很大不同，而且場(chǎng)景中的諸多因素，如光照條件，景物幾何形狀和物理特性、噪聲干擾和畸變以及攝像機(jī)特性等，都被綜合成單一的圖像中的灰度值。因此，要準(zhǔn)確地對(duì)包含了如此之多不利因素的圖像進(jìn)行無(wú)歧義的匹配，顯然是十分困難的。

在攝影測(cè)量中最基本的過(guò)程之一就是在兩幅或者更多幅的重疊影像中識(shí)別并定位同名點(diǎn)，以產(chǎn)生立體影像。在模擬攝影測(cè)量和解析攝影測(cè)量中，同名點(diǎn)的識(shí)別是通過(guò)人工操作方式完成的；而在數(shù)字?jǐn)z影測(cè)量中則利用計(jì)算機(jī)代替人工解決同名點(diǎn)識(shí)別的問(wèn)題，即采用影像匹配的方法。

2.3　多目立體視覺(jué)

根據(jù)單張相片只能確定地面某個(gè)點(diǎn)的方向，不能確定地面點(diǎn)的三維空間位置，而有了立體像對(duì)則可構(gòu)成與地面相似的立體模型，解求地面點(diǎn)的空間位置。雙目立體視覺(jué)由不同位置的兩臺(tái)或者一臺(tái)攝像機(jī)（CCD）經(jīng)過(guò)移動(dòng)或旋轉(zhuǎn)拍攝同一幅場(chǎng)景，就像人有了兩只眼睛，才能看三維立體景觀一樣，然后通過(guò)計(jì)算空間點(diǎn)在兩幅圖像中的視差，獲得該點(diǎn)的三維坐標(biāo)值。現(xiàn)在的數(shù)字?jǐn)z影測(cè)量中的立體像對(duì)技術(shù)通常是在一條基線上進(jìn)行的，但是由于采用計(jì)算機(jī)匹配替代人眼測(cè)定影像同名像對(duì)時(shí)存在大量的誤匹配，使自動(dòng)匹配的結(jié)果很不可靠。其存在的問(wèn)題主要是，對(duì)存在特殊結(jié)構(gòu)的景物，如平坦、缺乏紋理細(xì)節(jié)、周期性的重復(fù)特征等易產(chǎn)生假匹配；在攝像機(jī)基線距離增大時(shí)，遮擋嚴(yán)重，能重建的空間點(diǎn)減少。為了解決這些問(wèn)題，降低雙目匹配的難度，自1986年以來(lái)出現(xiàn)了三目立體視覺(jué)系統(tǒng)，即采用3個(gè)攝像機(jī)同時(shí)攝取空間景物，通過(guò)利用第三目圖像提供的信息來(lái)消除匹配的歧義性[5]。采用“多目立體視覺(jué)技術(shù)”可以利用攝影測(cè)量的空中三角測(cè)量原理，對(duì)多度重疊點(diǎn)進(jìn)行“多方向的前方交會(huì)”，既能較有效地解決隨機(jī)的誤匹配問(wèn)題，同時(shí)又能增加交會(huì)角，提高高程測(cè)量的精度[2]。這項(xiàng)技術(shù)的應(yīng)用，將很大程度地解決自動(dòng)匹配結(jié)果的不可靠性，提高數(shù)字?jǐn)z影測(cè)量系統(tǒng)的準(zhǔn)確性。

第3篇：計(jì)算機(jī)視覺(jué)的核心范文

關(guān)鍵詞：計(jì)算機(jī)視覺(jué)技術(shù)；C# ；；作物無(wú)損檢測(cè)；軟件設(shè)計(jì)

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2013）15-3640-03

數(shù)字農(nóng)業(yè)和農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)作為現(xiàn)代農(nóng)業(yè)最前沿的發(fā)展領(lǐng)域之一，是當(dāng)今世界發(fā)展農(nóng)業(yè)信息化，實(shí)現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展的關(guān)鍵和核心技術(shù)。數(shù)字農(nóng)業(yè)要求快速、實(shí)時(shí)、準(zhǔn)確和定位化的獲取植物生長(zhǎng)信息，而農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)要求植物信息可實(shí)時(shí)動(dòng)態(tài)感知，顯然，傳統(tǒng)的實(shí)驗(yàn)室測(cè)量分析和信息獲取方法已經(jīng)不能滿足數(shù)字農(nóng)業(yè)和農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)的發(fā)展要求。因此，研究和開(kāi)發(fā)植物生命信息快速無(wú)損檢測(cè)技術(shù)和傳感儀器等軟硬件平臺(tái)已經(jīng)成為現(xiàn)代農(nóng)業(yè)承待解決的關(guān)鍵問(wèn)題[1]。

目前，國(guó)內(nèi)在作物無(wú)損檢測(cè)方面的研究?jī)x器主要是依賴進(jìn)口，而相應(yīng)的軟件也是伴隨著儀器而購(gòu)買。此類軟件，一般價(jià)格昂貴，而且在自主研究平臺(tái)中，因?yàn)闊o(wú)法取得源代碼而無(wú)法使用或升級(jí)，從而出現(xiàn)研究瓶頸。在各類無(wú)損化檢測(cè)技術(shù)中，隨著計(jì)算機(jī)視覺(jué)技術(shù)越來(lái)越廣泛的應(yīng)用，對(duì)應(yīng)的軟件系統(tǒng)的開(kāi)發(fā)迫在眉睫[2]。

正是基于這樣的背景，我們通過(guò)對(duì)目前應(yīng)用比較廣泛的C#進(jìn)行研究，利用C#強(qiáng)大的數(shù)據(jù)處理能力和良好的用戶界面開(kāi)發(fā)，并結(jié)合強(qiáng)大的圖像處理能力，進(jìn)行作物實(shí)時(shí)檢測(cè)軟件平臺(tái)的自主設(shè)計(jì)與開(kāi)發(fā)。

1 計(jì)算機(jī)視覺(jué)技術(shù)簡(jiǎn)介

計(jì)算機(jī)視覺(jué)也稱機(jī)器視覺(jué)，是采用攝像機(jī)或者數(shù)碼相機(jī)將被檢測(cè)圖像轉(zhuǎn)化為數(shù)字信號(hào)，再采用先進(jìn)的計(jì)算機(jī)軟件技術(shù)對(duì)圖像信號(hào)進(jìn)行處理，從而得到所需要的各種目標(biāo)圖像特征值。并由此實(shí)現(xiàn)模式識(shí)別，坐標(biāo)計(jì)算等功能。然后再根據(jù)其結(jié)果輸出數(shù)據(jù)，發(fā)出指令，再配合執(zhí)行機(jī)構(gòu)完成好壞篩選，位置調(diào)整，數(shù)據(jù)統(tǒng)計(jì)等自動(dòng)化流程。與人工視覺(jué)相比較，計(jì)算機(jī)視覺(jué)的最大的優(yōu)點(diǎn)是快速、精確、可靠，以及數(shù)字化。

隨著數(shù)字農(nóng)業(yè)和農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)的發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)將越來(lái)越廣泛的應(yīng)用于農(nóng)業(yè)生產(chǎn)中，而構(gòu)成計(jì)算機(jī)視覺(jué)系統(tǒng)的軟件系統(tǒng)是整個(gè)計(jì)算機(jī)視覺(jué)系統(tǒng)的靈魂。隨著硬件技術(shù)的不斷發(fā)展完善，計(jì)算機(jī)視覺(jué)系統(tǒng)其功能是否強(qiáng)大，可以說(shuō)完全取決于軟件系統(tǒng)的能力。

2 軟件系統(tǒng)設(shè)計(jì)

2.1 C#與

C#是由微軟公司開(kāi)發(fā)的一種面向?qū)ο蟮男滦途幊陶Z(yǔ)言，它是從C和C++ 中派生出來(lái)的，保留了C/C++原有的強(qiáng)大功能，并且繼承了C/C++的靈活性。同時(shí)由于是MicroSoft公司的產(chǎn)品，它又同Visual Basic一樣具有簡(jiǎn)單的語(yǔ)法結(jié)構(gòu)和高效的開(kāi)發(fā)能力，可以使程序員快速的編寫出基于.NET平臺(tái)的應(yīng)用程序。

一個(gè)基于C#框架，專門為C#開(kāi)發(fā)者和研究者設(shè)計(jì)和開(kāi)發(fā)的，這個(gè)框架提供了豐富的類庫(kù)資源，包括圖像處理，神經(jīng)網(wǎng)絡(luò)，模糊系統(tǒng)，遺傳算法，人工智能和機(jī)器人控制等領(lǐng)域。該框架架構(gòu)合理，易于擴(kuò)展，涉及多個(gè)較前沿的技術(shù)模塊，為相關(guān)開(kāi)發(fā)人員或科研人員的工作提供了極大的便利。本系統(tǒng)就是采用C#程序設(shè)計(jì)語(yǔ)言，通過(guò)調(diào)用該框架來(lái)實(shí)現(xiàn)作物無(wú)損檢查系統(tǒng)的開(kāi)發(fā)。

2.2 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

本軟件系統(tǒng)是在數(shù)碼相機(jī)拍攝的作物圖像的基礎(chǔ)上，采用圖像處理方法進(jìn)行特征提取與分析，從而實(shí)現(xiàn)作物的無(wú)損檢測(cè)。主要分為圖像輸入，圖像預(yù)處理，特征提取，特征分析幾個(gè)模塊。

1） 圖像輸入

將要分析處理的圖像讀取到系統(tǒng)中來(lái)，為后面圖像處理作準(zhǔn)備。C#提供了三個(gè)最重要的圖像處理類，即Bitmap類、BitmapData類和Graphics類。三種圖像處理的方法，即提取像素法、內(nèi)存法和指針?lè)ā膱?zhí)行效率和實(shí)現(xiàn)難度綜合考慮，本系統(tǒng)的開(kāi)發(fā)采用內(nèi)存法。

2） 圖像預(yù)處理

圖像預(yù)處理主要包括圖像的大小調(diào)整，形態(tài)矯正，平滑和去噪等，以降低環(huán)境對(duì)拍攝照片造成的不利影響。提供了多個(gè)類，可以對(duì)圖像進(jìn)行平滑去噪等操作，本系統(tǒng)中采用了中值濾波算方法，對(duì)應(yīng)中的Median類。

3） 特征提取

特征提取分析，是整個(gè)系統(tǒng)的核心所在，需要選取合適的圖像分割算法，對(duì)圖像進(jìn)行處理，提取目標(biāo)區(qū)域，為特征分析作準(zhǔn)備。在本系統(tǒng)中采用了閾值分割技術(shù)，因?yàn)檫@種算法相對(duì)來(lái)說(shuō)比較直接并且易于實(shí)現(xiàn)。

采用閾值分割技術(shù)，首先，必需確定一個(gè)閾值作為圖像分割的閾值，在本系統(tǒng)中，采用自適應(yīng)閾值法，由用戶在軟件的操作過(guò)程中進(jìn)行設(shè)定，并且可以根據(jù)需要進(jìn)行調(diào)整。然后，根據(jù)這個(gè)閾值對(duì)圖像進(jìn)行分割，并將其轉(zhuǎn)化為二值圖，如圖（b）所示。從圖中我們可以看到二值圖像中存在大量的小孔，這種太小的孔洞對(duì)我們進(jìn)行圖像分析沒(méi)有實(shí)際意義，并且會(huì)干擾結(jié)果的正確性，因此我們需要采用腐蝕和膨脹的形態(tài)學(xué)方法來(lái)進(jìn)行填充孔洞，結(jié)果如圖（C）所示。最后，我們需要根據(jù)需要提取目標(biāo)區(qū)，涉及到連通區(qū)域的提取問(wèn)題。最后，輸出結(jié)果。

4） 特征分析

對(duì)圖像分割結(jié)果進(jìn)行分析，用于指導(dǎo)生產(chǎn)實(shí)踐。我們可以對(duì)通過(guò)圖像處理得到的目標(biāo)區(qū)域進(jìn)行分析，比如可以根據(jù)葉片顏色的變化判斷葉綠素含量，進(jìn)而推算出作物的營(yíng)養(yǎng)狀況，根據(jù)色素區(qū)域的大小計(jì)算出葉面積，根據(jù)不同區(qū)域的形狀、大小判斷病蟲害等。

3 實(shí)驗(yàn)結(jié)果及分析

軟件運(yùn)行后主界面如圖3所示。

為驗(yàn)證本系統(tǒng)的有效性，我們通過(guò)設(shè)定不同的閾值進(jìn)行圖像分割，并跟photoshop cs4軟件中魔棒的工具作對(duì)比，來(lái)提取圖片中的目標(biāo)區(qū)域。測(cè)試圖片大小為800px×610px，取特征點(diǎn)坐標(biāo)P（310，70），該點(diǎn)的RGB值為（29，92，0），獲取目標(biāo)區(qū)域的總像素和綠色分量平均值，數(shù)據(jù)如表1所示。

從上述表中我們可以看出，本軟件在圖像處理目標(biāo)區(qū)域的提取方面，提取到的目標(biāo)區(qū)域較photoshop 提取的小，綠色分量平均值較photoshop更接近特征點(diǎn)數(shù)值，由此看出用本軟件做圖像分割準(zhǔn)確性更高。

4 結(jié)束語(yǔ)與展望

計(jì)算機(jī)視覺(jué)具有非破壞性、快速、高效、信息量大等特點(diǎn)，目前已在主要的農(nóng)作物和經(jīng)濟(jì)作物的養(yǎng)分診斷，植物病蟲害的快速檢測(cè)及預(yù)警預(yù)報(bào)等方面有了廣泛應(yīng)用，取得了較好的效果。隨著計(jì)算機(jī)視覺(jué)技術(shù)和圖像處理技術(shù)的發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)將更多的應(yīng)用于植物長(zhǎng)勢(shì)預(yù)測(cè)、產(chǎn)量估計(jì)等方面。

通過(guò)本次研究，開(kāi)發(fā)了一個(gè)交互界面良好的色素分量檢測(cè)系統(tǒng)，能對(duì)圖像在RGB分量上實(shí)現(xiàn)閾值分割，并實(shí)現(xiàn)目標(biāo)區(qū)域的獲取分析。該文主要提倡一種軟件開(kāi)發(fā)的理念，所設(shè)計(jì)開(kāi)發(fā)的軟件的針對(duì)性較強(qiáng)，還存在著很多的局限和不足，要作為計(jì)算機(jī)視覺(jué)類的通用軟件，系統(tǒng)的穩(wěn)定性和功能都還有待進(jìn)一步提升。

參考文獻(xiàn)：

[1] 劉飛.基于光譜和多光譜成像技術(shù)的油菜生命信息快速無(wú)損檢查機(jī)理和方法研究[D].浙江：浙江大學(xué)博士學(xué)位論文，2011.

[2] 朱哲燕，陳紅.基于MATLAB的作物信息光譜分析平臺(tái)的設(shè)計(jì)與開(kāi)發(fā)[J].科技資訊，2012（16）.

[3] 蔣麗華.基于計(jì)算機(jī)視覺(jué)技術(shù)的葉綠素含量檢測(cè)系統(tǒng)[D].蘇州：蘇州大學(xué)碩士學(xué)位論文，2009.

[4] 趙春江.C#數(shù)字圖像處理算法典型實(shí)例[M].北京：人民郵電出版社，2009.

[5] 何勇，劉飛，聶鵬程. 數(shù)字農(nóng)業(yè)與農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)[J].農(nóng)機(jī)論壇，2012（1）.

[6] 張起麗.基于數(shù)學(xué)形態(tài)學(xué)的彩色圖像處理研究[D].西安：西北大學(xué)碩士學(xué)位論文，2009

[7] 冀高.基于數(shù)字圖像處理的棉花群體特征提取[D].北京：北京郵電大學(xué)碩士學(xué)位論文，2007.

第4篇：計(jì)算機(jī)視覺(jué)的核心范文

關(guān)鍵詞：計(jì)算機(jī)；交通監(jiān)管系統(tǒng)；視覺(jué)

中圖分類號(hào)：TP277

近年來(lái)，道路交通安全問(wèn)題因公路交通事業(yè)的快速發(fā)展而受到越來(lái)多關(guān)注。據(jù)2002年世界銀行統(tǒng)計(jì)，全球平均每年死于道路交通事故高達(dá)117萬(wàn)人。而在中國(guó)，據(jù)2008年公安部交通管理局公布的數(shù)據(jù)顯示，全國(guó)道路交通事故多達(dá)265204起，死亡人數(shù)為73484人。

全國(guó)道路交通事故防御工作隨公路里程、機(jī)動(dòng)車保有量、道路交通流量、駕駛?cè)藬?shù)的增加成遞增趨勢(shì)。而通過(guò)必要的技術(shù)手段構(gòu)建交通安全保障機(jī)制，降低交通事故是重中之重。若要好的為基礎(chǔ)的交通違規(guī)行為檢測(cè)技術(shù)的不斷更新，市場(chǎng)上已出現(xiàn)了自動(dòng)檢測(cè)與記錄的商業(yè)化產(chǎn)品，能實(shí)時(shí)記錄出闖紅燈、違規(guī)超車、違規(guī)停車、超速、逆行等違規(guī)行為。然而，我國(guó)高速交通監(jiān)控體系仍比較落后，大多在交叉路口設(shè)置電子警察系統(tǒng)以此檢測(cè)車輛闖紅燈的違規(guī)行為。交通管理部門并不能對(duì)出現(xiàn)違規(guī)行為的車輛進(jìn)行及時(shí)的交通管制和處理，概括來(lái)說(shuō)管理與檢測(cè)仍處于管理誤區(qū)與盲目狀態(tài)。針對(duì)該現(xiàn)象，文本研究了基于計(jì)算機(jī)的交通監(jiān)管系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)。

1 智能交通管理系統(tǒng)簡(jiǎn)介

ITS系統(tǒng)，該系統(tǒng)綜合先進(jìn)的現(xiàn)代計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、信息電子通訊技術(shù)、現(xiàn)代信息技術(shù)以及自動(dòng)控制技術(shù)等，并將其在整個(gè)交通運(yùn)輸管理體系進(jìn)行有效的運(yùn)用，為此建立起一種實(shí)時(shí)、有效、準(zhǔn)確、范圍廣的全方位發(fā)揮作用的交通運(yùn)輸控制體系和綜合管理系統(tǒng)。近幾年人流、車流隨著城市發(fā)展而猛增，交通職能部門對(duì)更加智能的交通管理系統(tǒng)的需求越來(lái)越急迫。所以，ITS成為21世紀(jì)地面交通管理、運(yùn)輸科技、運(yùn)營(yíng)的主要研究方向，帶領(lǐng)著交通運(yùn)輸一場(chǎng)偉大的變革。北美、西歐、日本自上世紀(jì)80年代末就開(kāi)始競(jìng)相發(fā)展智能運(yùn)輸系統(tǒng)，并制定相應(yīng)的開(kāi)發(fā)計(jì)劃加以實(shí)施，而發(fā)展中國(guó)家也開(kāi)始對(duì)ITS系統(tǒng)的全面研究與開(kāi)發(fā)。

2 認(rèn)識(shí)基于計(jì)算機(jī)視覺(jué)的智能交通監(jiān)控系統(tǒng)

2.1 計(jì)算機(jī)視覺(jué)技術(shù)

所謂計(jì)算機(jī)視覺(jué)，理解為使用可替代人眼的高清攝影機(jī)設(shè)備或其他現(xiàn)代高清電子影像攝錄裝備進(jìn)行觀察，實(shí)現(xiàn)對(duì)目標(biāo)的追蹤定位、圖像識(shí)別、模擬數(shù)據(jù)測(cè)量等，并對(duì)采集的視覺(jué)數(shù)據(jù)信息送達(dá)遠(yuǎn)端計(jì)算機(jī)服務(wù)器，通過(guò)計(jì)算機(jī)服務(wù)器的信號(hào)圖形圖像處理技術(shù)對(duì)視頻數(shù)據(jù)信息進(jìn)行進(jìn)一步加工，實(shí)現(xiàn)三維重現(xiàn)現(xiàn)實(shí)情景的計(jì)算機(jī)觀察呈現(xiàn)技術(shù)。

2.2 智能交通監(jiān)測(cè)系統(tǒng)

通過(guò)使用現(xiàn)有的、先進(jìn)的計(jì)算機(jī)智能化、視覺(jué)化、信息化科技對(duì)國(guó)內(nèi)各大路況交通運(yùn)輸實(shí)施監(jiān)測(cè)，為工作于交通運(yùn)輸人員呈現(xiàn)數(shù)據(jù)信息的自動(dòng)化采集、分析、處理等的智能化服務(wù)，且該交通管理系統(tǒng)存在一定自作能力和指揮能力，即為智能交通系統(tǒng)。隨著道路、車輛的飛速發(fā)展，人民生活水平及國(guó)民生產(chǎn)總值的不斷提高，智能交通系統(tǒng)，在國(guó)內(nèi)外受到越來(lái)越多的青睞。近幾年，各道路關(guān)鍵路段、路口隨著道路監(jiān)控機(jī)制的普遍建立，也都基本完成了視頻監(jiān)控。

2.3 基于計(jì)算機(jī)視覺(jué)的智能交通監(jiān)控機(jī)制

根據(jù)前面2.1對(duì)計(jì)算機(jī)視覺(jué)技術(shù)和2.2對(duì)智能化交通監(jiān)控系統(tǒng)概念的解析與理解，可總結(jié)出以計(jì)算機(jī)視覺(jué)為基礎(chǔ)的智能化交通監(jiān)控機(jī)制，其是通過(guò)現(xiàn)代高端計(jì)算機(jī)對(duì)視覺(jué)信息收集、提取、處理、分析等技術(shù)，實(shí)現(xiàn)對(duì)城市道路交通信息的實(shí)時(shí)監(jiān)控、視頻數(shù)據(jù)的收集、信息分析處理，并對(duì)城市交通狀況使用智能交通機(jī)制狀況，并通過(guò)視頻影像引導(dǎo)車輛行駛，以此降低或避免各種各樣交通事故發(fā)生的智能化交通監(jiān)控機(jī)制。

3 構(gòu)建以計(jì)算機(jī)視覺(jué)為基礎(chǔ)的智能交通監(jiān)控機(jī)制及配套措施

3.1 基于計(jì)算機(jī)視覺(jué)的智能交通監(jiān)控機(jī)制的構(gòu)建

監(jiān)控指揮系統(tǒng)、實(shí)時(shí)交通信息收集系統(tǒng)、高質(zhì)量信息傳輸系統(tǒng)是基于計(jì)算機(jī)視覺(jué)的智能交通監(jiān)控的三大系統(tǒng)。實(shí)時(shí)交通信息收集系統(tǒng)由多套信息收集裝置組成，通過(guò)這些信息采集裝置實(shí)時(shí)監(jiān)控不同位置交通現(xiàn)狀。實(shí)時(shí)交通信息收集系統(tǒng)不僅能進(jìn)行路段監(jiān)控與實(shí)時(shí)交通信息采集的工作，還能將收集數(shù)據(jù)信息，經(jīng)由高質(zhì)量信息傳輸系統(tǒng)實(shí)施輸送，或在服務(wù)器中存儲(chǔ)已處理的信息；一個(gè)中央數(shù)據(jù)庫(kù)與一個(gè)中央服務(wù)器是高質(zhì)量信息存儲(chǔ)傳輸系統(tǒng)核心部分，其中中央數(shù)據(jù)庫(kù)對(duì)獲取到的實(shí)時(shí)交通路況信息進(jìn)行存儲(chǔ)。而為了便于工作者能通過(guò)界面對(duì)中央數(shù)據(jù)庫(kù)實(shí)施提取、查詢、查看等操作，因此該界面就由中央服務(wù)器來(lái)提供，此外該服務(wù)器還能將已處理的實(shí)時(shí)路況數(shù)據(jù)通過(guò)高質(zhì)量的傳輸系統(tǒng)輸送到監(jiān)控指揮機(jī)制，達(dá)到對(duì)各路段的交通進(jìn)行管制、部署及指揮的目的。

3.2 專業(yè)技術(shù)人員的儲(chǔ)備

以計(jì)算機(jī)視覺(jué)技術(shù)為基礎(chǔ)的智能交通監(jiān)控機(jī)制是一個(gè)龐大的系統(tǒng)，具有突出點(diǎn)的優(yōu)點(diǎn)，該系統(tǒng)集自動(dòng)化、信息化、智能化為一體，只有專業(yè)的技術(shù)人才才能使該系統(tǒng)高效工作，因此開(kāi)展培訓(xùn)儲(chǔ)備相關(guān)技術(shù)人員至關(guān)重要。實(shí)時(shí)交通信息借助于先進(jìn)的高清裝置的正常采集工作，所以儲(chǔ)備一批針對(duì)高清裝置安裝、檢測(cè)、調(diào)試及故障修復(fù)的技術(shù)人員極為重要。現(xiàn)代基于計(jì)算機(jī)視覺(jué)的智能交通監(jiān)控機(jī)制雖然本身具有一定的圖形圖像分析及處理能力，然而有些工作人是永遠(yuǎn)被替代的，所以培養(yǎng)儲(chǔ)備一批專業(yè)的圖形圖像處理技術(shù)人員也是重要的。儲(chǔ)備服務(wù)器維護(hù)技術(shù)工，每天以計(jì)算機(jī)視覺(jué)技術(shù)為基礎(chǔ)的智能交通監(jiān)控機(jī)制都會(huì)獲取大量的監(jiān)控信息數(shù)據(jù)，然而只有大型的服務(wù)器才能存儲(chǔ)這些數(shù)據(jù)，可想而知一旦服務(wù)器癱瘓就會(huì)引發(fā)整個(gè)機(jī)制的崩潰，造成嚴(yán)重的后果，因此專業(yè)服務(wù)器維護(hù)工作者的儲(chǔ)備與培養(yǎng)也尤為重要。基于計(jì)算機(jī)視覺(jué)技術(shù)的智能交通監(jiān)控機(jī)制并不能取代交通指揮員，其僅是用來(lái)采集實(shí)時(shí)交通信息的系統(tǒng)，僅為了協(xié)助交通指揮員監(jiān)管及疏導(dǎo)城市交通，因此要求儲(chǔ)備一批高素質(zhì)、高質(zhì)量的交通指揮員也極為必要。

3.3 交通知識(shí)的宣傳

大城市的交通問(wèn)題，并不是依靠單純的開(kāi)發(fā)先進(jìn)的計(jì)算機(jī)視覺(jué)智能交通監(jiān)控系統(tǒng)就能處理解決，也不是單單要求市政建設(shè)增加公交數(shù)量、增鋪幾條公路或增開(kāi)通幾條地鐵就能解決的，以上這些僅是輔助方法。關(guān)鍵在于開(kāi)展交通知識(shí)的宣傳與教育工作，強(qiáng)化駕駛員的素質(zhì)，倡導(dǎo)不酒駕、不逆行、不超速、限號(hào)行駛等，自覺(jué)遵守道路交通規(guī)則，提倡公交地鐵出行，減少私家車輛行駛，齊心協(xié)力共同打造和諧的交通環(huán)境。

3.4 獲取政府支持

市政建設(shè)的主要問(wèn)題之一即是交通問(wèn)題，政府的支持是萬(wàn)萬(wàn)不可缺失的。由于構(gòu)建以計(jì)算機(jī)視覺(jué)技術(shù)為基礎(chǔ)的智能交通管制機(jī)制，涉及面廣，包括道路勘測(cè)、先進(jìn)裝置的引進(jìn)、專業(yè)技術(shù)人員的儲(chǔ)備、裝備組織安裝與調(diào)試、后期維護(hù)等等多方面，這些都需要投入大量的人力、財(cái)力、物力，而對(duì)于任何一個(gè)單位、部門或幾個(gè)市政部門來(lái)說(shuō)都無(wú)法獨(dú)自承擔(dān)，由此可知政府的大力支持是必不可少的，以政府的力量為媒介，將各部門進(jìn)行協(xié)調(diào)、協(xié)作，只有這樣才能構(gòu)建成較健全的交通監(jiān)控體系。

4 結(jié)束語(yǔ)

道路交通雜、亂是國(guó)內(nèi)城市交通最突出的特點(diǎn)之一，對(duì)于我國(guó)的交通事業(yè)來(lái)說(shuō)進(jìn)行行人識(shí)別勢(shì)在必行。而我國(guó)對(duì)于行人識(shí)別的研究仍處于起步階段，還較落后。且基于計(jì)算機(jī)的交通監(jiān)管系統(tǒng)設(shè)計(jì)較為復(fù)雜，涵蓋點(diǎn)較多，因此本文僅對(duì)設(shè)計(jì)進(jìn)行簡(jiǎn)要介紹，希望達(dá)到拋磚引玉的效果。

參考文獻(xiàn)：

[1]康曉麗.無(wú)線網(wǎng)絡(luò)技術(shù)在交通管理中的應(yīng)用[J].科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì)，2011（21）.

[2]鐘振，賴順橋，肖熠琳，張沛強(qiáng).RFID車輛智能管理系統(tǒng)[J].機(jī)電工程技術(shù)，2011（02）.

[3]文軍.視頻監(jiān)控系統(tǒng)軟件現(xiàn)狀與技術(shù)分析[J].金卡工程，2007（08）.

[4]張玉風(fēng).簡(jiǎn)述視頻監(jiān)控系統(tǒng)的發(fā)展歷程[J].鐵道通信信號(hào)工程技術(shù)，2006（06）.

[5]馬伏花，朱青.基于射頻識(shí)別技術(shù)的車輛自動(dòng)識(shí)別系統(tǒng)的實(shí)現(xiàn)[J].中國(guó)儀器儀表，2006（11）.

第5篇：計(jì)算機(jī)視覺(jué)的核心范文

關(guān)鍵詞 計(jì)算機(jī)視覺(jué)；攝像機(jī)定標(biāo)方法；應(yīng)用特點(diǎn)；線性關(guān)系；參照物

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671—7597（2013）022-067-3

計(jì)算機(jī)視覺(jué)中的攝像機(jī)定標(biāo)方法總得來(lái)說(shuō)可以分為兩類——傳統(tǒng)的攝像機(jī)定標(biāo)法和攝像機(jī)自定標(biāo)法。為了能夠使所獲取的場(chǎng)景更加自然，計(jì)算機(jī)視覺(jué)系統(tǒng)可以通過(guò)運(yùn)用攝像機(jī)定標(biāo)方法，加之合理安排攝像機(jī)和計(jì)算機(jī)這兩種成像裝置，來(lái)對(duì)二維的圖像信息進(jìn)行虛擬空間的三維建模，進(jìn)而控制整個(gè)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(jì)算機(jī)視覺(jué)中都是采用的傳統(tǒng)攝像機(jī)定標(biāo)方法，但是這種方法存在著一定的局限性。這種定標(biāo)方法在攝像機(jī)隨意運(yùn)動(dòng)和未知場(chǎng)景的安排下很難進(jìn)行有效的標(biāo)定。隨著計(jì)算機(jī)視覺(jué)中的攝像機(jī)定標(biāo)方法的不斷進(jìn)步和發(fā)展，以及攝像機(jī)自定標(biāo)方法的誕生，使得這項(xiàng)技術(shù)逐漸獲得了相對(duì)廣泛的應(yīng)用。

1 計(jì)算機(jī)視覺(jué)中與攝像機(jī)定標(biāo)解析

計(jì)算機(jī)視覺(jué)的基本任務(wù)是采集一定數(shù)量的圖片或視頻資料并進(jìn)行處理，以此來(lái)獲得相應(yīng)場(chǎng)景環(huán)境下的的三維信息。而這些三維信息與圖像、視頻對(duì)應(yīng)點(diǎn)的相互關(guān)系需要通過(guò)攝像機(jī)的幾何模型來(lái)決定，經(jīng)過(guò)計(jì)算分析得出這些幾何模型參數(shù)的過(guò)程即為攝像機(jī)定標(biāo)。如此看來(lái)，計(jì)算機(jī)視覺(jué)與攝像機(jī)定標(biāo)的關(guān)系密不可分，目前可知，計(jì)算機(jī)視覺(jué)與攝像機(jī)定標(biāo)的結(jié)合已經(jīng)運(yùn)用到相關(guān)領(lǐng)域，如高速公路上的車輛自主導(dǎo)航，部分醫(yī)學(xué)圖像的處理，電腦中臉孔或指紋識(shí)別等。但是由于所使用的目標(biāo)人群相對(duì)較窄，以及攝像機(jī)定標(biāo)方法的相對(duì)局限，使得計(jì)算機(jī)視覺(jué)的攝像機(jī)定標(biāo)無(wú)法廣泛的運(yùn)用到各個(gè)行業(yè)領(lǐng)域。正因如此，才加大了對(duì)計(jì)算機(jī)中攝像機(jī)定標(biāo)方法的研究的必要性。下面就來(lái)對(duì)攝像機(jī)定標(biāo)的兩種方法進(jìn)行簡(jiǎn)要的探討。

2 傳統(tǒng)的攝影機(jī)定標(biāo)方法及應(yīng)用特點(diǎn)

傳統(tǒng)的攝像機(jī)定標(biāo)方法主要是在相應(yīng)的攝像機(jī)模型下面，通過(guò)對(duì)一系列的數(shù)學(xué)公式進(jìn)行變換計(jì)算和改進(jìn)優(yōu)化，然后對(duì)標(biāo)定的具體參照物進(jìn)行科學(xué)的圖像處理，最終來(lái)獲取攝像機(jī)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(biāo)的參照物與不同的算法思路的限制，傳統(tǒng)的攝像機(jī)定標(biāo)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(biāo)定標(biāo)法、平面型——2D平面靶標(biāo)定標(biāo)法以及以徑向約束為基準(zhǔn)的定標(biāo)法。

2.1 基于3D立體靶標(biāo)的攝像機(jī)定標(biāo)

這種基于3D立體靶標(biāo)的攝像機(jī)定標(biāo)方法就是在攝像機(jī)的前面安置一個(gè)具有3D效果的立體靶標(biāo)裝置，然后將靶標(biāo)上面的任何一個(gè)點(diǎn)都拿出來(lái)作為i這個(gè)參照物的特征點(diǎn)。在計(jì)算機(jī)視覺(jué)系統(tǒng)的作用下，將每一個(gè)靶標(biāo)上面的特征點(diǎn)在整個(gè)三維坐標(biāo)系中進(jìn)行精確的制作測(cè)定。與此同時(shí)，攝像機(jī)首先在拍攝過(guò)程中獲取靶標(biāo)上面的特征點(diǎn)影像信息，然后對(duì)平面圖像坐標(biāo)系和立體空間坐標(biāo)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(guò)數(shù)學(xué)算法中的線性變換法來(lái)對(duì)整個(gè)透視系數(shù)矩陣中的每一個(gè)元素進(jìn)行求解。通常在這種定標(biāo)方法的應(yīng)用過(guò)程中，計(jì)算機(jī)視覺(jué)系統(tǒng)都會(huì)忽略攝相機(jī)鏡頭在拍攝時(shí)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(gè)定標(biāo)過(guò)程確定有效的三維控制點(diǎn)和相應(yīng)的圖像點(diǎn)。在裝置3D立體靶標(biāo)后，整個(gè)攝像機(jī)定標(biāo)就能夠根據(jù)靶標(biāo)上特征點(diǎn)的圖像坐標(biāo)和世界坐標(biāo)，在數(shù)學(xué)變幻算法的應(yīng)用下，計(jì)算出攝像機(jī)的內(nèi)部參數(shù)和外部參數(shù)。

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

2.2 基于2D平面靶標(biāo)的攝像機(jī)定標(biāo)

基于2D平面靶標(biāo)的攝像機(jī)定標(biāo)方法在傳統(tǒng)攝像機(jī)定標(biāo)方法分類中屬于一種新型的定標(biāo)方法，又名張正友定標(biāo)法。這種定標(biāo)法具有靈活適用的特點(diǎn)，也是對(duì)傳統(tǒng)攝像機(jī)定標(biāo)方法的一種簡(jiǎn)化。在定標(biāo)過(guò)程中首先是要在兩個(gè)以上的不同方位對(duì)一個(gè)平面靶標(biāo)進(jìn)行攝相機(jī)拍攝，整個(gè)拍攝過(guò)程中2D平面靶標(biāo)和攝相機(jī)鏡頭都能夠自由地進(jìn)行移動(dòng)，而且要保持整個(gè)攝像機(jī)的內(nèi)部參數(shù)一直固定。通常在基于2D平面靶標(biāo)的攝像機(jī)定標(biāo)法的應(yīng)用中，我們都需要先假定這個(gè)靶標(biāo)在三維空間坐標(biāo)系中的豎軸為0，然后為了求出攝像機(jī)內(nèi)外參數(shù)的優(yōu)化解，要建立相應(yīng)的線性模型，通過(guò)對(duì)線性模型的線性分析來(lái)計(jì)算出優(yōu)化解，最后，運(yùn)用最大似然法排列參數(shù)之間的非線性關(guān)系來(lái)求出其非線性解。在整個(gè)定標(biāo)流程中，必須對(duì)攝像機(jī)的鏡頭畸變的目標(biāo)函數(shù)進(jìn)行綜合考慮，才能夠計(jì)算出攝像機(jī)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(biāo)成本，因此在計(jì)算機(jī)視覺(jué)系統(tǒng)中很為實(shí)用。但是，這種方法在進(jìn)行整個(gè)攝像機(jī)內(nèi)外參數(shù)的線性分析時(shí)，因?yàn)樘卣鲌D像上面的直線在透視之后依然是直線，在進(jìn)行圖像處理的過(guò)程中，會(huì)引入一定的誤差。因此，在很多具有廣角鏡頭的攝像機(jī)定標(biāo)上會(huì)出現(xiàn)因?yàn)殓R頭畸變而引起的較大誤差。

2.3 基于徑向約束的攝像機(jī)定標(biāo)

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

總的來(lái)說(shuō)，基于徑向約束的攝像機(jī)定標(biāo)的精準(zhǔn)是通過(guò)設(shè)備的復(fù)雜和精確來(lái)獲得的，因此具有針對(duì)性的應(yīng)用特點(diǎn)。

3 攝像機(jī)自定標(biāo)方法及其應(yīng)用特點(diǎn)

攝像機(jī)自定標(biāo)方法是指在攝像機(jī)在移動(dòng)時(shí)，周圍環(huán)境中的圖像會(huì)形成一定的對(duì)應(yīng)關(guān)系，通過(guò)這種對(duì)應(yīng)關(guān)系來(lái)對(duì)攝像機(jī)進(jìn)行定標(biāo)的方法，這種方法無(wú)需依賴參照物。攝像機(jī)自定標(biāo)方法主要有以下四種：基于主動(dòng)視覺(jué)的自定標(biāo)法、基于Kruppa方程的自定標(biāo)方法、分層逐步定標(biāo)法以及基于二次曲面的自定標(biāo)方法等。這些方法相較于傳統(tǒng)的攝像機(jī)定標(biāo)方法來(lái)說(shuō)有了很大的改進(jìn)和提高，下面就進(jìn)行簡(jiǎn)要的探討。

3.1 基于主動(dòng)視覺(jué)的自定標(biāo)法

目前，在攝像機(jī)自定標(biāo)方法中的應(yīng)用最為普遍的方法便是基于主動(dòng)視覺(jué)的自定標(biāo)法。這種方法主要是能夠通過(guò)對(duì)攝像機(jī)在移動(dòng)過(guò)程中的對(duì)環(huán)境中的多幅圖像進(jìn)行標(biāo)定，進(jìn)而建立對(duì)應(yīng)關(guān)系來(lái)求出標(biāo)定參數(shù)，由此可見(jiàn)，整個(gè)標(biāo)定過(guò)程不需要精密的標(biāo)定物，如此一來(lái)就能夠使得標(biāo)定問(wèn)題簡(jiǎn)單化。主動(dòng)視覺(jué)系統(tǒng)是這種標(biāo)定方法的核心技術(shù)，就是攝像機(jī)在拍攝過(guò)程中被固定在了一個(gè)能夠得到精確控制的移動(dòng)平臺(tái)上，并且這個(gè)平臺(tái)的相關(guān)參數(shù)能夠通過(guò)計(jì)算機(jī)進(jìn)行精確的讀出，在整個(gè)拍攝過(guò)程中攝像機(jī)只需要通過(guò)一定的特殊運(yùn)動(dòng)來(lái)獲取多幅圖像信息，然后在結(jié)合攝像機(jī)運(yùn)動(dòng)的具體參數(shù)和圖像的參數(shù)來(lái)確定整個(gè)攝像機(jī)的內(nèi)部和外部參數(shù)，達(dá)到攝像機(jī)定標(biāo)的效果。其中基于主動(dòng)視覺(jué)的自定標(biāo)法的代表方法就是馬頌德提出的控制攝像機(jī)的兩組三正交平移運(yùn)動(dòng)的標(biāo)定方法。后來(lái)，李華、楊長(zhǎng)江等人對(duì)這種方法進(jìn)行了改進(jìn)和優(yōu)化，提出了基于四組平面正交和五組平面正交運(yùn)動(dòng)的標(biāo)定方法，并能夠利用獲取圖像中的機(jī)電信息來(lái)對(duì)攝像機(jī)的參數(shù)進(jìn)行線性表定。

這種方法算法簡(jiǎn)便，能夠獲得整個(gè)參數(shù)的線性解，但是這種方法對(duì)整個(gè)攝像機(jī)的運(yùn)動(dòng)平臺(tái)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(biāo)方法

基于Kruppa方程的自定標(biāo)方法主要是在整個(gè)攝像機(jī)自定標(biāo)過(guò)程中導(dǎo)入了Kruppa方程，并對(duì)該方程進(jìn)行直接求解，從而得到整個(gè)攝像機(jī)的具體參數(shù)的方法。基于Kruppa方程的自定標(biāo)方法在應(yīng)用時(shí)利用了極線變幻和二次曲線像的概念對(duì)Kruppa進(jìn)行推導(dǎo)，直接進(jìn)行求解。

這種標(biāo)定方法不需要對(duì)整個(gè)圖像的序列進(jìn)行射影重建，通常是對(duì)兩個(gè)圖像之間的信息建立一個(gè)方程，相較于逐步分層標(biāo)定方法而言，基于Kruppa方程的自定標(biāo)方法能夠?qū)⒛承┖茈y做到所有圖像整合到一個(gè)統(tǒng)一的射影框架中的情況更加具有優(yōu)勢(shì)，但是這種方法還是存在著一定的局限性，它無(wú)法保證在無(wú)窮遠(yuǎn)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(dāng)整個(gè)攝像機(jī)拍攝的圖像的序列較長(zhǎng)的時(shí)候，基于Kruppa方程的自定標(biāo)方法就顯得很不穩(wěn)定，繼而不能夠很好地算出整個(gè)攝像機(jī)的內(nèi)外參數(shù)，對(duì)定標(biāo)造成了一定的影響。

3.3 分層逐步定標(biāo)法

分層逐步定標(biāo)法是攝像機(jī)自定標(biāo)方法中的一個(gè)研究熱點(diǎn)，在攝像機(jī)自定標(biāo)的實(shí)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(biāo)方法。分層逐步定標(biāo)法在應(yīng)用過(guò)程中首先需要對(duì)整個(gè)拍攝的圖像序列進(jìn)行攝影重建，這點(diǎn)和基于Kruppa方程的自定標(biāo)方法一樣，然后利用絕對(duì)二次曲面加以約束，最后在確定出無(wú)窮遠(yuǎn)處平面方程中的仿射參數(shù)以及攝像機(jī)內(nèi)部的參數(shù)。分層逐步定標(biāo)法的應(yīng)用特點(diǎn)是必須建立在射影定標(biāo)的基礎(chǔ)之上，利用某一幅圖形作為特征基準(zhǔn)點(diǎn)進(jìn)行射影對(duì)其，將整個(gè)攝像機(jī)自定標(biāo)的未知數(shù)的數(shù)量減少，再運(yùn)用數(shù)學(xué)算法中的非線性優(yōu)化算法來(lái)進(jìn)行未知數(shù)的求解。

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

3.4 基于二次曲面的自定標(biāo)方法

基于二次曲面的自定標(biāo)方法和基于Kruppa方程的自定標(biāo)方法在本質(zhì)上答題一致，這兩種方法都是利用了絕對(duì)二次曲面在歐式變幻算法的計(jì)算下維持的不變性進(jìn)行的。最早將二次曲面的概念引入到計(jì)算機(jī)視覺(jué)系統(tǒng)中攝像機(jī)自定標(biāo)方法的是Triggs，他在這種定標(biāo)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(biāo)方法。

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

4 傳統(tǒng)攝像機(jī)定標(biāo)方法與自定標(biāo)方法優(yōu)缺點(diǎn)分析

從上文可知，對(duì)于傳統(tǒng)攝像機(jī)定標(biāo)方法應(yīng)該取其精華，去其糟粕；對(duì)于攝像機(jī)自定標(biāo)方法，在吸取傳統(tǒng)攝像機(jī)定標(biāo)方法的優(yōu)點(diǎn)的同時(shí)，應(yīng)該加強(qiáng)自身的精度要求。總而言之，兩種攝像機(jī)定標(biāo)方法各自存在利弊，如何改進(jìn)才是正確的研究方向。

4.1 傳統(tǒng)的攝像機(jī)定標(biāo)方法弊端

傳統(tǒng)的攝像機(jī)定標(biāo)方法通過(guò)實(shí)踐證明，在理論上和實(shí)際運(yùn)用上十分有用的，但仍有不少地方需要進(jìn)一步改進(jìn)，以下為它目前存在的問(wèn)題所在：1）攝像機(jī)所拍攝的圖像或視頻存在一定噪聲。在實(shí)際數(shù)據(jù)計(jì)算分析中，這種噪音無(wú)論大小，都會(huì)對(duì)內(nèi)部參數(shù)的實(shí)際解造成大的干擾，并且使實(shí)際解與由約束關(guān)系所求得的解之間有著相當(dāng)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(jī)定標(biāo)亟待解決的1問(wèn)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(jī)定標(biāo)的實(shí)際過(guò)程便是獲得實(shí)際參數(shù)的過(guò)程，即使用各種不同的優(yōu)化計(jì)算方法，來(lái)獲得相應(yīng)的非線性方程的一組解，但實(shí)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(jī)定標(biāo)參數(shù)的不確定性。一般來(lái)講，攝像機(jī)定標(biāo)參數(shù)的不確定性決定著計(jì)算參數(shù)的可信程度，同時(shí)，其對(duì)三維重建有著影響，進(jìn)一步來(lái)講，攝像機(jī)定標(biāo)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(gè)問(wèn)題也需要深入進(jìn)一步研究。

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

4.2 攝像機(jī)自定標(biāo)方法相關(guān)問(wèn)題

目前普遍認(rèn)為，攝像機(jī)自定標(biāo)方法實(shí)現(xiàn)隨時(shí)隨地的校準(zhǔn)攝像機(jī)模型參數(shù)，與傳統(tǒng)的攝像機(jī)定標(biāo)方法相比顯得更為靈活先進(jìn)。攝像機(jī)自定標(biāo)方法無(wú)需參照物，僅僅從圖像或視頻的相關(guān)點(diǎn)中得到它們之間的約束關(guān)系，從而通過(guò)相應(yīng)的分析，計(jì)算出攝像機(jī)模型的參數(shù).這種定標(biāo)方法看似毫無(wú)缺點(diǎn)，但自定標(biāo)的精度與傳統(tǒng)的攝像機(jī)定標(biāo)方法相比，還是存在者一定的缺點(diǎn)，以下便是對(duì)其缺點(diǎn)的歸納總結(jié)：部分?jǐn)z像機(jī)自定標(biāo)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(shí)際的解與理論的解有著相當(dāng)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(jī)定標(biāo)方法的缺點(diǎn)，也是自定標(biāo)方法的一個(gè)問(wèn)題，提高解的精度及穩(wěn)定性，是自定標(biāo)研究的一個(gè)重要方向。實(shí)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(wú)法能夠保證得出全局的最優(yōu)解。由此看來(lái)，這個(gè)問(wèn)題是計(jì)算機(jī)是絕種攝像機(jī)定標(biāo)方法普遍存在的關(guān)鍵性問(wèn)題。

5 結(jié)束語(yǔ)

隨著計(jì)算機(jī)視覺(jué)系統(tǒng)的不斷發(fā)展，攝像機(jī)定標(biāo)技術(shù)也呈現(xiàn)了進(jìn)步的狀態(tài)。綜上所述，計(jì)算機(jī)視覺(jué)中的攝像機(jī)定標(biāo)方法主要有傳統(tǒng)的攝像機(jī)定標(biāo)法和攝像機(jī)自定標(biāo)法，對(duì)這兩類的定標(biāo)方法進(jìn)行深入的研究能夠?yàn)槿嬲J(rèn)識(shí)和了解攝像機(jī)定標(biāo)方法起到很好的幫助作用。計(jì)算機(jī)視覺(jué)中的攝像機(jī)定標(biāo)方法在今后的發(fā)展過(guò)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(gè)多元化信息化的世界里，計(jì)算機(jī)視覺(jué)中的攝像機(jī)定標(biāo)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(duì)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€(gè)定標(biāo)技術(shù)提升一個(gè)高度。相信隨著未來(lái)計(jì)算機(jī)視覺(jué)系統(tǒng)的不斷擴(kuò)展和不斷完善，攝像機(jī)定標(biāo)技術(shù)的應(yīng)用范圍也會(huì)越來(lái)越廣闊。

參考文獻(xiàn)

[1]宋雪峰，楊明，王宏.用于攝像機(jī)標(biāo)定的網(wǎng)格狀紋理的檢測(cè)方法[A].2001年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[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(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)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(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C].1998.

[4]洪俊田，陶劍鋒，李剛，桂預(yù)風(fēng)，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(xué)學(xué)報(bào)（交通科學(xué)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(jī)標(biāo)定方法研究[A].2010振動(dòng)與噪聲測(cè)試峰會(huì)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(xué)技術(shù)學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C].2008.

[7]程建璞，項(xiàng)輝宇，于修洪.基于OpenCV的視覺(jué)測(cè)量技術(shù)中攝像機(jī)標(biāo)定方法[J].北京工商大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，01.

[8]趙越，江南.一種基于3D矩形靶標(biāo)的攝像機(jī)標(biāo)定算法及其實(shí)現(xiàn)[A].第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅰ[C].2011.

第6篇：計(jì)算機(jī)視覺(jué)的核心范文

多采用是人工測(cè)量的方式，在誤差的控制上選擇的是多次測(cè)量，反復(fù)操作，再將多次測(cè)量的結(jié)果進(jìn)行加權(quán)，最終得到相對(duì)準(zhǔn)確的測(cè)量數(shù)值。這種方法在一定程度上是操作十分復(fù)雜，精度還很難達(dá)到設(shè)計(jì)要求，所以我們?cè)诘V區(qū)土地信息測(cè)量工程中引進(jìn)了GIS技術(shù)這樣的一個(gè)概念，下面我們就如何通過(guò)GIS技術(shù)進(jìn)行有效的觀測(cè)測(cè)量來(lái)進(jìn)行討論。

[關(guān)鍵詞] GIS技術(shù)； 精密測(cè)量； 構(gòu)造幾何模型； 信號(hào)源的接收

地理信息系統(tǒng)（Geographic information system，GIS）是利用計(jì)算機(jī)及其外部設(shè)備采集、存儲(chǔ)、分析、描述與空間和地理分布有關(guān)的數(shù)據(jù)的空間信息系統(tǒng)。GIS融合計(jì)算機(jī)圖形和數(shù)據(jù)庫(kù)于一體，在一定的地域內(nèi)，將地理空間信息和一些與該地域地理信息相關(guān)的屬性信息結(jié)合起來(lái)，達(dá)到對(duì)地理和屬性信息的綜合管理。從外部來(lái)看，GSI表現(xiàn)為計(jì)算機(jī)軟硬件系統(tǒng)，而其內(nèi)涵是由計(jì)算機(jī)程序和地理數(shù)據(jù)組織而成的地理空間信息模型，是一個(gè)高度信息化的地理系統(tǒng)。

1）等高線生成及等高線分析：等高線圖是人們傳統(tǒng)上觀測(cè)地形的主要手段。可以在等高線圖上精確地獲知地形的起伏程度、區(qū)域內(nèi)各部分的高程等等。等高線圖可以從格網(wǎng)數(shù)字地形模型中獲取相關(guān)的資料信息，也可在不規(guī)則三角形格網(wǎng)T（NI）中生成。

2）立體透視圖分析：當(dāng)用戶需要從直觀上觀察地形的概貌時(shí)，用繪制透視圖的方法（還可以用色彩）可以更逼真地顯示地形。

3）坡度分析、地表面積計(jì)算及挖、填土方體積計(jì)算：建立DTM后就可以用之計(jì)算坡度、面積和挖、填土方體積，以其作為土地適宜性評(píng)價(jià)的因子。

一 GIS技術(shù)在信息管理模式中的具體形式

在以往的測(cè)量中，選擇的測(cè)量方式還是完全采用機(jī)械的形式，但是在使用了計(jì)算機(jī)GIS技術(shù)精密測(cè)量后，完成了許多以往技術(shù)所不能達(dá)到的任務(wù)。在我們的研究中，計(jì)算機(jī)GIS技術(shù)測(cè)量的原理是通過(guò)攝像機(jī)將被處理的對(duì)象采集進(jìn)行影像采集，在多個(gè)控制點(diǎn)的數(shù)據(jù)采集完成后，系統(tǒng)會(huì)自動(dòng)將這些圖像進(jìn)行整合，得出相關(guān)的幾何多變參數(shù)，再在計(jì)算機(jī)上以具體的數(shù)據(jù)顯示出來(lái)，以供礦區(qū)技術(shù)人員使用參照。

在上面所說(shuō)的攝像機(jī)并不是我們通常意義上生活中使用的攝像機(jī)。它是一種可視化較強(qiáng)，表針比較敏感的測(cè)試儀。可以將視覺(jué)中的二維形態(tài)通過(guò)顯影，記錄在機(jī)械的光譜儀上，再將這種的二維圖像做數(shù)學(xué)處理，有二階矩陣轉(zhuǎn)換為三階矩陣，通過(guò)播放儀呈現(xiàn)出三維的影像。這時(shí)的圖像變?yōu)榱Ⅲw化，更有層次感，效果上也有了明顯的變化，這是一種顯示方法。此外還有一種造價(jià)較高的儀器，我們不常使用，就是圖像提取器。同樣是采集控制點(diǎn)的數(shù)據(jù)，將數(shù)據(jù)整合在系統(tǒng)之內(nèi)，然后對(duì)于原始的圖像進(jìn)行預(yù)處理，不再經(jīng)過(guò)有曝光這個(gè)程序，將圖像中關(guān)鍵點(diǎn)的坐標(biāo)在整個(gè)內(nèi)部軸面上體現(xiàn)出來(lái)，提取數(shù)據(jù)幀數(shù)，再運(yùn)用機(jī)器的智能識(shí)別系統(tǒng)，對(duì)控制點(diǎn)的坐標(biāo)進(jìn)行數(shù)據(jù)分析，自動(dòng)生成圖形，這也可以用于精密測(cè)量。它的優(yōu)點(diǎn)就是使用上極其的方面，基本只要架立儀器和打開(kāi)開(kāi)關(guān)，其他的工作機(jī)械系統(tǒng)都會(huì)自動(dòng)的完成。使用的困難就是造價(jià)極其的高，不適合一般企業(yè)使用。在基于計(jì)算機(jī)視覺(jué)圖像測(cè)量中使用上的原理如下：

（1）計(jì)算出觀察控制點(diǎn)到計(jì)算機(jī)視覺(jué)圖像測(cè)量?jī)x器的有效距離；

（2）得出觀察點(diǎn)到目標(biāo)控制點(diǎn)之間的三維的運(yùn)動(dòng)幾何參數(shù)；

（3）推斷出目標(biāo)控制點(diǎn)在整個(gè)平面上的表面特征（大多時(shí)候要求形成立體視覺(jué)）；

（4）還通過(guò)觀察可以判斷出目標(biāo)物體的幾何坐標(biāo)方位。

在整個(gè)計(jì)算機(jī)GIS技術(shù)精密測(cè)量的在礦區(qū)土地信息管理中最關(guān)鍵的元件就是壓力應(yīng)變電阻儀，這也是傳感器的一部分。

所謂的壓力感應(yīng)就是一種新型的傳感器，通過(guò)電阻的變化作為一種感應(yīng)值的判斷標(biāo)準(zhǔn)進(jìn)行計(jì)算和采集數(shù)據(jù)。具體的做法是在受力物體上粘貼高靈敏度的感應(yīng)片，通過(guò)力的傳遞將物體上受到即時(shí)的力傳遞到感應(yīng)片上，以備技術(shù)人員收集。在物體的中心或者是機(jī)械的隔斷處，使用丙酮溶液進(jìn)行擦拭，以保證物體的表面潔凈和貼合度較高。當(dāng)液體充分風(fēng)干的情況下將感應(yīng)片貼在已涂丙酮的物體上（注意感應(yīng)片的正反），再使用導(dǎo)線和感應(yīng)片相互連接，從而形成了一個(gè)完整的閉合電路體系，在通電的情況下，在計(jì)算機(jī)終端上可以顯示出來(lái)。以便技術(shù)人員可以在任何時(shí)候掌握每個(gè)檢測(cè)點(diǎn)的施工使用情況，一旦機(jī)械設(shè)備發(fā)生異常現(xiàn)象，就會(huì)在計(jì)算機(jī)圖形中顯示出來(lái)。于此同時(shí)，它還可以對(duì)施工人員所處的具置做到應(yīng)力感應(yīng)，人自身的重量傳遞到地面上，結(jié)構(gòu)會(huì)出現(xiàn)結(jié)構(gòu)上的略微變化，這個(gè)儀器就能第一時(shí)間以信號(hào)的方式傳送到計(jì)算機(jī)終端，讓技術(shù)人員掌握相關(guān)施工的情況，并結(jié)合數(shù)據(jù)報(bào)告總結(jié)出相關(guān)的可行性分析付諸實(shí)踐。

當(dāng)無(wú)法觀察到控制點(diǎn)是，計(jì)算機(jī)GIS技術(shù)測(cè)量可以通過(guò)接收信號(hào)或是相關(guān)的頻率波段來(lái)收集數(shù)據(jù)，不會(huì)因?yàn)橐酝鶞y(cè)量的環(huán)境不好，距離太遠(yuǎn)，誤差太大的影響。同時(shí)在信息管理中通過(guò)了加密通道，系統(tǒng)可以將數(shù)據(jù)自動(dòng)的保存和轉(zhuǎn)換為視圖模式，對(duì)于數(shù)據(jù)的審計(jì)和運(yùn)行可以同時(shí)進(jìn)行，這樣就可以很好的保證大地測(cè)量中的圖像數(shù)據(jù)安全，利用防護(hù)墻將采集中廢棄的數(shù)據(jù)革除在外，避免數(shù)值之間發(fā)生紊亂的現(xiàn)象，進(jìn)一步改善計(jì)算機(jī)GIS技術(shù)。

二 計(jì)算機(jī)GIS與CAD技術(shù)的結(jié)合

在計(jì)算機(jī)GIS技術(shù)測(cè)量中解決了很多以往很難完成的任務(wù)，但是在使用過(guò)程中還是發(fā)生了很多的問(wèn)題。尤其在土地信息的選擇中，無(wú)法使用高幀數(shù)的圖片顯示，無(wú)法將計(jì)算機(jī)測(cè)量的關(guān)鍵技術(shù)的優(yōu)點(diǎn)發(fā)揮出來(lái)。在煤礦生產(chǎn)過(guò)程中，對(duì)于生產(chǎn)效率的提高就要對(duì)開(kāi)采環(huán)境的要求更高。使用繪圖技術(shù)與GIS技術(shù)相互結(jié)合可以將復(fù)雜的地理環(huán)境的具體形狀在電腦當(dāng)中展現(xiàn)出來(lái)，用較為直觀的圖形準(zhǔn)確的反應(yīng)出來(lái)。而且在使用中，可以在計(jì)算機(jī)中隨時(shí)將圖像進(jìn)行修改，完全可以適應(yīng)復(fù)雜情況下的設(shè)備調(diào)試。在以往傳統(tǒng)的圖像設(shè)計(jì)中，技術(shù)人員在圖紙中很難將地理信息進(jìn)行再次修改，在設(shè)計(jì)后期在計(jì)算機(jī)圖形繪制處理技術(shù)中，對(duì)于圖像的調(diào)試使用的范圍很廣，通過(guò)虛擬的模擬和現(xiàn)實(shí)的結(jié)合來(lái)實(shí)現(xiàn)煤礦信息的完整，有效的加強(qiáng)了煤礦的信息化管理。

CAD技術(shù)是基于工程圖上的三維建模方式。三維模型是從二維信息中提取的三維模型信息，通過(guò)再次分類以后，得到的一系列的相關(guān)處理信息，之后在三維空間建立相應(yīng)的二維信息的三維形狀模型提，使模型本身恢復(fù)點(diǎn)，線，面和拓?fù)潢P(guān)系，從而實(shí)現(xiàn)形狀重建工程。計(jì)算機(jī)圖形繪制處理，也可以應(yīng)用于測(cè)繪圖紙和關(guān)于地形的建模。土地信息中包含的地貌和自然資源圖，它是國(guó)民經(jīng)濟(jì)體系的重要組成部分。我們可以畫一個(gè)圖，三維地形圖的存儲(chǔ)信息的產(chǎn)生。為預(yù)測(cè)和決策水平的使用有重大的意義，也為綜合治理和煤炭資源的研究開(kāi)發(fā)利用提供科學(xué)依據(jù)，這些依據(jù)，在軍事上也起著非常重要的作用。在煤礦機(jī)械設(shè)備也使用CAD軟件繪制零件圖，利用繪圖軟件在操作更簡(jiǎn)單的菜單式設(shè)計(jì)，繪制出圖形更準(zhǔn)確。

三 GIS技術(shù)測(cè)量的關(guān)鍵技術(shù)遇到的困難和使用前景

計(jì)算機(jī)GIS技術(shù)測(cè)量的關(guān)鍵技術(shù)作為一種新興技術(shù)在使用時(shí)間上不過(guò)十幾年，其使用的程度已經(jīng)無(wú)法估算。正是因?yàn)樗暮?jiǎn)單、使用、精度高以及自動(dòng)化能力卓越的特點(diǎn)受到了礦區(qū)土地信息管理部門的廣泛青睞。在測(cè)量調(diào)控方面的這些可靠性和穩(wěn)定性也是有目共睹的。這項(xiàng)關(guān)鍵技術(shù)中涵蓋的學(xué)科非常的多，涉及到的知識(shí)也很全面，一旦出現(xiàn)了機(jī)器的故障，在維修上還是一個(gè)很大的問(wèn)題，如何很好的解決計(jì)算機(jī)視覺(jué)圖像技術(shù)的相關(guān)核心問(wèn)題就是當(dāng)下亟待解決的。通過(guò)在一些相關(guān)的技術(shù)之間的相互結(jié)合才能使GIS技術(shù)發(fā)揮的更加完美。

我們都知道，人的眼睛是可以受到自身的控制，想要完成礦區(qū)土地觀測(cè)是十分簡(jiǎn)單的，但是在計(jì)算機(jī)GIS技術(shù)中，畢竟是采取攝像機(jī)取景的模式，在取得的點(diǎn)位有的時(shí)候不是特別的有代表性，很難將這些問(wèn)題具體化、形象化。達(dá)不到我們?cè)O(shè)計(jì)時(shí)的初衷。所以在這些模型的構(gòu)建中和數(shù)據(jù)的轉(zhuǎn)換上必須有嚴(yán)格的規(guī)定和要求，切不可盲目的實(shí)施測(cè)量，每項(xiàng)技術(shù)操作都要按規(guī)程來(lái)實(shí)施。

四 結(jié)束語(yǔ)

在煤礦土地工程發(fā)展的今天，很多的測(cè)量技術(shù)已經(jīng)離不了計(jì)算機(jī)GIS技術(shù)的輔助，本文中詳細(xì)的談到了GIS技術(shù)方面的研究，對(duì)于之中可能出現(xiàn)的一些問(wèn)題也提出了相應(yīng)的解決方案，對(duì)于和CAD繪圖技術(shù)相互結(jié)合的使用方式也做出了詳細(xì)的介紹。測(cè)量工程中使用計(jì)算機(jī)GIS技術(shù)可以很好的解決和完善測(cè)量中遇到的一些問(wèn)題，但是也暴露出了很多的問(wèn)題亟需技術(shù)人員不斷去解決完善。

將GIS技術(shù)在礦區(qū)土地管理信息系統(tǒng)中使用，也是加強(qiáng)了礦區(qū)建設(shè)的信息化水平。可以預(yù)見(jiàn)的是，在未來(lái)使用計(jì)算機(jī)GIS技術(shù)在礦區(qū)土地管理信息系統(tǒng)建立的測(cè)量模型會(huì)得到更多、更好的應(yīng)用。但作為一個(gè)長(zhǎng)期復(fù)雜的技術(shù)工程，在這個(gè)建設(shè)過(guò)程中定會(huì)有一些困難的出現(xiàn)。希望通過(guò)不斷的發(fā)現(xiàn)問(wèn)題、總結(jié)經(jīng)驗(yàn)，讓GIS技術(shù)在礦區(qū)土地管理信息系統(tǒng)在煤礦的開(kāi)挖中的作用發(fā)揮的更好。

[參考文獻(xiàn)]

[1] 湯劍，周芳芹，楊繼隆.計(jì)算機(jī)視覺(jué)圖像系統(tǒng)的技術(shù)改造[J].機(jī)電產(chǎn)品開(kāi)發(fā)與創(chuàng)新周刊，2005，14（18）：33-36

[2] 段發(fā)階等. 拔絲模孔形計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)[J] . 光電工程時(shí)報(bào)， 2006， 23（ 13）：189-190

第7篇：計(jì)算機(jī)視覺(jué)的核心范文

關(guān)鍵詞：智能視頻監(jiān)控；物聯(lián)網(wǎng)；公共安全

中圖分類號(hào)：TP31 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-8937（2016）11-0077-02

1 概 述

近年來(lái)，視頻監(jiān)控技術(shù)取得飛速的發(fā)展，其中視頻監(jiān)控系統(tǒng)設(shè)備雖然擁有了較好的性能，但仍存在一些因素限制，使得視頻監(jiān)控出現(xiàn)一些誤差缺陷，導(dǎo)致整個(gè)系統(tǒng)的安全性和實(shí)用性大大降低。此外，社會(huì)的不斷發(fā)展和人口數(shù)量的不斷增多使得人們對(duì)安全性要求越來(lái)越高，監(jiān)控?cái)z像的覆蓋面不斷擴(kuò)大，傳統(tǒng)的視頻監(jiān)控技術(shù)只能實(shí)現(xiàn)監(jiān)控記錄實(shí)況，無(wú)法實(shí)現(xiàn)預(yù)測(cè)和報(bào)警，而實(shí)現(xiàn)實(shí)時(shí)監(jiān)控，就需要人工監(jiān)看視頻，時(shí)間過(guò)久就會(huì)出現(xiàn)疲勞，甚至在面對(duì)多路視頻監(jiān)控時(shí)容易出現(xiàn)錯(cuò)誤，無(wú)法及時(shí)對(duì)異常情況作出反應(yīng)。這些問(wèn)題的解決就需要將智能監(jiān)控技術(shù)引入視頻監(jiān)控系統(tǒng)中，輔助視頻監(jiān)控人員做好監(jiān)察工作。

目前，計(jì)算機(jī)的視覺(jué)進(jìn)步使得智能監(jiān)控技術(shù)得到廣泛的重視和研究，也使得智能視頻監(jiān)控技術(shù)成為研究的熱點(diǎn)。為從眾多數(shù)據(jù)中高效提取出有用的信息，監(jiān)控工作就需要充分應(yīng)用智能視頻監(jiān)控技術(shù)。具體來(lái)講，智能視頻監(jiān)控技術(shù)就是由計(jì)算機(jī)儲(chǔ)存攝像圖像并對(duì)圖像序列內(nèi)容進(jìn)行理解和分析，及時(shí)檢測(cè)出異常情況，進(jìn)行自動(dòng)預(yù)警和報(bào)警。

2 智能視頻監(jiān)控技術(shù)的發(fā)展史

視頻監(jiān)控技術(shù)的研究有助于相關(guān)人員做好安全防范工作，盡可能地從被監(jiān)控的區(qū)域用最短時(shí)間獲取有用的信息。最初我國(guó)監(jiān)控是完全依賴人工獲取信息和處理信息的，比如清朝的東廠，以及飛鴿傳書、守門之犬。喬家大院的“萬(wàn)人球”是中國(guó)歷史上最早被采用來(lái)進(jìn)行監(jiān)控的外部設(shè)備，本質(zhì)上是水銀玻璃制作的鏡子，主要用它來(lái)監(jiān)視房間內(nèi)的一舉一動(dòng)。到了19世紀(jì)70年代才真正出現(xiàn)了現(xiàn)在的視頻監(jiān)控，人類開(kāi)始采取攝像來(lái)獲取信息，這也是智能視頻監(jiān)控技術(shù)的最初萌芽時(shí)期。鑒于信息科技的不斷發(fā)展和市場(chǎng)需求得不斷提高，現(xiàn)代的視頻監(jiān)控技術(shù)發(fā)展大體上三個(gè)階段：模擬化、數(shù)字化和智能化。本部分將具體對(duì)這三個(gè)階段進(jìn)行闡釋。

2.1 模擬化的視頻監(jiān)控技術(shù)

在20世紀(jì)70年代開(kāi)始，光學(xué)成像技術(shù)飛速發(fā)展，電子技術(shù)也取得了較大的成就。這些成果都使得視頻監(jiān)控設(shè)備制作和使用可能性加大。為了實(shí)現(xiàn)這樣的目標(biāo)，世界出現(xiàn)了電子監(jiān)控系統(tǒng)，滿足了利用電子設(shè)備進(jìn)行監(jiān)控的需要。此階段主要是以CCTV監(jiān)控為主，這也就是早期的模擬視頻監(jiān)控系統(tǒng)。CCTV的工作原理就是采用同軸電纜進(jìn)行傳輸信息，信息由模擬監(jiān)視器顯示、由磁帶錄像機(jī)進(jìn)行信息儲(chǔ)存。模擬視頻監(jiān)控技術(shù)的價(jià)格較為低，安裝簡(jiǎn)易，主要廣泛被采用到規(guī)模較小的安全防范系統(tǒng)中。

2.2 數(shù)字化的視頻監(jiān)控技術(shù)

到了20世紀(jì)90年代，數(shù)字壓縮編碼技術(shù)和芯片技術(shù)取得了較為突出的進(jìn)步。再者模擬化的視頻監(jiān)控技術(shù)出現(xiàn)了一些缺陷，比如磁帶錄像機(jī)的儲(chǔ)存量較小，監(jiān)控范圍有限等。初期主要采用NVR，被稱為半數(shù)字時(shí)代，慢慢發(fā)展到后期主要采用DVR進(jìn)行監(jiān)控，這才真正實(shí)現(xiàn)了數(shù)字化的視頻監(jiān)控。DVR最顯著的特點(diǎn)就是可以使得監(jiān)控系統(tǒng)儲(chǔ)存較多的視頻信息，容納較多的攝像頭，從而解決了模擬視頻監(jiān)控系統(tǒng)的儲(chǔ)存量問(wèn)題。數(shù)字化的視頻監(jiān)控技術(shù)應(yīng)用廣泛，具有良好的擴(kuò)展性，使用維護(hù)較為簡(jiǎn)單容易。數(shù)字化的視頻監(jiān)控技術(shù)發(fā)展為以后智能化的視頻監(jiān)控發(fā)展奠定了基礎(chǔ)。

2.3 智能化的視頻監(jiān)控技術(shù)

進(jìn)入21世紀(jì)，計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù)獲得了飛速的發(fā)展，使得第二代的數(shù)字化視頻監(jiān)控技術(shù)取得較大進(jìn)步。因此，大規(guī)模的布置監(jiān)控系統(tǒng)的可能性加大。目前全球?qū)σ曨l監(jiān)控系統(tǒng)需要迫切，各區(qū)域的攝像頭越來(lái)越多，這樣方便了大規(guī)模的安全防范工作，可以及時(shí)獲取大量的數(shù)據(jù)信息進(jìn)行實(shí)時(shí)監(jiān)控，但是也給人類帶來(lái)較大的挑戰(zhàn)。鑒于這些問(wèn)題，世界上出現(xiàn)了智能化的視頻監(jiān)控系統(tǒng)，主要利用計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù)對(duì)視頻圖像利用各種算法進(jìn)行分析，依據(jù)事先設(shè)置好的安全程序及時(shí)發(fā)出報(bào)警信號(hào)，做好事中分析和預(yù)警工作。

3 智能視頻監(jiān)控技術(shù)的核心算法

作為智能化的視頻監(jiān)控系統(tǒng)，最大的特點(diǎn)就是可以自動(dòng)化運(yùn)行，全天二十四小時(shí)對(duì)監(jiān)控畫面進(jìn)行實(shí)時(shí)分析和報(bào)警。這樣既能及時(shí)識(shí)別異常情況，還能提醒安保人員做好準(zhǔn)備工作。智能化應(yīng)用于視頻監(jiān)控技術(shù)得到了各界的認(rèn)可，本部分主要介紹從底層、中層和高層三個(gè)層次智能視頻監(jiān)控技術(shù)的核心算法。

3.1 目標(biāo)檢測(cè)算法

目標(biāo)檢測(cè)算法主要是在底層對(duì)視頻圖像進(jìn)行采集獲取終端上的圖像序列，對(duì)異常情況目標(biāo)進(jìn)行檢測(cè)，跟蹤目標(biāo)以便及時(shí)對(duì)目標(biāo)做好后續(xù)的處理分析工作，其中關(guān)鍵就是確定目標(biāo)的位置和儲(chǔ)存量。

目前根據(jù)處理對(duì)象不同可將目標(biāo)檢測(cè)分為兩種：基于目標(biāo)建模的目標(biāo)檢測(cè)和基于背景建模的目標(biāo)檢測(cè)。前者主要特征就是應(yīng)用場(chǎng)景較為廣泛：既能對(duì)固定攝像機(jī)記錄的視頻圖像進(jìn)行分析，還能對(duì)靜態(tài)圖像和移動(dòng)攝像機(jī)記錄的視頻圖像進(jìn)行分析。主要應(yīng)用于檢測(cè)速度較慢、掃描視頻圖像較多的區(qū)域，此檢測(cè)方法實(shí)時(shí)性較差，且對(duì)受遮擋影響較大，容易漏檢。后者只能適用于背景不變的運(yùn)動(dòng)目標(biāo)，若背景發(fā)生變化時(shí)無(wú)法檢測(cè)。此檢測(cè)方式主要針對(duì)視頻進(jìn)行較快的處理，對(duì)受遮擋部分的影響較小，一般實(shí)時(shí)性較強(qiáng)，廣泛應(yīng)用于固定攝像機(jī)檢測(cè)。

3.2 目標(biāo)跟蹤算法

目標(biāo)跟蹤算法主要是針對(duì)底層階段確定好的目標(biāo)進(jìn)行跟蹤，確定目標(biāo)的具體軌跡。目標(biāo)跟蹤問(wèn)題的解決關(guān)鍵點(diǎn)在于處理好計(jì)算機(jī)視覺(jué)的問(wèn)題，這也是實(shí)現(xiàn)智能視頻監(jiān)控技術(shù)的關(guān)鍵環(huán)節(jié)，應(yīng)用性較為廣泛。目前依據(jù)應(yīng)用場(chǎng)景的差別將目標(biāo)跟蹤算法分為兩種：?jiǎn)我粓?chǎng)景目標(biāo)跟蹤和綜合場(chǎng)景目標(biāo)跟蹤，前者具體細(xì)分為跟蹤單個(gè)目標(biāo)和跟蹤多個(gè)目標(biāo)，后者具體細(xì)分為重疊場(chǎng)景目標(biāo)跟蹤和非重疊場(chǎng)景目標(biāo)跟蹤。在單個(gè)場(chǎng)景中，一個(gè)目標(biāo)可以在連續(xù)的空間里非常相似；而在重疊場(chǎng)景中的目標(biāo)跟蹤時(shí)較為復(fù)雜，目標(biāo)可以從一個(gè)場(chǎng)景進(jìn)入另一個(gè)場(chǎng)景，需要在連續(xù)的空間里確定好新進(jìn)入場(chǎng)景的目標(biāo)的具體信息；在非重疊場(chǎng)景的目標(biāo)跟蹤算法中，鑒于場(chǎng)景間相互存在盲區(qū)，不同場(chǎng)景會(huì)影響到同一目標(biāo)的觀測(cè)數(shù)據(jù)信息。

3.3 目標(biāo)的分類識(shí)別算法

目標(biāo)的分類和識(shí)別主要是在中層階段以底層上獲取的信息為基礎(chǔ)，對(duì)其進(jìn)行判斷識(shí)別，具體認(rèn)知目標(biāo)，做好定位目標(biāo)的工作。簡(jiǎn)單來(lái)說(shuō)，就是判斷識(shí)別視頻圖像中的物體類別，以識(shí)別目標(biāo)的具體情況。這也是高層計(jì)算機(jī)視覺(jué)得到廣泛應(yīng)用的前提。近十年來(lái)主要有詞袋模型和深度學(xué)習(xí)模型這兩種算法得到廣泛的應(yīng)用。前者主要是將大量的工作集中在特征編碼和特征匯聚上，主要是由特征提取出來(lái)數(shù)據(jù)信息，接著對(duì)其進(jìn)行特征聚類、編碼和匯聚，最后由分類器做好分類工作。而后者主要是模擬人腦的神經(jīng)元處理結(jié)構(gòu)聽(tīng)過(guò)學(xué)習(xí)層次化的方式將目標(biāo)由底層到中層再到高層的特征進(jìn)行記錄，最終建立反饋機(jī)制并形成認(rèn)知。

3.4 行為分析算法

行為分析主要是在高層充分應(yīng)用計(jì)算機(jī)視覺(jué)信息對(duì)行為主體即目標(biāo)的具體運(yùn)動(dòng)進(jìn)行分析的算法。根據(jù)信息的復(fù)雜度不同可將行為分析分為靜態(tài)姿態(tài)識(shí)別、運(yùn)動(dòng)行為識(shí)別和復(fù)雜事件分析方法三種。第一種主要是將靜態(tài)圖像作為研究對(duì)象，根據(jù)時(shí)空特征對(duì)其進(jìn)行識(shí)別，分析目標(biāo)的時(shí)空體特征、局部特征和軌跡特征。第二種主要是利用時(shí)序推理其行為，并利用統(tǒng)計(jì)模型和句法模型對(duì)目標(biāo)的行為進(jìn)行分析。第三種主要是分析目標(biāo)的交互行為和群體行為。

4 物聯(lián)網(wǎng)時(shí)代下的智能視頻監(jiān)控的挑戰(zhàn)及發(fā)展方向

4.1 跨場(chǎng)景挑戰(zhàn)

目前全球的攝像頭數(shù)量越來(lái)越多，急需智能視頻監(jiān)控技術(shù)可以跨各個(gè)場(chǎng)景適用。同時(shí)監(jiān)控使用的攝像機(jī)不單單包括固定攝像機(jī)，還包括移動(dòng)攝像機(jī)等，這些都是的監(jiān)控?cái)z像機(jī)在全球各場(chǎng)景下廣泛分布，而如何將這些設(shè)備建立成一個(gè)系統(tǒng)的體系是將來(lái)智能視頻監(jiān)控技術(shù)面臨的一大挑戰(zhàn)。

4.2 跨空間挑戰(zhàn)

從視頻監(jiān)控系統(tǒng)開(kāi)始發(fā)展至今，監(jiān)控?cái)?shù)據(jù)種類也由單一變得復(fù)雜多樣，很多信息都可以作為監(jiān)控?cái)?shù)據(jù)的載體，進(jìn)行數(shù)據(jù)儲(chǔ)存。這使得處理數(shù)據(jù)工作也變得繁瑣復(fù)雜，因此如何處理好各個(gè)載體中的信息，獲取有效的信息，將大數(shù)據(jù)轉(zhuǎn)變成為小數(shù)據(jù)是未來(lái)智能視頻監(jiān)控技術(shù)面臨的一大問(wèn)題。

4.3 發(fā)展方向

基于物聯(lián)網(wǎng)時(shí)代的迅速發(fā)展，智能視頻監(jiān)控技術(shù)將面臨巨大的機(jī)遇和挑戰(zhàn)。物聯(lián)網(wǎng)時(shí)代下，信息的傳送和集中可以實(shí)現(xiàn)跨空間獲取有用的數(shù)據(jù)，還可以擴(kuò)展到多樣化的智能分析。大體上將來(lái)的智能視頻監(jiān)控技術(shù)具有三大特性：高效視覺(jué)網(wǎng)、主動(dòng)視覺(jué)網(wǎng)和協(xié)同視覺(jué)網(wǎng)。這也是將來(lái)智能視頻監(jiān)控系統(tǒng)發(fā)展研究的主要方向。

5 結(jié) 語(yǔ)

綜上所述，智能視頻監(jiān)控技術(shù)的發(fā)展時(shí)間較長(zhǎng)，且具有廣闊的發(fā)展空間；智能視頻監(jiān)控的核心算法還處于積累階段，需要不斷應(yīng)用驗(yàn)證技術(shù)，做好研究工作。物聯(lián)網(wǎng)時(shí)代下的智能視頻監(jiān)控技術(shù)面臨著巨大的機(jī)遇和挑戰(zhàn)。我們堅(jiān)信在未來(lái)智能視頻監(jiān)控技術(shù)將為監(jiān)控系統(tǒng)發(fā)揮最大的作用，適應(yīng)時(shí)代的發(fā)展。

參考文獻(xiàn)：

[1] 韓國(guó)強(qiáng).淺談智能視頻監(jiān)控技術(shù)及其主要應(yīng)用[J].計(jì)算機(jī)與網(wǎng)絡(luò)，2014，（2）.

第8篇：計(jì)算機(jī)視覺(jué)的核心范文

以下為報(bào)告詳細(xì)內(nèi)容：

逾八成人工智能創(chuàng)業(yè)公司聚集一線城市

iiMedia Research（艾媒咨詢）數(shù)據(jù)顯示，35.7%的人工智能創(chuàng)業(yè)公司位于北京，另外在深圳、上海、廣州這三個(gè)一線城市也聚集了超過(guò)四成的人工智能創(chuàng)業(yè)公司。艾媒咨詢分析師認(rèn)為，人工智能是高度知識(shí)密集型的產(chǎn)業(yè)，北京的人才、技術(shù)、產(chǎn)業(yè)、資本等環(huán)境都優(yōu)于其它地區(qū)，是人工智能的創(chuàng)業(yè)重鎮(zhèn)。共有81.8%的人工智能創(chuàng)業(yè)公司分布在有豐富技術(shù)、硬件和產(chǎn)業(yè)資源的北上廣深。人工智能產(chǎn)業(yè)將形成以北京為絕對(duì)核心，一線城市上海、廣州、深圳為重點(diǎn)的地理布局。

手機(jī)網(wǎng)民普遍認(rèn)為無(wú)人駕駛只能部分取代人類駕駛

iiMedia Research（艾媒咨詢）數(shù)據(jù)顯示，有78.9%的受訪手機(jī)網(wǎng)民認(rèn)為無(wú)人駕駛將部分取代人類駕駛，10.0%的受訪手機(jī)網(wǎng)民認(rèn)為無(wú)人駕駛能全部取代人類駕駛，6.9%的受訪手機(jī)網(wǎng)民認(rèn)為無(wú)人駕駛完全不能取代人類駕駛。艾媒咨詢分析師認(rèn)為，近年國(guó)內(nèi)外企業(yè)陸續(xù)開(kāi)發(fā)無(wú)人駕駛領(lǐng)域引發(fā)網(wǎng)民對(duì)無(wú)人駕駛和人類駕駛之間關(guān)系的熱烈關(guān)注，人們對(duì)仍處于起步階段的無(wú)人駕駛接受程度仍有待提高，但隨著智能技術(shù)進(jìn)一步發(fā)展，未來(lái)無(wú)人駕駛產(chǎn)品的市場(chǎng)普及程度仍然值得期待。

人們相信無(wú)人駕駛更安全

iiMedia Research（艾媒咨詢）數(shù)據(jù)顯示， 對(duì)于無(wú)人駕駛與人類駕駛的安全性比較，32.6%的受訪手機(jī)網(wǎng)民認(rèn)為無(wú)人駕駛更安全，26.6%的受訪手機(jī)網(wǎng)民認(rèn)為人更安全。艾媒咨詢分析師認(rèn)為，無(wú)人駕駛與人類駕駛安全性比較問(wèn)題尚停留在理論階段，對(duì)于無(wú)人駕駛算法判斷的精準(zhǔn)性，用戶仍然沒(méi)有具體的感知。現(xiàn)階段無(wú)人駕駛技術(shù)水平處于起步階段影響人們對(duì)未來(lái)智能汽車操控方式的期望，未來(lái)無(wú)人駕駛技術(shù)說(shuō)仍需繼續(xù)提高以增強(qiáng)人們對(duì)汽車智能操控的信心。

人工智能為主的操縱方式受歡迎

iiMedia Research（艾媒咨詢）數(shù)據(jù)顯示，人們對(duì)未來(lái)無(wú)人駕駛汽車的操縱方式也有自己不同的看法，62.6%的受訪手機(jī)網(wǎng)民認(rèn)為智能汽車操縱方式應(yīng)以人工智能為主，人工操作為輔，22.0%的受訪手機(jī)網(wǎng)民認(rèn)可人工操控為主，智能輔助為輔的方式， 只有10.6% 的受訪手機(jī)網(wǎng)民選擇純?nèi)斯ぶ悄懿倏亍０阶稍兎治鰩熣J(rèn)為，隨著無(wú)人駕駛技術(shù)的進(jìn)一步深入，其在日常駕駛的應(yīng)用比例將穩(wěn)步提升，人工判斷與智能判斷并行的駕駛方式或?qū)⒊蔀檩^長(zhǎng)時(shí)間內(nèi)的主流。

無(wú)人駕駛安全性最受關(guān)注

iiMedia Research（艾媒咨詢）數(shù)據(jù)顯示，當(dāng)前對(duì)無(wú)人駕駛實(shí)際應(yīng)用主要的擔(dān)憂因素中，受訪手機(jī)網(wǎng)民最擔(dān)心的是安全技術(shù)不夠成熟，占比61.7%，另外23.4%和12.6%的受訪手機(jī)網(wǎng)民認(rèn)為購(gòu)車成本高和使用不方便。艾媒咨詢分析師認(rèn)為，智能汽車相關(guān)廠商需要通過(guò)更多的試驗(yàn)參數(shù)，不斷提高無(wú)人駕駛安全技術(shù)，以獲取用戶對(duì)智能汽車安全的信任。同時(shí)，當(dāng)前無(wú)人駕駛技術(shù)在前期投入的研發(fā)成本巨大，其實(shí)際應(yīng)用的較高購(gòu)買門檻，也將是其普及的一大阻礙。

速記、翻譯工作者未來(lái)最可能被人工智能取代

第9篇：計(jì)算機(jī)視覺(jué)的核心范文

[關(guān)鍵詞]數(shù)字圖像處理 OpenCV 實(shí)驗(yàn)教學(xué) 項(xiàng)目教學(xué)

[中圖分類號(hào)] G642.423 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 2095-3437（2013）09-0042-02

一、引言

目前，大多數(shù)高校的數(shù)字圖像處理課程都是在引入Matlab集成的工具箱及其自帶函數(shù)的基礎(chǔ)上進(jìn)行實(shí)驗(yàn)教學(xué)[1]。由于Matlab程序的移植性較差，學(xué)生學(xué)習(xí)完成后不能直接面對(duì)實(shí)際的軟件開(kāi)發(fā)和應(yīng)用，難以真正提高學(xué)生的工程實(shí)踐動(dòng)手能力。

為了讓學(xué)生既能掌握基本理論和技術(shù)，又能較容易編寫算法的程序，我們?cè)跀?shù)字圖像處理的教學(xué)中引入了開(kāi)源的計(jì)算機(jī)視覺(jué)庫(kù)OpenCV（Open Source Computer Vision Library）。該軟件是以C 函數(shù)和C++類的形式實(shí)現(xiàn)大量圖像處理算法，學(xué)生可以方便地利用OpenCV 進(jìn)行圖像處理算法的編程和驗(yàn)證，進(jìn)而在VC中開(kāi)發(fā)功能更強(qiáng)大的應(yīng)用程序。相對(duì)于Matlab而言，學(xué)生不僅可以利用OpenCV 開(kāi)放的源代碼，以函數(shù)進(jìn)行圖像處理，而且可以查看算法的代碼實(shí)現(xiàn)，更好地培養(yǎng)學(xué)生的編程能力[2]。

二、OpenCV概述

OpenCV是Intel公司資助的面向廣大研究人員和學(xué)生的開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)，它由一系列C函數(shù)和少量C++類構(gòu)成，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面很多通用算法，同時(shí)提供了MatLab等語(yǔ)言的接口，因此極大地方便了圖像處理和視頻技術(shù)的二次開(kāi)發(fā)[3]。

OpenCV主要包含六大模塊，其具體功能分別是[3]：（1） CV模塊：包含基本的圖形處理函數(shù)和高級(jí)的計(jì)算機(jī)視覺(jué)算法；（2） CVAUX模塊：包含輔助的OpenCV函數(shù)，一般存放一些被淘汰的算法和函數(shù)，同時(shí)也包含一些新出現(xiàn)的實(shí)驗(yàn)性的算法和函數(shù)；（3） CXCORE模塊：包含OpenCV的基本數(shù)據(jù)結(jié)構(gòu)和線性代數(shù)支持；（4） HIGHGUI模塊包含圖像和視頻的界面函數(shù)；（5） ML模塊：包含一些基于統(tǒng)計(jì)的分類和聚類工具，模式識(shí)別算法和回歸分析等；（6） CVCAM模塊：負(fù)責(zé)讀取攝像頭數(shù)據(jù)的模塊。

利用OpenCV進(jìn)行程序開(kāi)發(fā)具有以下幾個(gè)特點(diǎn)[4]：（1） 獨(dú)立性。OpenCV中大量的函數(shù)和類庫(kù)既可以獨(dú)立運(yùn)行，也可以在加入其它外部庫(kù)的情況下運(yùn)行；（2） 跨平臺(tái)性。構(gòu)成OpenCV的API函數(shù)具有跨平臺(tái)性，不僅能很好的支持各種不同的操作系統(tǒng)，也可以很好地在不同公司的C/C++編譯器下工作；（3） 功能強(qiáng)大。OpenCV包含了線性表、樹、圖等基本數(shù)據(jù)結(jié)構(gòu)，也包含圖像濾波、邊緣檢測(cè)和數(shù)字形態(tài)學(xué)等數(shù)字圖像處理的基本操作以及一些圖像高級(jí)處理功能；（4） 高效性。OpenCV的算法都是基于動(dòng)態(tài)數(shù)據(jù)結(jié)構(gòu)，使用Intel處理器指令集開(kāi)發(fā)的優(yōu)化代碼，運(yùn)行速度快，處理效率高；（5） 開(kāi)放性。OpenCV的源代碼是開(kāi)放的，程序設(shè)計(jì)者可以直接修改它的源代碼，也可以將新的函數(shù)或類集成到它的庫(kù)中。

三、數(shù)字圖像處理的實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)是理論教學(xué)的有效輔助，對(duì)于數(shù)字圖像處理這類實(shí)踐性很強(qiáng)的課程就更加重要。通過(guò)閱讀和調(diào)試算法源代碼、體驗(yàn)算法的處理效果，學(xué)生可以加深對(duì)基礎(chǔ)理論的理解。根據(jù)理論教學(xué)的重點(diǎn)難點(diǎn)內(nèi)容，我們?cè)O(shè)計(jì)了相應(yīng)的實(shí)驗(yàn)項(xiàng)目，每個(gè)項(xiàng)目都要求學(xué)生運(yùn)用OpenCV和Visual C++編程語(yǔ)言框架來(lái)編寫數(shù)字圖像處理基本算法。

項(xiàng)目教學(xué)法是針對(duì)課程體系結(jié)構(gòu)設(shè)計(jì)出一系列學(xué)習(xí)單元項(xiàng)目，項(xiàng)目設(shè)計(jì)圍繞著具有典型性、啟發(fā)性的關(guān)鍵問(wèn)題，學(xué)生通過(guò)參與項(xiàng)目完成的全過(guò)程實(shí)現(xiàn)對(duì)課程內(nèi)容系統(tǒng)而深入的掌握[5]。項(xiàng)目教學(xué)法真正實(shí)現(xiàn)了以學(xué)生為中心、以教學(xué)目標(biāo)為中心，實(shí)現(xiàn)理論方法學(xué)習(xí)與實(shí)踐動(dòng)手能力培養(yǎng)的緊密結(jié)合。

本文基于項(xiàng)目教學(xué)法的研究，針對(duì)“數(shù)字圖像處理”課程教學(xué)體系結(jié)構(gòu)，并結(jié)合教學(xué)大綱與教學(xué)目標(biāo)要求，同時(shí)參考國(guó)外大學(xué)的相關(guān)課程，設(shè)置了以下實(shí)驗(yàn)項(xiàng)目：

（1） 圖像變換。

（2） 圖像直方圖均衡化。

（3） 頻域圖像增強(qiáng)。

（4） 圖像邊緣檢測(cè)。

（5） 圖像分割。

（6） 人臉檢測(cè)。

通常，學(xué)生完成一個(gè)項(xiàng)目需要4個(gè)過(guò)程[6]：（1） 項(xiàng)目原理分析；（2） 項(xiàng)目具體流程設(shè)計(jì)；（3） 基于OpenCV的軟件設(shè)計(jì)；（4） 結(jié)果展示與分析。以上每個(gè)階段都要求學(xué)生提交階段報(bào)告，根據(jù)學(xué)生報(bào)告反映出的問(wèn)題，老師有針對(duì)性地進(jìn)行指導(dǎo)，在解決問(wèn)題中幫助學(xué)生真正掌握所學(xué)的知識(shí)，并提高動(dòng)手能力。在項(xiàng)目法教學(xué)過(guò)程中，我們特別要注意克服項(xiàng)目無(wú)法完全覆蓋全部知識(shí)點(diǎn)的局限，因此，要在項(xiàng)目選擇與設(shè)計(jì)中綜合考慮，并結(jié)合項(xiàng)目原理研究建立對(duì)教學(xué)體系框架和全部知識(shí)點(diǎn)的整體把握。

四、OpenCV處理圖像的應(yīng)用實(shí)例

（一）圖像變換

OpenCV提供多個(gè)圖像變換函數(shù)。函數(shù)cvWarpAffine利用指定的矩陣對(duì)輸入圖像進(jìn)行仿射變換，這類變換可以用一個(gè)3×3的矩陣來(lái)表示，其最后一行為（0， 0， 1）。典型的仿射變換包括平移變換、縮放變換、剪切變換、旋轉(zhuǎn)變換等。此外，函數(shù)cvWarpPerspective對(duì)圖像進(jìn)行透視變換，函數(shù)cvLogPolar將圖像從直角坐標(biāo)映射到極坐標(biāo)，核心代碼如下：

IplImage* dst = cvCreateImage（ cvSize（256，256）， 8， 3 ）；

cvLogPolar（ src， dst， cvPoint2D32f（src->width/2，src->height/2）， 40 ）；

圖1給出了圖像映射到極坐標(biāo)的結(jié)果實(shí)例。

（二）圖像邊緣檢測(cè)

圖像的邊緣是圖像最基本的特征，是灰度不連續(xù)的結(jié)果，因而邊緣檢測(cè)是圖像處理中的重要問(wèn)題。OpenCV提供了cvSobel函數(shù)、cvLaplace函數(shù)和cvCanny等函數(shù)進(jìn)行邊緣檢測(cè)，下面以cvLaplace函數(shù)進(jìn)行舉例，其邊緣檢測(cè)的代碼為：

IplImage *result_img = cvCreateImage（cvSize（img->width， img->height）， IPL_DEPTH_8U， 1）；

cvLaplace （img， result_img）；

cvNamedWindow（“Result”， 0）；

cvShowImage（“Result”， result_img）；

第一句是創(chuàng)建一幅與原始圖像img同樣大小的通道數(shù)為1的圖像result_img；第二句是使用Laplace算子對(duì)圖像進(jìn)行邊緣檢測(cè)，并將結(jié)果存放在result_img中，后面兩句是在窗口中顯示result_img。程序的處理結(jié)果如圖2 所示。

五、結(jié)束語(yǔ)

OpenCV中的函數(shù)幾乎能夠覆蓋到所有的數(shù)字圖像處理的基本功能，而且其代碼又是免費(fèi)的和開(kāi)放的。實(shí)踐證明，通過(guò)將OpenCV引入數(shù)字圖像處理的實(shí)驗(yàn)教學(xué)中，既能簡(jiǎn)化圖像處理的編程，又能切實(shí)地提高學(xué)生的實(shí)踐能力，使學(xué)生深入理解圖像處理的基礎(chǔ)理論和典型算法，獲得了良好的實(shí)驗(yàn)教學(xué)效果。

[ 參 考 文 獻(xiàn) ]

[1] 趙敏.Matlab用于數(shù)字圖像處理的教學(xué)實(shí)踐研究[J].電腦知識(shí)與技術(shù)，2012，8（31）：75397540.

[2] 李樹濤，胡秋偉.OpenCV在“數(shù)字圖像處理”課程教學(xué)中的應(yīng)用[J].電氣電子教學(xué)學(xué)報(bào)，2010，32（6）：2628.

[3] 劉瑞禎，于仕琪.OpenCV教程[M].北京：北京航空航天大學(xué)出版社，2008.

[4] 方玫.OpenCV技術(shù)在數(shù)字圖像處理中的應(yīng)用[J].北京教育學(xué)院學(xué)報(bào)（自然科學(xué)版），2011，6（1）：711.