計(jì)算機(jī)視覺的主要技術(shù)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)視覺的主要技術(shù)主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計(jì)算機(jī)視覺的主要技術(shù)范文

在我國市場經(jīng)濟(jì)不斷發(fā)展的盛況下，我國科技發(fā)展水平也緊隨其后，成為世界上的科技強(qiáng)國之一。在計(jì)算機(jī)水平的不斷提高下，計(jì)算機(jī)視覺技術(shù)應(yīng)運(yùn)而生。其中，計(jì)算機(jī)視覺技術(shù)被應(yīng)用與各個(gè)領(lǐng)域，并在各個(gè)領(lǐng)域都得到廣泛有效的應(yīng)用，比如軍事領(lǐng)域、醫(yī)療領(lǐng)域、工業(yè)領(lǐng)域等。本文針對計(jì)算機(jī)視覺技術(shù)在交通領(lǐng)域中的應(yīng)用進(jìn)行分析。

【關(guān)鍵詞】計(jì)算機(jī)視覺 交通領(lǐng)域 探究

近年來，隨著科技水平的提高，計(jì)算機(jī)視覺技術(shù)逐漸被人們熟知并廣泛應(yīng)用。相較于其他傳感器來說，視覺能獲得更多的信息。因此，在我國交通領(lǐng)域中，也對計(jì)算機(jī)視覺技術(shù)進(jìn)行研究完善，將計(jì)算機(jī)視覺技術(shù)應(yīng)用在交通領(lǐng)域各個(gè)方面中，并取得了顯著的成效。

1 計(jì)算機(jī)視覺的概述及基本體系結(jié)構(gòu)

1.1 計(jì)算機(jī)視覺概述

通過使用計(jì)算機(jī)和相關(guān)設(shè)備，對生物視覺進(jìn)行模擬的方式，就是計(jì)算機(jī)視覺。對采集到的圖片或視頻進(jìn)行相應(yīng)的技術(shù)處理，從而獲得相應(yīng)的三維信息場景，是計(jì)算機(jī)視覺的主要任務(wù)。

計(jì)算機(jī)視覺是一門學(xué)問，它就如何通過計(jì)算機(jī)和照相機(jī)的運(yùn)用，使人們獲得被拍攝對象的數(shù)據(jù)與信息所需等問題進(jìn)行研究。簡單的說，就是讓計(jì)算機(jī)通過人們給其安裝上的“大腦”和“眼睛”，對周圍環(huán)境進(jìn)行感知。

計(jì)算機(jī)視覺是一門綜合性學(xué)科，在各個(gè)領(lǐng)域都有所作為，已經(jīng)吸引了各個(gè)領(lǐng)域的研究者對其研究。同時(shí)，計(jì)算機(jī)視覺也是科學(xué)領(lǐng)域中一個(gè)具有重要挑戰(zhàn)性的研究。

1.2 計(jì)算機(jī)視覺領(lǐng)域基本體系結(jié)構(gòu)

提出第一個(gè)較為完善的視覺系統(tǒng)框架的是Marr，他從信息處理系統(tǒng)角度出發(fā)，結(jié)合圖像處理、心理物理學(xué)等多領(lǐng)域的研究成果，提出被計(jì)算機(jī)視覺工作者基本接受的計(jì)算機(jī)視覺系統(tǒng)框架。在此基礎(chǔ)上，研究者們針對視覺系統(tǒng)框架的各個(gè)角度、各個(gè)階段、各個(gè)功能進(jìn)行分析研究，得出了計(jì)算機(jī)視覺系統(tǒng)的基本體系結(jié)構(gòu)，如圖1。

2 計(jì)算機(jī)視覺在交通領(lǐng)域的應(yīng)用

2.1 牌照識別

車輛的唯一身份是車輛牌照。在檢測違規(guī)車輛、稽查被盜車輛和管理停車場工作中，車輛牌照的有效識別與檢測具有重要的作用和應(yīng)用價(jià)值。然而在實(shí)際應(yīng)用工作中，雖然車牌識別技術(shù)相對成熟，但是由于受到拍攝角度、光照、天氣等因素的影響，車牌識別技術(shù)仍需改善。車牌定位技術(shù)、車牌字符識別技術(shù)和車牌字符分割技術(shù)是組成車牌識別技術(shù)的重要部分。

2.2 車輛檢測

目前，城市交通路口處紅綠燈的間隔時(shí)間是固定不變的，但是受交通路口的位置不同、時(shí)間不同的影響，每個(gè)交通路口的交通流量也是持續(xù)變化的。此外，對于某些交通區(qū)域來說，公共資源的配備，比如交通警察、交通車輛的數(shù)量是有限的。如果能根據(jù)計(jì)算機(jī)視覺技術(shù)，對交通路口的不同時(shí)間、不同位置的交通情況進(jìn)行分析計(jì)算，并對交通流量進(jìn)行預(yù)測，有利于為交通警察縮短出警時(shí)間、為交通路口的紅綠燈根據(jù)實(shí)際情況設(shè)置動態(tài)變化等技術(shù)提供支持。

2.3 統(tǒng)計(jì)公交乘客人數(shù)

城市公共交通的核心內(nèi)容是城市公交調(diào)度問題，一個(gè)城市如何合理的解決公交調(diào)度問題，是緩解城市運(yùn)力和運(yùn)量矛盾，緩解城市交通緊張的有效措施。城市公交調(diào)度問題，為公交公司與乘客的平衡利益，為公交公司的經(jīng)濟(jì)利益和社會效益的提高做出了巨大的貢獻(xiàn)。由于在不同的地域、不同的時(shí)間，公交客流會存在不均衡性，高峰時(shí)段的公交乘客過多，平峰時(shí)段的公交乘客過少，造成了公交調(diào)度不均衡問題，使有限資源浪費(fèi)嚴(yán)重。在計(jì)算機(jī)視覺智能公交系統(tǒng)中，自動乘客計(jì)數(shù)技術(shù)是其關(guān)鍵技術(shù)。自動乘客計(jì)數(shù)技術(shù)，是對乘客上下車的時(shí)間和地點(diǎn)自動收集的最有效的技術(shù)之一。根據(jù)其收集到的數(shù)據(jù)，從時(shí)間和地點(diǎn)兩方面對客流分析，為城市公交調(diào)度進(jìn)行合理的安排。

2.4 對車道偏離程度和駕駛員工作狀態(tài)判斷

交通事故的發(fā)生率隨著車輛數(shù)量的增加而增加。引發(fā)交通事故的重要因素之一就是駕駛員疲勞駕駛。據(jù)相關(guān)數(shù)據(jù)顯示，因車道偏離導(dǎo)致的交通事故在40%以上。其中，駕駛員的疲勞駕駛就是導(dǎo)致車道偏離的主要原因。針對此種現(xiàn)象，為減少交通事故的發(fā)生，計(jì)算機(jī)視覺中車道偏離預(yù)警系統(tǒng)被研究開發(fā)并被廣泛應(yīng)用。針對駕駛員眨眼頻率，利用計(jì)算機(jī)視覺對駕駛員面部進(jìn)行圖像處理和分析，再根據(jù)疲勞駕駛關(guān)注度與眨眼頻率的關(guān)系，對駕駛員的工作狀態(tài)進(jìn)行判斷。此外，根據(jù)道路識別技術(shù)，對車輛行駛狀態(tài)進(jìn)行檢測，也是判斷駕駛員工作狀態(tài)的方法之一。這兩種方法，是目前基于計(jì)算機(jī)視覺的基礎(chǔ)上，檢測駕駛員疲勞狀態(tài)的有效方法。

2.5 路面破損檢測

最常見的路面損壞方式就是裂縫。利用計(jì)算機(jī)視覺，及時(shí)發(fā)現(xiàn)路面破損情況，并在其裂縫程度嚴(yán)重之前進(jìn)行修補(bǔ)，有利于節(jié)省維護(hù)成本，也避免出現(xiàn)路面坍塌，車輛凹陷的情況發(fā)生。利用計(jì)算機(jī)視覺進(jìn)行路面檢測，相較于之前人工視覺檢測相比，有效提高了視覺檢測的效率，增強(qiáng)了自動化程度，提高了安全性，為市民的出行安全帶來了更高保障。

3 結(jié)論

本文從計(jì)算機(jī)視覺的概述，及計(jì)算機(jī)視覺基本體系結(jié)構(gòu)，和計(jì)算機(jī)視覺在交通領(lǐng)域中的應(yīng)用三面進(jìn)行分析，可見計(jì)算機(jī)視覺在交通領(lǐng)域中的廣泛應(yīng)用，在交通領(lǐng)域中應(yīng)用的有效性、顯著性，以此可得計(jì)算機(jī)視覺在現(xiàn)展過程中的重要性。隨著計(jì)算機(jī)視覺技術(shù)的越來越成熟，交通領(lǐng)域的檢測管理一定會加嚴(yán)格，更加安全。

參考文獻(xiàn)

[1]段里仁.智能交通系境在我國道路空通管理中的應(yīng)用[J].北方工業(yè)時(shí)報(bào)，2015（06）.

[2]王豐元.計(jì)算機(jī)視覺在建筑區(qū)間的應(yīng)用實(shí)例分析[J].河北電力學(xué)報(bào)，2015（04）.

[3]李釗稱.主動測距技術(shù)在計(jì)算機(jī)數(shù)據(jù)分析中的作用探析[J].計(jì)算機(jī)應(yīng)用，2015（08）.

[4]馬良紅.三維物體影像的攝取與分析[J].中國公路學(xué)報(bào)，2014（05）.

[5]朱學(xué)君，沈睿.關(guān)于計(jì)算機(jī)視覺在交通領(lǐng)域中的探討[J].信息通信，2013（01）：123.

[6]王大勇.關(guān)于計(jì)算機(jī)視覺在交通領(lǐng)域中的應(yīng)用分析[J].科技與企業(yè)，2013（01）：115.

作者簡介

夏棟（1988-），男，湖北省孝感市人?，F(xiàn)為同濟(jì)大學(xué)軟件學(xué)院在讀碩士。研究方向?yàn)橛?jì)算機(jī)視覺。

第2篇：計(jì)算機(jī)視覺的主要技術(shù)范文

【關(guān)鍵詞】計(jì)算機(jī) 視覺 圖像處理 技術(shù)

一、引言

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，在20世紀(jì)60年底產(chǎn)生了計(jì)算機(jī)視覺學(xué)這一學(xué)科。計(jì)算機(jī)視覺是借助計(jì)算機(jī)以及各種設(shè)備，進(jìn)行生物視覺模擬的一種技術(shù)。計(jì)算機(jī)視覺學(xué)的主要任務(wù)，是借助已掌握的圖片、視頻等資料，進(jìn)行計(jì)算與處理，和人類及其他生物的視覺過程一樣，

得到相應(yīng)形式的三維數(shù)據(jù)信息。計(jì)算機(jī)視覺學(xué)的發(fā)展，在工業(yè)、農(nóng)業(yè)的生產(chǎn)中，地質(zhì)勘探、天文、醫(yī)學(xué)觀察等領(lǐng)域也有著重要的應(yīng)用價(jià)值。因此，視覺學(xué)的研究和應(yīng)用轉(zhuǎn)化受到了越來越多的重視。

二、計(jì)算機(jī)視覺學(xué)的圖像分割研究

（一）數(shù)據(jù)驅(qū)動的分割研究

在計(jì)算機(jī)視覺學(xué)應(yīng)用過程中，經(jīng)常進(jìn)行的數(shù)據(jù)驅(qū)動分割有下面幾項(xiàng)內(nèi)容：第一種是邊緣檢測的分割、第二種是區(qū)域分割、第三種是邊緣和區(qū)域相互結(jié)合的分割。第一種基于邊緣檢測的分割，這種分割的基本方法：首先對檢測圖像的邊緣點(diǎn)進(jìn)行檢測，然后根據(jù)一定的法則進(jìn)行輪廓的連接，獲得分割的區(qū)域?；谶吘墮z測的分割其難點(diǎn)是邊緣檢測時(shí)如何處理好抗噪聲性能、檢測的精度之間的矛盾。所以，在研究的過程中，提出了多種多尺度邊緣檢測的方法，按照實(shí)際問題進(jìn)行多尺度邊緣信息設(shè)計(jì)等方案，以獲得更為合適的抗噪性能和檢測的精度。第二種基于區(qū)域的分割，它的基本思想是按照圖像數(shù)據(jù)的特點(diǎn)，將整個(gè)圖像的空間劃分成為幾個(gè)不同的區(qū)域進(jìn)行圖像處理。

（二）計(jì)算機(jī)視覺學(xué)模型驅(qū)動的分割

經(jīng)常使用的模型驅(qū)動分割有下面三種，第一種模型是基于動態(tài)輪廓的模型、第二種模型是組合優(yōu)化模型、第三種模型是目標(biāo)幾何與統(tǒng)計(jì)模型。第一種是基于動態(tài)輪廓的模型用在進(jìn)行分割目標(biāo)的動態(tài)輪廓，因?yàn)槠淠芰亢瘮?shù)使用的是積分運(yùn)算，有著很好的抗噪性能，對于目標(biāo)的局部模糊也不敏感，所以其適用性很廣。但這種分割方法容易收斂到局部最優(yōu)，因此要求初始輪廓應(yīng)盡可能靠近真實(shí)輪廓。通過組合優(yōu)化的方法進(jìn)行分割問題的處理，是使用一目標(biāo)函數(shù)綜合表示分割的相關(guān)要求以及約束，把分割變?yōu)槟繕?biāo)函數(shù)的優(yōu)化求解。因?yàn)槟繕?biāo)函數(shù)多數(shù)情況下作為多變量函數(shù)存在的，因此可以通過使用隨機(jī)優(yōu)化的方法來實(shí)現(xiàn)。

（三）計(jì)算機(jī)視覺學(xué)圖像分割的半自動方法

通過對人工參與程度的分，我們可以得出圖像分割，主要有三種類型即：人工圖像分割、半自動圖像分割、自動圖像分割等。人工圖像分割指的是操作者使用鼠標(biāo)，將分割區(qū)域的輪廓進(jìn)行勾畫的方法，人工圖像分割的缺點(diǎn)是費(fèi)時(shí)費(fèi)力，而且很容易就會受到一些主觀因素的影響，并且人工圖像分割的可重復(fù)性較差。自動圖像分割不需要借助人機(jī)交互就能完成，但是也很難實(shí)現(xiàn)同一批圖像處理的滿意分割效果。半自動分割這種形式指的是將人機(jī)交互同自動分割結(jié)合在一起，半自動分割可以實(shí)現(xiàn)對不同圖像與處理需求的適應(yīng)，并且可以大大降低計(jì)算過程的復(fù)雜性。在計(jì)算機(jī)技術(shù)不斷發(fā)展的背景下，計(jì)算速度和容量有了大幅度的提升，計(jì)算機(jī)圖像處理及視覺應(yīng)用取得了豐碩的成果。

三、計(jì)算機(jī)視覺技術(shù)的分析

（一）以模型為研究對象的處理方法

在以模型世界作為研究對象的視覺學(xué)研究過程中，以Roberts的開創(chuàng)性工作作為一種標(biāo)志，在他的工作過程中，引進(jìn)了三維物體與二維物體成像的關(guān)系，使用較為簡單的邊緣特征提取、組合線段等手段和方法。他對三維關(guān)系的分析只是按照簡單的邊緣線段的約束關(guān)系，缺乏對人類或其他動物視覺系統(tǒng)感知三維空間關(guān)系的充分考慮。但是早期的這些研究工作，對計(jì)算機(jī)視覺學(xué)的研究和發(fā)展發(fā)揮了良好的促進(jìn)意義，但是對于較為復(fù)雜的景物就不能夠奏效。

（二）以計(jì)算理論為主體的視覺模型

隨著計(jì)算機(jī)視覺研究的不斷深入，在二十世紀(jì)七十年代，計(jì)算機(jī)視覺技術(shù)的研究，開始向著更為理性的階段發(fā)展，主要表現(xiàn)在：不同本征特性的恢復(fù)，恢復(fù)的內(nèi)容有三維形狀恢復(fù)、運(yùn)動恢復(fù)、光源恢復(fù)等等。研究的出發(fā)點(diǎn)是光學(xué)、生理學(xué)以及射影幾何的視角出發(fā)，對成像及其逆等問題進(jìn)行研究。在這個(gè)過程中，一些學(xué)者提出了以表示作為核心、通過算法作為中間轉(zhuǎn)換過程的視覺處理模型，例如：著名的計(jì)算機(jī)視覺學(xué)研究者M(jìn)arr就提出了這些觀點(diǎn)，在他的理論里面，對表示的重要意義進(jìn)行強(qiáng)調(diào)，并且從不同層面上對信息處理問題進(jìn)行了研究。

（三）計(jì)算機(jī)視覺的應(yīng)用研究

在現(xiàn)實(shí)生活和生產(chǎn)的過程中，計(jì)算機(jī)視覺主要應(yīng)用在照片資料、視頻資料處理上，例如：航空照片的處理、衛(wèi)星照片的編譯、醫(yī)學(xué)領(lǐng)域的輔診斷、移動機(jī)器人視覺導(dǎo)航等等。其中，工業(yè)機(jī)器人手眼系統(tǒng)的研發(fā)，成為計(jì)算機(jī)視覺應(yīng)用最具代表性的成果之一。因?yàn)楣I(yè)生產(chǎn)、施工等現(xiàn)場等因素具有一定的復(fù)雜性，這種環(huán)境下的光照、成像特點(diǎn)等等可以控制，這就使得計(jì)算機(jī)視覺的應(yīng)用更為簡單，對于系統(tǒng)的實(shí)際構(gòu)成有著很好的作用。移動機(jī)器人與工業(yè)機(jī)器人不同之處就是移動機(jī)器人具有一定的行為能力，這就需要研究者解決機(jī)器人的行為規(guī)劃問題。在移動機(jī)器人種類、智能化水平不斷提升的背景下，對視覺能力的要求也越來越高，這也使得計(jì)算機(jī)視覺有了更為廣闊的應(yīng)用前景。

四、結(jié)語

綜上所述，計(jì)算機(jī)視覺學(xué)作為人類科技發(fā)展和社會進(jìn)步的一種學(xué)科體現(xiàn)，在前進(jìn)和發(fā)展的過程中，通過研究者和應(yīng)用者的不斷總結(jié)和探究，取得了豐碩的成果。在未來視覺技術(shù)發(fā)展的道路上，仍然有大量的工作需要進(jìn)行研究。

參考文獻(xiàn)：

[1]韓祥波， 劉戰(zhàn)麗. 計(jì)算機(jī)圖像處理技術(shù)在農(nóng)產(chǎn)品檢測分級中的應(yīng)用[J]. 安徽農(nóng)業(yè)科學(xué) ， 2013，（34）

[2]趙萍， 李永奎， 林靜， 白雪衛(wèi). 數(shù)字圖像處理技術(shù)在農(nóng)產(chǎn)品方面的應(yīng)用[J]. 農(nóng)機(jī)化研究 ， 2012，（11）

第3篇：計(jì)算機(jī)視覺的主要技術(shù)范文

關(guān)鍵詞：計(jì)算機(jī)視覺；案例推理；圖像處理；圖像描述

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044(2007)04-11102-03

1 引言

基于案例推理(case-base reasoning)是人工智能中正不斷發(fā)展的一項(xiàng)重要推理技術(shù)?；诎咐评砼c類比推理方法相似，案例推理將舊經(jīng)驗(yàn)或教訓(xùn)轉(zhuǎn)換為知識，出現(xiàn)新問題時(shí)，首先查找以前是否有相似的案例，并用相似案例解決新問題。如果沒遇到相似案例的,經(jīng)過推理后解決新問題的方法，又會成為新的案例或新經(jīng)驗(yàn)，下一次再遇到相同問題時(shí)，就可以復(fù)用這些案例或經(jīng)驗(yàn)。

這與人遇到問題時(shí)，首先會用經(jīng)驗(yàn)思考解決問題的方式相似，這也是解決問題較好的方法?；诎咐评響?yīng)用于工業(yè)產(chǎn)品檢測或故障診斷時(shí)具有以下特點(diǎn)：

CBR智能化程度較高。利用案例中隱含的難以規(guī)則化的知識，以輔助規(guī)則推理的不足，提高故障診斷系統(tǒng)的智能化程度。

CBR較好解決“知識獲取”的瓶頸。CBR知識表示以案例為基礎(chǔ)，案例的獲取比規(guī)則獲取要容易，大大簡化知識獲取的過。

CBR求解效率較高。是對過去的求解結(jié)果進(jìn)行復(fù)用，而不是再次從頭開始推導(dǎo)，可以提高對新問題的求解效率。

CBR求解的質(zhì)量較高。CBR以過去求解成功或失敗的經(jīng)歷，可以指導(dǎo)當(dāng)前求解時(shí)該怎樣走向成功或避開失敗。

CBR持續(xù)不斷的學(xué)習(xí)能力，使得它可以適應(yīng)于將來問題的解決。

所以基于案例推理方法正不斷應(yīng)用在產(chǎn)品質(zhì)量檢測和設(shè)備故障診斷方面，并取得較好的經(jīng)濟(jì)效益。為了產(chǎn)品檢測和設(shè)備故障診斷中，更為智能化，更容易實(shí)現(xiàn)現(xiàn)場檢測和診斷，計(jì)算機(jī)視覺技術(shù)起到很大的作用。

計(jì)算機(jī)視覺是研究用計(jì)算機(jī)來模擬人和生物的視覺系統(tǒng)功能的技術(shù)學(xué)科，使計(jì)算機(jī)具有感知周圍視覺世界的能力。通過計(jì)算機(jī)視覺，進(jìn)行圖像的獲取預(yù)處理、圖像分割與特征抽取、識別與分類、三維信息理解、景物描述、圖像解釋，讓計(jì)算機(jī)具有對周圍世界的空間物體進(jìn)行傳感、抽象、判斷的能力，從而達(dá)到識別、理解的目的。

計(jì)算機(jī)視覺隨著科學(xué)技術(shù)發(fā)展，特別計(jì)算機(jī)技術(shù)、通信技術(shù)、圖像采集技術(shù)、傳感器技術(shù)等，以及神經(jīng)網(wǎng)絡(luò)理論、模糊數(shù)學(xué)理論、小波的分析理論等計(jì)算機(jī)視覺理論的不斷發(fā)展和日趨成熟，使計(jì)算機(jī)視覺從上世紀(jì)60年代開始興起發(fā)展到現(xiàn)在，取得快速發(fā)展，已經(jīng)從簡單圖像質(zhì)量處理發(fā)展到圍繞著紋理分析、圖像編碼、圖像分割和濾波等研究。圖像的分析與處理，也由靜止轉(zhuǎn)向運(yùn)動，由二維轉(zhuǎn)向三維，并主要著眼于對圖像的識別和理解上，也使計(jì)算機(jī)視覺的應(yīng)用領(lǐng)域更為廣泛，為案例推理中運(yùn)用計(jì)算機(jī)視覺打下基礎(chǔ)。

2 案例推理系統(tǒng)的主要關(guān)鍵技術(shù)

（1）案例的表示與組織

案例的表示與組織即是如何抽取案例的特征變量，并以一定的結(jié)構(gòu)在計(jì)算機(jī)中組織存儲。如何將信息抽取出特征變量，選擇什么語言描述案例和選擇什么內(nèi)容存放在案例中，案例按什么組織結(jié)構(gòu)存放在存儲器中，這關(guān)系到基于案例推理方法的效率，而且對于案例數(shù)量越來越多，結(jié)構(gòu)十分復(fù)雜的案例庫，尤其重要。

（2）案例的索引與檢索

案例的索引與檢索即是為了查找最佳相似案例，如何建立案例索引和相似度算法，利用檢索信息從案例庫中檢索并選擇潛在可用相似案例。后面的工作能否發(fā)揮出應(yīng)有的作用，很大程度上依賴于這一階段得到的案例質(zhì)量的高低，因此這一步非常關(guān)鍵。

（3）案例的復(fù)用和調(diào)整

案例的復(fù)用即是如何根據(jù)舊案例得出新解，涉及到找出案例與新問題之間的不同之處，案例中的哪些部分可以用于新問題，哪些部分不適合應(yīng)用于新問題的解決。而復(fù)用還分案例的結(jié)果復(fù)用，案例的求解方法復(fù)用。

（4）案例的學(xué)習(xí)

案例的學(xué)習(xí)即是將新解添加到案例庫中，擴(kuò)充案例庫的案例種類與數(shù)量，這過程也是知識獲取。此過程涉及選取哪些信息保留，以及如何把新案例有機(jī)集成到案例庫中，包括如何存儲，如何建立索引等等。

針對案例推理的關(guān)鍵技術(shù)，根據(jù)檢測和故障診斷系統(tǒng)的特點(diǎn)，計(jì)算機(jī)視覺主要解決如何將產(chǎn)品圖像輸入系統(tǒng)，如何將產(chǎn)品圖像特征進(jìn)行抽取和描述，如何區(qū)別產(chǎn)品不同之處。以便案例推理系統(tǒng)進(jìn)行案例建模，確立案例的表示形成和案例相似度的計(jì)算。本文主要從計(jì)算機(jī)視覺如何運(yùn)用在案例推理系統(tǒng)進(jìn)行探討。

3 產(chǎn)品輸入系統(tǒng)

產(chǎn)品輸入系統(tǒng)在不同產(chǎn)品類型和生產(chǎn)環(huán)境可能有不同之處，主要應(yīng)有傳感器單元和圖像采集單元。如圖1。

圖1 產(chǎn)品輸入系統(tǒng)結(jié)構(gòu)

傳感器單元主要判斷是否有產(chǎn)品存在，是否需要進(jìn)行圖像采集，是否繼續(xù)下一個(gè)產(chǎn)品圖像的采集。這簡單傳感器可使用光電開關(guān)，配合光源，當(dāng)產(chǎn)品經(jīng)過時(shí)，產(chǎn)品遮擋住光源，使光電開關(guān)產(chǎn)生一個(gè)0值，而沒有產(chǎn)品經(jīng)過時(shí)，光電開關(guān)產(chǎn)生相反的1值，系統(tǒng)通過判斷光電開關(guān)的值，從而判斷是否有產(chǎn)品。

圖像采集單元簡單地說是將產(chǎn)品拍攝并形成數(shù)字化圖像，主要包括光源、反射鏡、CCD相機(jī)和圖像采集卡等組成。光源和反射鏡作用主要使圖像中的物體和背景之間有較大灰度。CCD相機(jī)主要是拍攝設(shè)備。圖像采集卡主要是將圖像數(shù)字化。通過傳感器判斷有產(chǎn)品后，光源發(fā)出的光均勻地照在被測件上，CCD相機(jī)拍攝，拍攝圖像經(jīng)過圖像采集卡數(shù)字化后輸入存儲設(shè)備。存儲設(shè)備即為計(jì)算機(jī)硬盤。存放原始圖像、數(shù)據(jù)、處理結(jié)果等。

這是案例推理系統(tǒng)的原始數(shù)據(jù),是圖像處理、圖像特征抽取描述的基礎(chǔ)。

4 圖像處理

在案例推理系統(tǒng)中，需要對案例的組織和案例建模，案例的組織即案例的表示，相對計(jì)算機(jī)而言，即圖像特征的抽取，即某圖像具有與其它圖像不同之處，用于區(qū)別其它圖像，具有唯一性。同時(shí)，又能完整地表示該圖像。所以案例的表示要體現(xiàn)案例的完整性、唯一性、操作容易性。

圖像中有顏色區(qū)別、又有物體大小之分以及圖像由不同的物體組成。如何表示圖像，或說圖像內(nèi)部包含表示的本質(zhì)，即圖像的描述。根據(jù)圖像特點(diǎn)，確立圖像案例的表示，以圖像的像素、圖像的數(shù)字化外觀、圖像物體的數(shù)字組成等屬性。這需要對產(chǎn)品輸入的原始圖像進(jìn)行處理。

在計(jì)算機(jī)視覺技術(shù)中，對原始圖像主要進(jìn)行圖像增強(qiáng)、平滑、邊緣銳化、分割、特征抽取、圖像識別與理解等內(nèi)容。經(jīng)過這些處理后，輸出圖像的質(zhì)量得到相當(dāng)程度的改善，既改善了圖像的視覺效果，又便于計(jì)算機(jī)對圖像進(jìn)行分析、處理和識別。具體工作流程如圖2所示：

圖2 計(jì)算機(jī)視覺的任務(wù)與工作流程

圖像預(yù)處理是將產(chǎn)品的數(shù)字圖像輸入計(jì)算機(jī)后，首先要進(jìn)行圖像的預(yù)處理，主要完成對圖像噪聲的消除以及零件的邊緣提取。預(yù)處理的步驟為：圖像二值化處理；圖像的平滑處理；圖像的邊緣提取。

圖像二值化處理主將灰度圖形二值化的關(guān)鍵是閾值的選取，由于物體與背景有明顯的灰度差，可以選取根據(jù)灰度直方圖中兩峰之間的谷值作為閾值來分割目標(biāo)和背景。

圖像的平滑處理技術(shù)即圖像的去噪聲處理，主要是為了去除實(shí)際成像過程中因成像設(shè)備和環(huán)境所造成的圖像失真，提取有用信息。

圖像邊緣提取是為了將圖像中有意義的對象與其背景分開，并使之具有某種指定的數(shù)學(xué)或符號表達(dá)形式，使計(jì)算機(jī)能夠理解對象的具體含義，檢測出邊緣的圖像就可以進(jìn)行特征提取和形狀分析了?？刹捎枚喾N算法，如采用Sobel算子提取邊緣。

圖像預(yù)處理是為下一步的特征描述打基礎(chǔ)，預(yù)處理的好壞直接影響案例推理的結(jié)果和檢測診斷的效率。

特征提取是對圖像進(jìn)行描述，是案例建模關(guān)鍵，案例建模是根據(jù)案例組織要求抽取圖像特征，是建立案例索引和檢索的關(guān)鍵。如果圖像沒有特征，就談不上進(jìn)行檢索。圖像特征可通過圖像邊界、圖像分割、圖像的紋理等方法，確定圖像特征，包括是什么產(chǎn)品、產(chǎn)品形狀大小、產(chǎn)品顏色，產(chǎn)品有什么缺陷、產(chǎn)品缺陷在什么位置等特征，根據(jù)這些圖像特征進(jìn)行描述，形成計(jì)算機(jī)中屬性值，并從數(shù)據(jù)庫查找相應(yīng)信息資料，從而確定產(chǎn)品之間的關(guān)系，相似度，也就是案例推理的方向。

5 系統(tǒng)的檢索

根據(jù)案例推理原理和相應(yīng)算法，建立案例推理系統(tǒng)模型，如圖3所示。

圖3 案例推理系統(tǒng)

對話系統(tǒng)：完成人機(jī)交互、問題描述、結(jié)果顯示和系統(tǒng)總控制。

案例庫系統(tǒng)：由案例庫及案例庫管理系統(tǒng)組成。

數(shù)據(jù)析取系統(tǒng)：對各種已有的源數(shù)據(jù)庫的數(shù)據(jù)通過轉(zhuǎn)換而形成所需的數(shù)據(jù)。

多庫協(xié)同器：根據(jù)問題求解的需要，按照一定的數(shù)據(jù)抽取策略，完成問題求解過程中對模型庫系統(tǒng)、方法庫系統(tǒng)、知識庫系統(tǒng)和數(shù)據(jù)庫系統(tǒng)等資源的調(diào)度與協(xié)調(diào)。

知識庫系統(tǒng)：由產(chǎn)生式規(guī)則組成，這些知識包括專家經(jīng)驗(yàn)和以規(guī)則形式表示的有關(guān)知識，也可以是數(shù)據(jù)挖掘結(jié)論，支持案例檢索、案例分析、案例調(diào)整等。 模型庫系統(tǒng)：由模型庫、算法庫、模型庫管理系統(tǒng)組成。完成模型識別和調(diào)用，并把結(jié)果綜合，送入對話系統(tǒng)顯示，作為補(bǔ)充信息供案例檢索、調(diào)整使用。

數(shù)據(jù)庫系統(tǒng)：存放待決策支持的所有問題，并完成其維護(hù)與查詢等功能。

由于系統(tǒng)主要應(yīng)用產(chǎn)品的現(xiàn)場實(shí)時(shí)檢測監(jiān)控或故障診斷，所以系統(tǒng)的檢索時(shí)，也必須輸入檢索值，即輸入現(xiàn)場產(chǎn)品的圖像，在通過產(chǎn)品預(yù)處理、圖像的二值化、分割和邊界處理后，進(jìn)行圖像特征描述，根據(jù)圖像描述進(jìn)行分類識別。根據(jù)案例推理的算法檢索案例庫中，是否有相似的案例。即確定相似度。相似度確定主要由案例推理的算法確定，如貼近分析法。確定相似度最大作為結(jié)果，并將案例的解輸出，給相關(guān)控制系統(tǒng)進(jìn)行決策。如產(chǎn)品質(zhì)量檢測，確定產(chǎn)品質(zhì)量是否合格，是否有不合格產(chǎn)品，不合格產(chǎn)品是什么原因造成，故障源是什么，如何解決和排除故障，等等。

6 結(jié)論

案例推理方法有效地解決計(jì)算機(jī)視覺技術(shù)中圖像檢索問題。對提高圖像檢索的效率和準(zhǔn)確度提供了平臺。

計(jì)算機(jī)視覺技術(shù)也為案例推理系統(tǒng)實(shí)現(xiàn)產(chǎn)品現(xiàn)場實(shí)時(shí)檢測、監(jiān)控、診斷提供技術(shù)支持。計(jì)算機(jī)視覺技術(shù)現(xiàn)場的數(shù)據(jù)采集、處理為案例推理打好基礎(chǔ)。

兩者的結(jié)合設(shè)計(jì)的系統(tǒng)適用范圍很廣，只要產(chǎn)品需要進(jìn)行質(zhì)量檢測、監(jiān)控，或設(shè)備需要進(jìn)行故障診斷和維護(hù)，都可以適用。

系統(tǒng)提供的實(shí)時(shí)檢測、監(jiān)控和診斷功能，提高企業(yè)的生產(chǎn)效益，降低了生產(chǎn)成本。

參考文獻(xiàn)：

[1]（美）?？希⊿onka,M）.圖像處理分析與機(jī)器視覺[M].人民郵電出版社.

[2]王宏等譯.計(jì)算機(jī)視覺[M].電子工業(yè)出版社.

[3]蔡建榮.自然場景下成熟水果的計(jì)算機(jī)視覺識別[J].農(nóng)業(yè)機(jī)械，36(2)：61-64.

[4]王宇輝.基于計(jì)算機(jī)視覺的錐體零件尺寸在線檢測算法[J].重型機(jī)械，2005,2：4-6

[5]駱志堅(jiān).基于計(jì)算機(jī)視覺檢測技術(shù)自動計(jì)數(shù)系統(tǒng)的研究與應(yīng)用[J].儀表技術(shù)與傳感器,2005,3：41-43.

[6]左小德.貼近度分析法在案例庫推理中的應(yīng)用[J],南大學(xué)學(xué)報(bào)(自然科學(xué)版)，1997，18(1):21-26.

[7]姜麗紅.案例推理在智能化預(yù)測支持系統(tǒng)中的應(yīng)用研究[J].決策與決策支持系統(tǒng),1996,6(4):63-69.

第4篇：計(jì)算機(jī)視覺的主要技術(shù)范文

【關(guān)鍵詞】計(jì)算機(jī)視覺；構(gòu)件；表面特征；檢測

表面缺陷檢測以及特征提取，所涉及的范圍是非常廣泛的，包括了鐵軌表面缺陷、帶鋼表面缺陷以及織物表面缺陷等。因此加強(qiáng)對產(chǎn)品的表面缺陷提取以及質(zhì)量檢測顯得尤為重要，目前基于計(jì)算機(jī)視覺的構(gòu)件缺陷檢測系統(tǒng)已經(jīng)受到國內(nèi)外研究人員的重視，如何更好地將計(jì)算機(jī)視覺技術(shù)引入到產(chǎn)品表面質(zhì)量缺陷檢測中去是未來發(fā)展的重點(diǎn)。筆者將在下文中就此展開詳細(xì)的闡述。

1.計(jì)算機(jī)視覺的基本工作原理

1.1系統(tǒng)結(jié)構(gòu)

計(jì)算機(jī)視覺是一項(xiàng)涉及范圍廣泛的技術(shù)，他通過圖像采集裝置將檢測目標(biāo)轉(zhuǎn)化為圖像信號，再經(jīng)過專門性的額圖像處理系統(tǒng)最終生成具體的表面特征。具體來講在圖像處理環(huán)節(jié)米旭濤根據(jù)圖像的具體像素以及圖像分布和顏色、亮度、飽和度等進(jìn)行目標(biāo)提取，再比照系統(tǒng)預(yù)設(shè)的參照值得出最終的檢測結(jié)果，例如尺寸大小、顏色等師傅偶合格。計(jì)算機(jī)視覺處理系統(tǒng)包括了光源、鏡頭、計(jì)算機(jī)以及圖像采集裝置和處理系統(tǒng)等，這些系統(tǒng)綜合組成共同推動了計(jì)算機(jī)視覺系統(tǒng)的正常穩(wěn)定運(yùn)行。

1.2計(jì)算機(jī)視覺硬件設(shè)計(jì)

計(jì)算機(jī)視覺系統(tǒng)的硬件平臺包括了照明系統(tǒng)、鏡頭相機(jī)以及圖像采集裝置和工控機(jī)四個(gè)部分，這四個(gè)部分缺一不可，共同組成了整個(gè)計(jì)算機(jī)視覺系統(tǒng)。

1.2.1照明系統(tǒng)

照明系統(tǒng)是整個(gè)計(jì)算機(jī)視覺系統(tǒng)的關(guān)鍵，尤其是在光源和照明方案的配合上更是直接影響了整個(gè)系統(tǒng)運(yùn)行的成敗。因此在照明方案的制定以及光源的選擇上應(yīng)該盡可能的突出物體特征參量，綜合考慮對比度以及亮度等因素，將計(jì)算機(jī)視覺系統(tǒng)的光源與照明方案相匹配，選擇需要的幾何形狀以及均勻度等，同時(shí)還需要結(jié)合被檢測物體的表面特征幾何形狀。針對構(gòu)件表面缺陷的照明方案，筆者認(rèn)為應(yīng)該選擇功率相對較大的LED光源，用低角度的方式進(jìn)行照明。

1.2.2相機(jī)鏡頭

相機(jī)系統(tǒng)是成像的關(guān)鍵，因此在相機(jī)鏡頭的選擇上應(yīng)該適用于具體的構(gòu)件。一般來說相機(jī)鏡頭包括了兩方面內(nèi)容，一是線掃，二是面掃。通過二者的綜合運(yùn)用實(shí)現(xiàn)更好地成像效果。

1.2.3圖像采集卡

圖像采集卡主要是指在計(jì)算機(jī)視覺系統(tǒng)中位于圖像裁剪機(jī)設(shè)備和圖像處理設(shè)備之間的重要接口。是成像的中間環(huán)節(jié)，發(fā)揮著不可或缺的作用。

2.基于計(jì)算機(jī)視覺的構(gòu)件表面缺陷特征提取

基于計(jì)算機(jī)視覺的構(gòu)件表面缺陷特征提取可以分為為三個(gè)重要部分，分別是圖像預(yù)處理部分：主要是指針對構(gòu)件進(jìn)行區(qū)域的定位，將非構(gòu)件的部分移出計(jì)算機(jī)視覺的缺陷提取技術(shù)中去，從而降低了后續(xù)工作的工作難度；其次是進(jìn)行缺陷定位，主要是指通過特定的技術(shù)和算法將缺陷從結(jié)果當(dāng)中直接分離出來。第三部分是缺陷特征的提取，也是系統(tǒng)處理的結(jié)果部分，是通過計(jì)算缺陷的程度以及缺陷大小，從而為后期的構(gòu)件維護(hù)提供參考依據(jù)。具體來說，這三個(gè)部分的操作主要體現(xiàn)在以下幾個(gè)方面：

2.1區(qū)域定位

區(qū)域定位是減少構(gòu)件處理和選擇時(shí)間的關(guān)鍵，能夠大大提高構(gòu)件缺陷提取的效率。構(gòu)件的表面的基本特征和大致集合框架提取是區(qū)域定位和的第一步，要將計(jì)算機(jī)區(qū)域定位和缺陷提取結(jié)合起來，更好地實(shí)現(xiàn)缺陷分析。要做好構(gòu)件的區(qū)域定位首先需要明確構(gòu)件的基本種類和特征：一是根據(jù)構(gòu)件的重用方式來說，可以分為白匣子、灰匣子、黑匣子從構(gòu)件的使用范圍來看又可以分為通用構(gòu)件和專用構(gòu)件；根據(jù)構(gòu)件的粒度的大小可以分為小。中大三種不同粒度的構(gòu)件；再次是從構(gòu)件的功能上來看可以分為系統(tǒng)構(gòu)件、支撐構(gòu)件以及領(lǐng)域構(gòu)件三個(gè)部分。四是從構(gòu)件的基本結(jié)構(gòu)特征來看可以分為原子構(gòu)件以及組合構(gòu)件。最后從構(gòu)件的狀態(tài)來說，又可以分為動態(tài)和靜態(tài)構(gòu)件。因此從不同種類的構(gòu)件進(jìn)行區(qū)域定位為視覺系統(tǒng)正常運(yùn)行創(chuàng)造了優(yōu)良的條件。

2.2缺陷提取

在進(jìn)行缺陷提取的過程中，難免會受到客觀的環(huán)境影響，比如噪聲、溫度以及濕度等對圖像處理的結(jié)果產(chǎn)生影響，因此需要對區(qū)域定位中產(chǎn)生的區(qū)域進(jìn)行濾波處理，然后再采用閾值分割的辦法進(jìn)行缺陷提取。具體操作步驟如下所示：

（1）計(jì)算出成像中的最小最大灰度值，并且設(shè)置初始閾值。

（2）根據(jù)閾值，結(jié)合圖像的分割目標(biāo)，將圖像分割成為目標(biāo)和背景兩個(gè)部分，求導(dǎo)出平均灰度值。

（3）再根據(jù)新的平均灰度值計(jì)算出新的閾值。

（4）觀察閾值的初始值與新閾值之間的關(guān)系，如歌二者相等則整個(gè)計(jì)算過程就結(jié)束，如果不相等，則就需要進(jìn)一步計(jì)算。

通過閾值計(jì)算得出啊的最佳閾值分割效果圖，能夠進(jìn)行初步的缺陷預(yù)判，但是初步預(yù)判當(dāng)中還存在較多的不確定因素，主要包括兩類，一是在邊緣部分出現(xiàn)的細(xì)小毛刺，由于與缺陷的距離較近，因此在初步缺陷提取中容易形成誤判、再次是在構(gòu)件表面有一些非常細(xì)小的缺陷，這些缺陷的影響較小，不會對構(gòu)件的性能造成影響，因此在進(jìn)行缺陷提取的過程中需要將這兩個(gè)因素排除在外，具體主要是指采用圖像形態(tài)學(xué)中開運(yùn)算和閉運(yùn)算，從而達(dá)到對構(gòu)件中的明了細(xì)節(jié)和暗色細(xì)節(jié)的過濾。具體來說缺陷的分割提取采用的是Sobel算子。主要是利用了圖像像素點(diǎn)的上下左右灰度加權(quán)算法，對構(gòu)件表面的缺陷進(jìn)行檢測。再采用二值圖像邊界跟蹤法，將缺陷從構(gòu)件圖像中分離出來。

2.3缺陷特征提取

缺陷特征提取，又可以稱之為缺陷的定量計(jì)算和定性過程，是將前期所得的數(shù)據(jù)結(jié)果以更加直觀的形式展現(xiàn)出來，通過對比指標(biāo)參數(shù)判斷構(gòu)件的表面質(zhì)量是否合格，符合基本的生產(chǎn)標(biāo)準(zhǔn)。一般來說常用的表示缺陷特征的標(biāo)準(zhǔn)有以下幾種：

（1）周長：周長是對缺陷的邊界長度的描述，在圖像特征上顯示則是指構(gòu)件成像上的缺陷區(qū)域的邊界像素?cái)?shù)量。

（2）面積：面積相對于周長能夠更加直觀地反映整體缺陷的大小，它是缺陷區(qū)域中的像素的總數(shù)，因此更高體現(xiàn)缺陷的影響規(guī)模。

（3）致密性：這是一個(gè)相對專業(yè)的缺陷指標(biāo)概念主要是指每平方面積上的平方周倉，是一個(gè)雙單位描述指標(biāo)。

（4）區(qū)域的質(zhì)心：區(qū)域質(zhì)心是描述缺陷的影響關(guān)鍵也就是缺陷區(qū)域內(nèi)的核心區(qū)域，是對整個(gè)區(qū)域的核心描述。

（5）最小外接矩形。

3.結(jié)語

綜上所述，構(gòu)件表面缺陷直接影響構(gòu)件的最終使用效果，構(gòu)件表面缺陷的檢測應(yīng)用領(lǐng)域也逐漸廣泛，而計(jì)算機(jī)視覺技術(shù)在檢測缺陷中的優(yōu)越性更體現(xiàn)了基于計(jì)算機(jī)視覺的構(gòu)件表面缺陷特征提取的研究價(jià)值。本文主要針對構(gòu)件表面缺陷的檢測，綜合計(jì)算機(jī)視覺技術(shù)提出了具體的檢測方法和檢測工作原理，通過對表面缺陷的檢測，力圖提高構(gòu)件的整體質(zhì)量。

【參考文獻(xiàn)】

[1]陳黎，黃心漢，王敏，何永輝，龔世強(qiáng).帶鋼缺陷圖像的自動閾值分割研究[J].計(jì)算機(jī)工程與應(yīng)用，2002，（07）.

[2]許豪，孔建益，湯勃，王興東，劉源泂.基于數(shù)學(xué)形態(tài)學(xué)的帶鋼表面缺陷邊緣提取[J].機(jī)械設(shè)計(jì)與制造，2012，（06）.

第5篇：計(jì)算機(jī)視覺的主要技術(shù)范文

關(guān)鍵詞：計(jì)算機(jī)視覺系統(tǒng) 工業(yè)機(jī)器人 探究

中圖分類號：TP242 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2015）05-0000-00

計(jì)算機(jī)視覺系統(tǒng)主要是為了工業(yè)機(jī)器人更好的工作而研發(fā)出來的，是一套裝有攝像機(jī)視場的自動跟蹤與定位的計(jì)算機(jī)視覺系統(tǒng)。近年來，機(jī)器人已經(jīng)廣泛使用于工業(yè)生產(chǎn)，但是多數(shù)機(jī)器人都是通過“示教-再現(xiàn)”的模式工作，在工業(yè)機(jī)器人工作是都是由操作員進(jìn)行操作示范再由機(jī)器人跟著示范進(jìn)行工作。由于機(jī)器人缺乏對外界事物的識別能力，工作中經(jīng)常發(fā)生偏差或者位移等情況。由于工作環(huán)境的惡劣以及各種阻礙，為了提高工業(yè)機(jī)器人的工作效率、靈活性、適應(yīng)性等，讓機(jī)器人更好的識別外部環(huán)境并及時(shí)調(diào)整運(yùn)作方向，能更好的發(fā)揮其作用，在原有的機(jī)器人系統(tǒng)中添加了一套計(jì)算機(jī)視覺系統(tǒng)，利用計(jì)算機(jī)視覺圖像裝置的信息，通過圖像使機(jī)器人進(jìn)行外部環(huán)境的識別處理，采用三維的重建，通過作業(yè)中利用三維圖像的信息進(jìn)行計(jì)算，采用Motocom32軟件和機(jī)器人控制柜通訊等設(shè)備，對工業(yè)機(jī)器人進(jìn)行控制，更好的實(shí)現(xiàn)機(jī)器人對空間特點(diǎn)的跟蹤與定位。

1系統(tǒng)的結(jié)構(gòu)與原理

本文主要針對Motoman UP6工業(yè)機(jī)器人系統(tǒng)的二次研究，在原有的工業(yè)機(jī)器人的系統(tǒng)中，增加了一套計(jì)算機(jī)視覺系統(tǒng)， 使工業(yè)機(jī)器人更好的識別外界環(huán)境的系統(tǒng)。計(jì)算機(jī)視覺系統(tǒng)主要包括：Panasonic CCD攝像機(jī)、Motoman UP6工業(yè)機(jī)器人系統(tǒng)、工控機(jī)、OK C-50圖像采集卡等外部設(shè)備。工業(yè)機(jī)器人的整個(gè)系統(tǒng)由原有系統(tǒng)與計(jì)算機(jī)視覺系統(tǒng)組成，在原有的系統(tǒng)中包含了YASNAC-XRC- UP6機(jī)器人控制柜、Motoman UP6工業(yè)機(jī)器人本體、示教編程器、Motocom32系統(tǒng)以及相關(guān)的外部設(shè)備等[1]。計(jì)算機(jī)視覺系統(tǒng)的設(shè)備主要有Panasonic CCTV攝像機(jī)、AVENIR TV鏡頭、OK系列C-50圖像采集卡、工控機(jī)、AVENIR TV鏡頭、Panasonic CCD攝像機(jī)、OK系列C-50圖像采集卡形成的視頻采集系統(tǒng)主要是捕獲物體的圖像，該功能主要是分三個(gè)層次進(jìn)行圖像處理、計(jì)算、變換以及通信等功能來實(shí)施工控機(jī)。利用遠(yuǎn)程控制來對工業(yè)機(jī)器人進(jìn)行Motocom32系統(tǒng)進(jìn)行通信。

2計(jì)算機(jī)視覺系統(tǒng)的構(gòu)建

2.1硬件的組成

CCD攝像頭：選用的CCD攝像機(jī)采用PAP-VIVC810AOZ型彩色攝像頭，如圖1。攝像機(jī)的像素為P：500（H）x582（V），N：510（H）x 492（V），攝像機(jī)的分辨率為420。攝像機(jī)的成像器使用1/33"CCD，信噪>48 dB，同時(shí)攝像機(jī)具有自動背景光補(bǔ)償、自動增益控制等功能。

圖像采集卡：圖像采集卡主要采用CCD攝像頭配套的MV-200工業(yè)圖像處理。如圖2所示。MV-200圖像采集卡的分辨率、圖像清晰度具有較高的穩(wěn)定性，其真彩色實(shí)施工業(yè)圖像采集卡，該圖像采集卡的硬件構(gòu)造、地層函數(shù)都具有穩(wěn)定性，同時(shí)在惡例的環(huán)境中都可以穩(wěn)定運(yùn)行[2]。圖像采集卡的圖像采集效果非常好，畫面效果非常流暢。

MV-200圖像采集卡性能特點(diǎn)：其分辨率為768 x 576，具有獨(dú)特的視頻過濾技術(shù)，使圖像質(zhì)量的采集、顯示更加清晰流暢。主要支持的系統(tǒng)為Win98 /2K/XP，主要用于人工智能、事物識別、監(jiān)控等多種領(lǐng)域。

工控機(jī)：工控機(jī)以奔4系列為主。

2.2軟件組成

圖像匹配軟件。

圖像處理與獲取軟件。

定標(biāo)和定位算法軟件，功能分布如圖3所示。

3視覺系統(tǒng)的原理及流程圖

工業(yè)機(jī)器人的主要系統(tǒng)包括是由工業(yè)機(jī)器人本體、相關(guān)的外部設(shè)備、控制器（供電系統(tǒng)、執(zhí)行器等）計(jì)算機(jī)視覺系統(tǒng)主要由三部分組成：圖像處理和獲取、圖像匹配、攝像機(jī)的定位等組成。通過借助OpenCV的視覺庫進(jìn)行VC++.NET實(shí)行，流程如下圖表4所示。

在本視覺系統(tǒng)運(yùn)行中，需要對攝像機(jī)實(shí)行定標(biāo)，建立實(shí)際空間點(diǎn)和攝像機(jī)的對應(yīng)點(diǎn)。在定標(biāo)的過程中，就需要標(biāo)記基準(zhǔn)點(diǎn)，使攝像機(jī)在采集圖像時(shí)可以準(zhǔn)確的把這些基準(zhǔn)點(diǎn)投放到攝像機(jī)的坐標(biāo)上[3]。同時(shí)在采集卡的圖像中，對圖像進(jìn)行處理并計(jì)算出該基準(zhǔn)點(diǎn)圖像的坐標(biāo)，通過定標(biāo)計(jì)算法，從而得出攝像機(jī)的參數(shù)。

在機(jī)器人系統(tǒng)中的反饋，計(jì)算機(jī)通過C語言的調(diào)節(jié)圖像采集卡進(jìn)行動態(tài)鏈接來控制函數(shù)[4]。同時(shí)，對攝像機(jī)中的數(shù)據(jù)、視頻信號進(jìn)行采集，構(gòu)成數(shù)字化的圖像資料，采用BMP格式存儲進(jìn)行計(jì)算，在計(jì)算機(jī)上顯示活動視頻，然后系統(tǒng)對獲取的圖像進(jìn)行分析處理，以及對噪聲的去除、圖像的平滑等進(jìn)行處理，利用二值化處理對那些灰度閥值的圖像進(jìn)行處理，同時(shí)檢測計(jì)算機(jī)獲取圖像的特征量并計(jì)算[5]。在完成圖像的處理后，就需要確立圖像的匹配特征，對圖像進(jìn)行匹配[6]。如果兩個(gè)圖像不重疊，就需要建立3D數(shù)據(jù)庫進(jìn)行模型重新選擇，再把模型進(jìn)行計(jì)算、投影計(jì)算、坐標(biāo)更換等指令，直到找到與圖像相匹配的數(shù)據(jù)模型，才能真正得到真實(shí)有效的圖像。重疊時(shí)，要獲得有效的圖像，以工業(yè)機(jī)器人識別物體為目的，才能建立機(jī)器人系統(tǒng)之間的通信。同時(shí)，通過三維圖像重建，進(jìn)行機(jī)器人空間定位[7]。如下圖表5所示。

4結(jié)語

綜上所述，計(jì)算機(jī)視覺系統(tǒng)主要是為了工業(yè)機(jī)器人更好的工作而研發(fā)出來的，是一套裝有攝像機(jī)視場的自動跟蹤與定位的計(jì)算機(jī)視覺系統(tǒng)。通過3D數(shù)據(jù)模型指定目標(biāo)，機(jī)器人系統(tǒng)利用計(jì)算機(jī)視覺圖像的采集裝置來識別外界環(huán)境的數(shù)據(jù)，經(jīng)過圖像的姿態(tài)預(yù)算、影像的投影計(jì)算產(chǎn)生圖像，通過圖片的合成比較，以此來實(shí)現(xiàn)機(jī)器人在工作中對物體的識別。利用計(jì)算機(jī)系統(tǒng)對機(jī)器人進(jìn)行有效的控制，在工業(yè)機(jī)器人工作中對事物目標(biāo)的搬運(yùn)、跟蹤、夾持等指令。計(jì)算機(jī)視覺系統(tǒng)具備清晰的視覺功能，有利于提高工業(yè)機(jī)器人的靈活性以及適應(yīng)性。

參考文獻(xiàn)

[1]夏群峰，彭勇剛.基于視覺的機(jī)器人抓取系統(tǒng)應(yīng)用研究綜述[J].機(jī)電工程，2014（06）：221-223.

[2]華永明，楊春玉.機(jī)器人視覺系統(tǒng)在立體編織自動鋪紗過程中的應(yīng)用研究[J].玻璃纖維，2011（01）：189-191.

[3]王培屹.基于多傳感器多目標(biāo)實(shí)時(shí)跟蹤視覺系統(tǒng)在全自主機(jī)器人上的應(yīng)用[J].軟件導(dǎo)刊，2011（01）：263-264.

[4]譚民，王碩.機(jī)器人技術(shù)研究進(jìn)展[J].自動化學(xué)報(bào)，2013（07）：123-125.

[5]鮑官軍，荀一，戚利勇，楊慶華，高峰.機(jī)器視覺在黃瓜采摘機(jī)器人中的應(yīng)用研究[J].浙江工業(yè)大學(xué)學(xué)報(bào)，201（01）：93-95.

第6篇：計(jì)算機(jī)視覺的主要技術(shù)范文

關(guān)鍵詞： 計(jì)算機(jī) 視覺注意機(jī)制 計(jì)算機(jī)視覺注意模型

1.引言

隨著信息技術(shù)的不斷發(fā)展，數(shù)據(jù)處理量劇增，以及用戶不斷擴(kuò)大的個(gè)性化需求，對計(jì)算機(jī)信息處理能力提出了越來越高的要求。如何在場景中快速準(zhǔn)確地找到與任務(wù)相關(guān)的局部信息，即物體選擇與識別，已經(jīng)成為計(jì)算機(jī)信息處理領(lǐng)域的一個(gè)研究熱點(diǎn)。隨著在心理學(xué)領(lǐng)域注意機(jī)制研究的不斷發(fā)展，將注意機(jī)制引入信息處理領(lǐng)域來解決物體識別問題，已經(jīng)不再是紙上談兵。

人類視覺系統(tǒng)進(jìn)行視覺信息處理時(shí)，總是迅速選擇少數(shù)幾個(gè)顯著對象進(jìn)行優(yōu)先處理，忽略或舍棄其他的非顯著對象。進(jìn)入人類視野的海量信息，通過注意選擇機(jī)制進(jìn)行篩選，就能使我們有選擇地分配有限的視覺處理資源，保證視覺信息處理的效率，這就是視覺選擇注意機(jī)制的原理。依據(jù)人類視覺選擇注意的基本原理，開發(fā)能夠進(jìn)行智能圖像信息處理的計(jì)算機(jī)系統(tǒng)，就成為一大任務(wù)。我們研究的主要方向是使計(jì)算機(jī)處理對象時(shí)，能夠具備與人類相似的視覺選擇注意能力。

2.視覺注意機(jī)制

研究視覺注意機(jī)制是個(gè)多學(xué)科交叉的問題，目前多個(gè)領(lǐng)域的研究人員都取得了研究成果，并且對視覺注意的理論都形成了一些共識。目前普遍認(rèn)為注意既可以是按自底向上（自下而上）的圖像數(shù)據(jù)驅(qū)動的，也可以是安自頂向下（自上而下）的任務(wù)驅(qū)動的。其中，自下而上的研究主要來自圖像中物體數(shù)據(jù)本身的顯著性。例如，在視覺搜索實(shí)驗(yàn)中，顯著的物體會自動跳出，如圖1中的圓點(diǎn)通過特征對比，以形狀跳出的形式獲得注意。自上而下的引導(dǎo)主要來自當(dāng)前的視覺任務(wù)，以及場景的快速認(rèn)證結(jié)果，即我們可以“故意”去注意任何一個(gè)“不起眼”的物體，如我們可以在圖書館浩如煙海的藏書中，找到自己感興趣的那本書。

研究視覺注意機(jī)制的重要方法是研究眼睛在搜索目標(biāo)時(shí)的表現(xiàn)。顯著圖中的各目標(biāo)在競爭中吸引注意點(diǎn)，注意點(diǎn)在各個(gè)注意目標(biāo)間轉(zhuǎn)移。根據(jù)注意點(diǎn)轉(zhuǎn)移時(shí)是否伴隨眼動，視覺注意也分為隱式注意和顯式注意。隱式注意的中央凹不會隨著注意點(diǎn)的轉(zhuǎn)移而移動，而顯式注意的中央凹隨每次注意點(diǎn)的轉(zhuǎn)移而運(yùn)動。

對視覺注意機(jī)制的研究為計(jì)算機(jī)視覺的發(fā)展提供了可能。計(jì)算機(jī)視覺借鑒人類視覺的注意機(jī)制，建立視覺注意的計(jì)算模型。通過“注意點(diǎn)”的選擇與轉(zhuǎn)移，實(shí)現(xiàn)對復(fù)雜場景中任務(wù)的搜索與定位，最終來實(shí)現(xiàn)實(shí)時(shí)信息的響應(yīng)處理。在計(jì)算機(jī)視覺的研究中，顯式注意應(yīng)用較多。

3.計(jì)算機(jī)視覺注意模型

從人的角度來看，人類視覺系統(tǒng)通過視覺，選擇注意在復(fù)雜的場景中迅速將注意力集中在少數(shù)幾個(gè)顯著的視覺對象上。從場景的角度來看，場景中的某些內(nèi)容比其他內(nèi)容更能引起觀察者的注意，我們稱之為視覺顯著性，兩者其實(shí)是從不同的角度對視覺選擇注意過程的描述。

我們把引起注意的場景內(nèi)容定義為注意焦點(diǎn)FOA（Focus of Attention）。Treisman的特征整合理論中將視覺信息處理過程劃分為前注意和注意兩個(gè)階段，各種視覺特征在前注意階段被以并行的方式提取出來，并在注意階段以串行方式整合為視覺客體，即注意的特征和客體是通過不同方式進(jìn)行的。在注意焦點(diǎn)的選擇和轉(zhuǎn)移上，Koch［2］進(jìn)行了深入的研究，他提出注意焦點(diǎn)FOA的變化具有四個(gè)特征，即單焦點(diǎn)性：同一時(shí)刻只能存在一個(gè)FOA；縮放性：FOA的空間范圍可以擴(kuò)大或者縮小；焦點(diǎn)轉(zhuǎn)移性：FOA能夠由一個(gè)位置向另一個(gè)位置轉(zhuǎn)移；鄰近優(yōu)先性：FOA轉(zhuǎn)移時(shí)傾向于選擇與當(dāng)前注視內(nèi)容接近的位置。同時(shí)注意焦點(diǎn)具有抑制返回的特點(diǎn)，即FOA轉(zhuǎn)移時(shí)抑制返回最近被選擇過的注視區(qū)域。在此基礎(chǔ)上，視覺注意的研究人員提出了多種視覺注意模型。

4.視覺注意模型的研究現(xiàn)狀

人類的視覺注意過程包括兩個(gè)方面：一方面是對自下而上的初級視覺特征的加工，另一方面是由自上而下的任務(wù)的指導(dǎo)，兩方面結(jié)合，共同完成了視覺的選擇性注意。與此對應(yīng)，當(dāng)前的計(jì)算機(jī)視覺注意研究也分為這兩個(gè)方面。

4.1自下向上的數(shù)據(jù)驅(qū)動注意模型研究及分析

在沒有先驗(yàn)任務(wù)指導(dǎo)的情況下，視覺注意的目標(biāo)選擇主要是由場景中自下而上的數(shù)據(jù)驅(qū)動的，目標(biāo)是否被關(guān)注，由它的顯著性決定?，F(xiàn)在，自下而上的注意研究主要基于Treisman的特征整合理論和Koch&Ullman的顯著性模型，Itti、satoh等人均在此基礎(chǔ)上提出了自己的研究模型，并做了一些模型的改進(jìn)研究。自下而上的研究方法通過對輸入圖像提取顏色、朝向、亮度等方面的基本視覺特征的研究，形成各個(gè)特征對應(yīng)的顯著圖。另外，一些研究者采用基于局部或全局對比度的方法，來得到圖中每個(gè)像素的顯著性，進(jìn)而得到顯著圖。

現(xiàn)有的自下而上的視覺注意計(jì)算模型中，Itti的顯著圖模型（簡稱Itti模型）最具代表性。該模型主要包含3個(gè)模塊：特征提取、顯著圖生成和注意焦點(diǎn)轉(zhuǎn)移。模型通過初級特征的提取，將多種特征、多種尺度的視覺空間通過中央―周邊算子得到的各個(gè)特征的顯著性圖合成一幅顯著圖。顯著圖中的各個(gè)目標(biāo)通過勝者為王的競爭機(jī)制，選出唯一的注意目標(biāo)，其中注意焦點(diǎn)的轉(zhuǎn)移用的是禁止返回機(jī)制。但該模型也有一些缺點(diǎn)，如顯著區(qū)與目標(biāo)區(qū)域有偏差、計(jì)算量較大、運(yùn)行時(shí)間較長、動態(tài)場景中實(shí)時(shí)處理不平等。

在動態(tài)場景之中，由于Itti模型很難滿足實(shí)時(shí)性的要求，科研工作者們正在努力研究動態(tài)場景的特性，并建立相應(yīng)的動態(tài)模型。如Wolfe［1］指出，影響前注意的特征包括顏色、方向、曲率、尺寸、運(yùn)動、深度特征、微調(diào)支距、光澤、形狀，等等，其中又以運(yùn)動特征最為敏感。而You等采用了一種空間域特征和時(shí)間域特征相結(jié)合的視覺注意模型，該模型假設(shè)當(dāng)場景中存在全局運(yùn)動時(shí)，視覺注意對象將極少做運(yùn)動。然而，許多真實(shí)的場景并不能滿足這個(gè)假設(shè)，限制了模型的適用范圍。Hang等人提出了一種運(yùn)動圖的計(jì)算方法，并把運(yùn)動圖作為特征之一，與顏色、亮度、方向等特征結(jié)合。這些研究關(guān)注了運(yùn)動特征對視覺的影響，但是均存在一定的局限性，對于復(fù)雜的運(yùn)動場景的注意焦點(diǎn)計(jì)算很難取得良好的效果。

我國研究者也在Itti注意模型的基礎(chǔ)上研究了適合動態(tài)場景中的注意模型，形成了一些理論成果。如曾志宏［2］等人提出注意焦點(diǎn)計(jì)算模型，鄭雅羽［3］等提出基于時(shí)空特征融合的視覺注意計(jì)算模型。這些模型都能較好地提取動態(tài)場景下的視覺目標(biāo)。

4.2自上而下的任務(wù)驅(qū)動的注意模型研究及分析

自上而下的注意即任務(wù)驅(qū)動的注意，通過目標(biāo)和任務(wù)的抽象知識，在一定程度上指導(dǎo)注意焦點(diǎn)的選擇。在自上而下注意模型的研究方面，Laar（1997）提出了一個(gè)用于隱式視覺注意的模型，該模型通過任務(wù)學(xué)習(xí)，將注意集中于重要的特征。Rabak［4］提出了基于注意機(jī)制的視覺感知識別模型，該模型在定義目標(biāo)顯著性時(shí)，通過語義分析對其他三個(gè)自下向上的視覺控制參數(shù)項(xiàng)進(jìn)行線性組合。Salah將可觀測馬爾科夫模型引入到模擬任務(wù)驅(qū)動的注意模型研究中，并在數(shù)字識別和人臉識別的實(shí)驗(yàn)中取得了很好的效果。Itti提出以調(diào)節(jié)心理閾值函數(shù)的形式來控制視覺感知。

目前對自下而上的數(shù)據(jù)驅(qū)動方面的研究較多，而對自下而上的任務(wù)驅(qū)動方面研究較少。因?yàn)槿蝿?wù)驅(qū)動的注意與人的主觀意識有關(guān)，同時(shí)受到場景的全局特征影響。自上而下的注意涉及記憶、控制等多個(gè)模塊的分工協(xié)作，其過程非常復(fù)雜。

5.計(jì)算機(jī)視覺注意模型研究的趨勢

自底向上和自頂向下的加工是兩種方向不同的信息處理機(jī)制，兩者的結(jié)合形成了統(tǒng)一的視知覺系統(tǒng)。人類的視覺信息處理系統(tǒng)只有遵循這樣的方法，才能有效地實(shí)現(xiàn)視覺選擇注意的目的。

實(shí)踐證明，把自底向上和自頂向下的研究相分離的研究方法并不能很好地解決計(jì)算機(jī)的視覺注意過程。要想使計(jì)算機(jī)能夠準(zhǔn)確模擬人類的視覺注意過程，實(shí)現(xiàn)主動的視覺選擇注意的目的，采用兩種研究方法相結(jié)合的形式勢在必行。自底向上的視覺注意計(jì)算往往離不開與自頂向下的有機(jī)結(jié)合，實(shí)現(xiàn)二者的優(yōu)勢互補(bǔ)是以后計(jì)算機(jī)視覺注意研究的一個(gè)趨勢。

參考文獻(xiàn)：

［1］Wolf J M，Cave K R.Deploying visual attention：the guided search model.In：Troscianko T，Blake A，eds.AI and the Eye.Chichester，UK：Wiley press，1990.

［2］曾志宏，周昌樂，林坤輝，曲延云，陳嘉威.目標(biāo)跟蹤的視覺注意計(jì)算模型［J］.計(jì)算機(jī)工程，2008，（23）.

［3］鄭雅羽，田翔，陳耀武.基于時(shí)空特征融合的視覺注意模型［J］.吉林大學(xué)學(xué)報(bào)，2009，（11）.

［4］Rabak I A，Gusakova V I，Golovan A V，et al.A model of attention-guided vision perception and recognition.Vision Research，1998，38.

第7篇：計(jì)算機(jī)視覺的主要技術(shù)范文

關(guān)鍵詞：計(jì)算機(jī)智能視頻監(jiān)控；運(yùn)動目標(biāo)檢測方法；目標(biāo)跟蹤方法

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-7712 (2012) 10-0104-01

隨著人工智能技術(shù)日新月異的發(fā)展，基于人工智能的計(jì)算機(jī)視覺技術(shù)也得到了廣泛的推廣和應(yīng)用，成為計(jì)算機(jī)智能領(lǐng)域一個(gè)重要的發(fā)展方向。到目前為止，計(jì)算機(jī)視覺技術(shù)已經(jīng)過20余年的發(fā)展，其在社會人文，軍事技術(shù)及工業(yè)生產(chǎn)領(lǐng)域得到了廣泛的應(yīng)用，并以其獨(dú)具特色的技術(shù)優(yōu)勢逐漸形成了一門具有一定先進(jìn)理論支撐的獨(dú)立學(xué)科。其中，著名學(xué)者M(jìn)arr提出的視覺計(jì)算理論已成為計(jì)算機(jī)智能視頻監(jiān)控領(lǐng)域的主導(dǎo)思想，為大多數(shù)該領(lǐng)域內(nèi)的研究人員所接受。從廣義上講，計(jì)算機(jī)視覺技術(shù)的實(shí)質(zhì)就是實(shí)現(xiàn)對在復(fù)雜環(huán)境中運(yùn)動物體的幾何尺寸、形狀及相關(guān)運(yùn)動狀態(tài)的識別和認(rèn)知，即把實(shí)際空間中的三維對象轉(zhuǎn)換為計(jì)算機(jī)視覺系統(tǒng)識別的二維圖像。近年來，計(jì)算機(jī)視覺技術(shù)以其迅猛的發(fā)展態(tài)勢及成熟的應(yīng)用技術(shù)成為了業(yè)界的新寵，并得到了廣泛的應(yīng)用，取得了矚目的成績。

一、運(yùn)動目標(biāo)檢測方法分析

（一）運(yùn)動目標(biāo)在靜止背景條件下的檢測分析

1.差分檢測法

將同一背景不同時(shí)刻兩幅圖像進(jìn)行比較，可以反映出一個(gè)運(yùn)動物體在此背景下運(yùn)動的結(jié)果，比較簡單的一種方法是將兩圖像做“差分”或“相減”運(yùn)算，從相減后的圖像中，很容易發(fā)現(xiàn)運(yùn)動物體的信息。在相減后的圖像中，灰度不發(fā)生變化的部分被減掉，則前區(qū)為正，后區(qū)為負(fù)，其他部分為零。由于減出的部分可以大致確定運(yùn)動目標(biāo)在圖像上的位置，使用相關(guān)法時(shí)就可以縮小搜索范圍。

2.自適應(yīng)運(yùn)動檢測方法

當(dāng)兩幀圖像的背景圖像起伏較大時(shí)，簡單的差分法難以得到滿意的解。此時(shí)可以考慮用自適應(yīng)背景對消的方法，該方法可以在低信雜比的情況下壓制背景雜波和噪聲，檢測出非穩(wěn)態(tài)圖像信息。在背景雜波較大時(shí)，常用的門限分割不能分出這種運(yùn)動目標(biāo)。在圖像序列中，每一個(gè)像素點(diǎn)的灰度值都是這一點(diǎn)所對應(yīng)傳感器的輸出信號值與噪聲值的疊加，因此，如何克服噪聲的影響確定一個(gè)最佳門限將目標(biāo)與背景分離，就成為弱小目標(biāo)檢測的一個(gè)重要環(huán)節(jié)。

（二）目標(biāo)在運(yùn)動背景條件下的檢測方法分析

塊匹配法是目標(biāo)在運(yùn)動背景條件下的主要檢測方法?；趬K的運(yùn)動分析在圖像運(yùn)動估計(jì)和其他圖像處理和分析中得到了廣泛的應(yīng)用，比如說在數(shù)字視頻壓縮技術(shù)中，國際標(biāo)準(zhǔn)MPEG1-2采用了基于塊的運(yùn)動分析和補(bǔ)償算法。塊運(yùn)動估計(jì)與光流計(jì)算不同，它無需計(jì)算每一個(gè)像素的運(yùn)動，而只是計(jì)算由若干像素組成的像素塊的運(yùn)動，對于許多圖像分析和估計(jì)應(yīng)用來說，塊運(yùn)動分析是一種很好的近似。這里主要介紹塊匹配方法。塊匹配方法實(shí)質(zhì)上是在圖像序列中做一種相鄰幀間的位置對應(yīng)人物。它首先選取一個(gè)圖像塊，然后假設(shè)塊內(nèi)的所有像素做相同的運(yùn)動，以此來跟蹤相鄰幀間的對應(yīng)位置。各種塊匹配算法的差異主要體現(xiàn)在：匹配準(zhǔn)則、搜索策略及塊尺寸選擇方法上。

1.匹配準(zhǔn)則

典型的匹配準(zhǔn)則有：最大互相關(guān)準(zhǔn)則、最小均方差準(zhǔn)則、最小平均絕對值差準(zhǔn)則、最大匹配像素?cái)?shù)量準(zhǔn)則等。

2.搜索策略

為了求得最佳位移估計(jì)，可以計(jì)算所有可能的位移矢量對應(yīng)的匹配誤差，然后選擇最小匹配誤差對應(yīng)的矢量就是最佳位移估計(jì)值。因此，人們提出了各種快速搜索策略。這種策略的最大優(yōu)點(diǎn)是可以找到全局最優(yōu)值，但十分浪費(fèi)時(shí)間。因此，人們提出了各種快速搜索策略。盡管快速搜索策略得到的可能是局部最優(yōu)值，但由于其快速計(jì)算的實(shí)用性，在實(shí)際中得到了廣泛的應(yīng)用。下面討論兩種快速搜索方法：二維對數(shù)及三步搜索法。

二維對數(shù)搜索法開創(chuàng)了快速搜索算法的先例，分多個(gè)階段搜索，逐漸縮小搜索范圍，直到不能再小而結(jié)束。其基本思想是從當(dāng)前像素點(diǎn)開始，以十字形分布的5個(gè)點(diǎn)構(gòu)成每次搜索的點(diǎn)群，通過快速搜索跟蹤最小誤差MBD點(diǎn)。

三步搜索法與二位對數(shù)法類似，由于簡單、健壯、性能良好等特點(diǎn)，為人們所重視。例如其最大搜索長度為7，搜索精度取一個(gè)像素，則步長為4、2、1，只需三步即可滿足要求，因此而得名三步法。其基本思想是采用一種由粗到細(xì)的搜索模式，從原點(diǎn)開始，按一定步長取周圍8個(gè)點(diǎn)構(gòu)成每次搜索的點(diǎn)群，然后進(jìn)行匹配計(jì)算，跟蹤最小塊誤差MBD點(diǎn)。

三、運(yùn)動目標(biāo)跟蹤方法

成像跟蹤系統(tǒng)經(jīng)過圖像的預(yù)處理、圖像的分割識別等一系列信息處理，最終實(shí)現(xiàn)對目標(biāo)位置的實(shí)時(shí)精確測量。跟蹤策略基本上可分為兩大類：波門跟蹤和相關(guān)跟蹤。

（一）波門跟蹤法分析

參考被跟蹤目標(biāo)外觀的實(shí)際尺寸形態(tài)，事先確定好跟蹤窗口就是我們通常所定義的“波門”的概念。與傳統(tǒng)的圖像處理方法不同，采用波門跟蹤法進(jìn)行圖像的分析和處理，其原始狀態(tài)的圖像數(shù)據(jù)僅僅限于波門內(nèi)的數(shù)據(jù)，這樣系統(tǒng)一旦捕捉到目標(biāo)，不僅可以避免傳統(tǒng)技術(shù)對整幅圖像處理過程的耗時(shí)缺點(diǎn)，而且這種跟蹤技術(shù)應(yīng)用和操作更為簡單，跟蹤及成像效果也能夠得到切實(shí)的保障。

（二）相關(guān)跟蹤法分析

當(dāng)被跟蹤的目標(biāo)物體出現(xiàn)運(yùn)動、姿態(tài)的調(diào)整或由于自然條件等因素造成了背景的雜波干擾時(shí)，目標(biāo)圖像的分割及提取工作由于目標(biāo)矩心及形心的不確定將難于進(jìn)行。這種情況下，就可以采用相關(guān)跟蹤的方式進(jìn)行處理。這種基于圖像匹配為基礎(chǔ)的相關(guān)跟蹤技術(shù)是以圖像相識性度量為基礎(chǔ)，獲取現(xiàn)場圖像中實(shí)時(shí)的最接近目標(biāo)圖像值的一種跟蹤方式。由于分析及處理過程中，不需對用于分割及提取的特征值進(jìn)行處理，因而可以應(yīng)用于對圖像數(shù)據(jù)的原始資料的處理方面，這種方法不僅可以使圖像的信息得以全部的保留，而且適合眾多復(fù)雜的環(huán)境及場景，是一種操作簡單，結(jié)果精確的測量方法。

四、結(jié)語

近年來，各行各業(yè)對視頻監(jiān)控的需求不斷升溫，但已有的視頻監(jiān)控產(chǎn)品不能滿足日益增長的需要。因此，計(jì)算機(jī)視覺和應(yīng)用研究學(xué)者適時(shí)提出新一代監(jiān)控—視頻智能監(jiān)控。它是目前國內(nèi)外計(jì)算機(jī)視覺研究領(lǐng)域熱點(diǎn)問題之一。因而，在生產(chǎn)實(shí)踐中，不斷加強(qiáng)對其的分析和研究具有非常重要的現(xiàn)實(shí)意義。

參考文獻(xiàn)：

第8篇：計(jì)算機(jī)視覺的主要技術(shù)范文

關(guān)鍵詞：自動控制技術(shù)農(nóng)業(yè)自動化

中圖分類號： DF413.1文獻(xiàn)標(biāo)識碼： A

由于歷史、觀念和技術(shù)等方面的原因, 我國傳統(tǒng)農(nóng)業(yè)機(jī)械與發(fā)達(dá)國家相比有很大差距, 已遠(yuǎn)遠(yuǎn)不能適應(yīng)農(nóng)業(yè)的科技進(jìn)步。近些年來, 自動化的研究逐漸被人們所認(rèn)識, 自動控制在農(nóng)業(yè)上的應(yīng)用越來越受到重視。例如,把計(jì)算機(jī)技術(shù)、微處理技術(shù)、傳感與檢測技術(shù)、信息處理技術(shù)結(jié)合起來, 應(yīng)用于傳統(tǒng)農(nóng)業(yè)機(jī)械, 極大地促進(jìn)了產(chǎn)品性能的提高。我國農(nóng)業(yè)部門總結(jié)了一些地區(qū)的農(nóng)業(yè)自動化先進(jìn)經(jīng)驗(yàn)(如臺灣地區(qū)的農(nóng)業(yè)生產(chǎn)自動化、漁業(yè)生產(chǎn)自動化、畜牧業(yè)生產(chǎn)自動化及農(nóng)產(chǎn)品貿(mào)易自動化)的開發(fā)與應(yīng)用情況, 同時(shí)也汲取了國外一些國家的先進(jìn)經(jīng)驗(yàn)、技術(shù), 如日本的四行半喂人聯(lián)合收割機(jī)是計(jì)算機(jī)控制的自動化裝置在半喂人聯(lián)合收割機(jī)中的應(yīng)用,英國通過對施肥機(jī)散播肥料的動力測量來控制肥料的精確使用量。這些技術(shù)和方法是我國農(nóng)業(yè)機(jī)械的自動化裝置得到了補(bǔ)充和新的發(fā)展, 從而形成了一系列適合我國農(nóng)業(yè)特點(diǎn)的自動化控制技術(shù)。

一、已有的農(nóng)業(yè)機(jī)械及裝置的部分自動化控制

自動化技術(shù)提高了已有農(nóng)業(yè)機(jī)械及裝置的作業(yè)性能和操作性能。浙江省把自動化技術(shù)應(yīng)用于茶葉機(jī)械上, 成功研制出6CRK-55型可編程控制加壓茶葉揉捻機(jī), 它利用計(jì)算機(jī)控制電功加壓機(jī)構(gòu), 能根據(jù)茶葉的具體情況編制最佳揉捻程序?qū)崿F(xiàn)揉捻過程的自動控制, 是機(jī)電一體化技術(shù)在茶葉機(jī)械上的首次成功應(yīng)用。

1.應(yīng)用于拖拉機(jī)

在農(nóng)用拖拉機(jī)上已廣泛使用了機(jī)械油壓式三點(diǎn)聯(lián)結(jié)的位調(diào)節(jié)和力調(diào)節(jié)系統(tǒng)裝置, 現(xiàn)又在開發(fā)和采用性能更完善的電子油壓式三點(diǎn)聯(lián)結(jié)裝置。

2.應(yīng)用于施肥播種機(jī)

根據(jù)行駛速度和檢測種子粒數(shù)來確定播種量是否符合要求的裝置, 以及將馬鈴薯種子割成瓣后播種的裝置等。

3.應(yīng)用于谷物干燥機(jī)

不受外界條件干擾, 能自動維持熱風(fēng)溫度的裝置停電或干燥機(jī)過熱引起火災(zāi)時(shí), 自動掐斷燃料供給的裝置。

二、微灌自動控制技術(shù)

我國從20世紀(jì)年50代就開始進(jìn)行節(jié)水灌溉的研究與推廣據(jù)統(tǒng)計(jì)。到1992年, 全國共有節(jié)水灌溉工程面積0.133億m2, 其中噴灌面積80萬m2, 農(nóng)業(yè)節(jié)水工程取得了巨大的進(jìn)展。灌溉管理自動化是發(fā)展高效農(nóng)業(yè)的重要手段, 高效農(nóng)業(yè)和精細(xì)農(nóng)業(yè)要求必須實(shí)現(xiàn)水資源的高效利用。采用遙感遙測等新技術(shù)監(jiān)測土壤墑性和作物生長情況, 對灌溉用水進(jìn)行動態(tài)監(jiān)測預(yù)報(bào), 實(shí)現(xiàn)灌溉用水管理的自動化和動態(tài)管理。在微灌技術(shù)領(lǐng)域, 我國先后研制和改進(jìn)了等流量滴灌設(shè)備、微噴灌設(shè)備、微灌帶、孔口滴頭、壓力補(bǔ)償式滴頭、折射式和旋轉(zhuǎn)式微噴頭、過濾器和進(jìn)排氣閥等設(shè)備, 總結(jié)出了一套基本適合我國國情的微灌設(shè)計(jì)參數(shù)和計(jì)算方法, 建立了一批新的試驗(yàn)示范基地。在一些地區(qū)實(shí)現(xiàn)了自動化灌溉系統(tǒng), 可以長時(shí)間地自動啟閉水泵和自動按一定的輪灌順序進(jìn)行灌溉。這種系統(tǒng)中應(yīng)用了灌水器、土壤水分傳感器、溫度傳感器、壓力傳感器、水位傳感器和雨量傳感器、電線等。

三、自動控制技術(shù)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用

精準(zhǔn)農(nóng)業(yè)是在傳統(tǒng)農(nóng)業(yè)與農(nóng)業(yè)機(jī)裝備技術(shù)上, 運(yùn)用高新技術(shù)進(jìn)行農(nóng)業(yè)生產(chǎn)管理。精準(zhǔn)農(nóng)業(yè)較傳統(tǒng)農(nóng)業(yè)其先進(jìn)之處主要是應(yīng)用全球定位系統(tǒng)(GPS)、地理信息技術(shù)、計(jì)算機(jī)控制技術(shù)、專家與決策知識系統(tǒng), 實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)的定位、定量、定時(shí), 做到精耕細(xì)作和由于農(nóng)業(yè)水土管理區(qū)管理點(diǎn)較為分散, 用傳統(tǒng)方法進(jìn)行數(shù)據(jù)采集和信息傳輸精度差、速度慢。把電子技術(shù)、微電子技術(shù)和通信技術(shù)緊密結(jié)合起來, 采用現(xiàn)代方法進(jìn)行自動化監(jiān)控和管理非常必要, 如在渠系、灌水、泵站等方面實(shí)現(xiàn)自動化監(jiān)控與管理。農(nóng)業(yè)自動化向智能化方向發(fā)展, 進(jìn)一步發(fā)展精準(zhǔn)農(nóng)業(yè)重點(diǎn)發(fā)展節(jié)水、節(jié)肥精準(zhǔn)農(nóng)業(yè)技術(shù)體系的自動化控制, 實(shí)施精準(zhǔn)灌溉、精準(zhǔn)施肥, 提高水資源和化肥資源的利用率。精細(xì)設(shè)施農(nóng)業(yè)主要發(fā)展以溫室為主的自動控制系統(tǒng)智能化研究, 從而現(xiàn)降低成本、提高作物產(chǎn)量、提高農(nóng)產(chǎn)品品質(zhì)。這有助于我國農(nóng)業(yè)資源的高效利用和農(nóng)業(yè)環(huán)境保護(hù), 是發(fā)展持續(xù)農(nóng)業(yè)的重要途徑。將計(jì)算機(jī)視覺技術(shù)應(yīng)用于農(nóng)業(yè)自動化領(lǐng)域計(jì)算機(jī)視覺技術(shù)是一個(gè)相當(dāng)新且發(fā)展十分迅速的研究領(lǐng)域, 日本、美國等發(fā)達(dá)國家已在農(nóng)業(yè)計(jì)算機(jī)視覺方面進(jìn)行了廣泛而深入的研究, 如農(nóng)業(yè)種質(zhì)資源管理、獲取作物生長狀態(tài)信息、農(nóng)產(chǎn)品自動收獲、農(nóng)產(chǎn)品品質(zhì)鑒定等。英國開發(fā)研制的采摘蘑菇機(jī)器人, 在定位蘑菇采摘點(diǎn)和測量時(shí), 已經(jīng)利用了計(jì)算機(jī)視覺和圖像處理技術(shù)。計(jì)算機(jī)視覺技術(shù)在我國農(nóng)業(yè)生產(chǎn)和農(nóng)業(yè)現(xiàn)代化方面已開始應(yīng)用, 但在設(shè)施農(nóng)業(yè)、虛擬農(nóng)業(yè)中的應(yīng)用尚處于起步階段, 應(yīng)進(jìn)一步加強(qiáng)、加快該領(lǐng)域的研究與應(yīng)用。

我國農(nóng)業(yè)自動化已在設(shè)施農(nóng)業(yè)中的溫室自動化控制、排灌機(jī)械自動化、部分農(nóng)業(yè)機(jī)械裝置自動化等方面得到一定的發(fā)展, 尤其精準(zhǔn)農(nóng)業(yè)的發(fā)展越來越得到重視。電子技術(shù)和計(jì)算機(jī)技術(shù)的迅速發(fā)展推動了農(nóng)業(yè)機(jī)器向自動化方向發(fā)展。隨著智能化技術(shù)的發(fā)展, 人工智能將是世紀(jì)農(nóng)業(yè)工程發(fā)展的重點(diǎn)。各種農(nóng)業(yè)機(jī)器人或智能化系統(tǒng)將在農(nóng)業(yè)自動化控制中不斷涌現(xiàn), 繼續(xù)推動和實(shí)現(xiàn)農(nóng)業(yè)自動化是農(nóng)業(yè)機(jī)械化工程技術(shù)工作者所面臨的長遠(yuǎn)課題和挑戰(zhàn), 并進(jìn)一步促進(jìn)農(nóng)業(yè)自動化控制技術(shù)向智能化技術(shù)發(fā)展。

四、自動控制技術(shù)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用

精準(zhǔn)農(nóng)業(yè)是在傳統(tǒng)農(nóng)業(yè)與農(nóng)業(yè)機(jī)裝備技術(shù)上, 運(yùn)用高新技術(shù)進(jìn)行農(nóng)業(yè)生產(chǎn)管理。精準(zhǔn)農(nóng)業(yè)較傳統(tǒng)農(nóng)業(yè)其先進(jìn)之處主要是應(yīng)用全球定位系統(tǒng)(GPS)、地理信息技術(shù)、計(jì)算機(jī)控制技術(shù)、專家與決策知識系統(tǒng), 實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)的定位、定量、定時(shí), 做到精耕細(xì)作和由于農(nóng)業(yè)水土管理區(qū)管理點(diǎn)較為分散, 用傳統(tǒng)方法進(jìn)行數(shù)據(jù)采集和信息傳輸精度差、速度慢。把電子技術(shù)、微電子技術(shù)和通信技術(shù)緊密結(jié)合起來, 采用現(xiàn)代方法進(jìn)行自動化監(jiān)控和管理非常必要, 如在渠系、灌水、泵站等方面實(shí)現(xiàn)自動化監(jiān)控與管理。農(nóng)業(yè)自動化向智能化方向發(fā)展, 進(jìn)一步發(fā)展精準(zhǔn)農(nóng)業(yè)重點(diǎn)發(fā)展節(jié)水、節(jié)肥精準(zhǔn)農(nóng)業(yè)技術(shù)體系的自動化控制, 實(shí)施精準(zhǔn)灌溉、精準(zhǔn)施肥, 提高水資源和化肥資源的利用率。精細(xì)設(shè)施農(nóng)業(yè)主要發(fā)展以溫室為主的自動控制系統(tǒng)智能化研究, 從而現(xiàn)降低成本、提高作物產(chǎn)量、提高農(nóng)產(chǎn)品品質(zhì)。這有助于我國農(nóng)業(yè)資源的高效利用和農(nóng)業(yè)環(huán)境保護(hù), 是發(fā)展持續(xù)農(nóng)業(yè)的重要途徑。將計(jì)算機(jī)視覺技術(shù)應(yīng)用于農(nóng)業(yè)自動化領(lǐng)域計(jì)算機(jī)視覺技術(shù)是一個(gè)相當(dāng)新且發(fā)展十分迅速的研究領(lǐng)域, 日本、美國等發(fā)達(dá)國家已在農(nóng)業(yè)計(jì)算機(jī)視覺方面進(jìn)行了廣泛而深入的研究, 如農(nóng)業(yè)種質(zhì)資源管理、獲取作物生長狀態(tài)信息、農(nóng)產(chǎn)品自動收獲、農(nóng)產(chǎn)品品質(zhì)鑒定等。英國開發(fā)研制的采摘蘑菇機(jī)器人, 在定位蘑菇采摘點(diǎn)和測量時(shí), 已經(jīng)利用了計(jì)算機(jī)視覺和圖像處理技術(shù)。計(jì)算機(jī)視覺技術(shù)在我國農(nóng)業(yè)生產(chǎn)和農(nóng)業(yè)現(xiàn)代化方面已開始應(yīng)用, 但在設(shè)施農(nóng)業(yè)、虛擬農(nóng)業(yè)中的應(yīng)用尚處于起步階段, 應(yīng)進(jìn)一步加強(qiáng)、加快該領(lǐng)域的研究與應(yīng)用。

我國農(nóng)業(yè)自動化已在設(shè)施農(nóng)業(yè)中的溫室自動化控制、排灌機(jī)械自動化、部分農(nóng)業(yè)機(jī)械裝置自動化等方面得到一定的發(fā)展, 尤其精準(zhǔn)農(nóng)業(yè)的發(fā)展越來越得到重視。電子技術(shù)和計(jì)算機(jī)技術(shù)的迅速發(fā)展推動了農(nóng)業(yè)機(jī)器向自動化方向發(fā)展。隨著智能化技術(shù)的發(fā)展, 人工智能將是世紀(jì)農(nóng)業(yè)工程發(fā)展的重點(diǎn)。各種農(nóng)業(yè)機(jī)器人或智能化系統(tǒng)將在農(nóng)業(yè)自動化控制中不斷涌現(xiàn), 繼續(xù)推動和實(shí)現(xiàn)農(nóng)業(yè)自動化是農(nóng)業(yè)機(jī)械化工程技術(shù)工作者所面臨的長遠(yuǎn)課題和挑戰(zhàn), 并進(jìn)一步促進(jìn)農(nóng)業(yè)自動化控制技術(shù)向智能化技術(shù)發(fā)展。

【參考文獻(xiàn)】

[1]馬玉敏等.工業(yè)以太網(wǎng)的最新發(fā)展.自動化系統(tǒng)工程，2006（2）：2.

第9篇：計(jì)算機(jī)視覺的主要技術(shù)范文

關(guān)鍵詞：序貫相似性檢測算法 圖像匹配 計(jì)算機(jī)視覺

中圖分類號：TN911 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2013）06（c）-0205-01

圖像匹配最早是70年代美國從事飛行器輔助導(dǎo)航系統(tǒng)，武器投射系統(tǒng)的制導(dǎo)等應(yīng)用研究中提出的。國內(nèi)外學(xué)者對匹配輔助導(dǎo)航技術(shù)進(jìn)行深入研究，使其在民用領(lǐng)域的應(yīng)用越來越廣泛[1，2]。計(jì)算機(jī)視覺計(jì)算主要分為低層處理、中層處理和高層處理，而在低層進(jìn)行數(shù)字化差異檢測、中層進(jìn)行參數(shù)化相似分析，高層處理完成圖像的識別、解釋和描述等任務(wù)，都需要圖像匹配技術(shù)[3]。序貫相似性檢測算法（SSDA）能夠快速地丟棄非匹配點(diǎn)，減少非匹配點(diǎn)的計(jì)算量，從而提高匹配的速度，算法簡單，易于實(shí)現(xiàn)。

1 序貫相似性檢測算法

序貫相似性檢測算法的基本思想是基于對誤差的積累進(jìn)行分析。在進(jìn)行圖像匹配時(shí)，通常非匹配點(diǎn)處的誤差ε會隨著運(yùn)算點(diǎn)數(shù)的增加而迅速增長，很快超過某一門限，而對于匹配點(diǎn)處，誤差的增長要緩慢得多。這樣對于大多數(shù)非匹配點(diǎn)，只需要分析前幾項(xiàng)，而只有匹配點(diǎn)附近的點(diǎn)才需要計(jì)算整個(gè)循環(huán)，這樣就大大地減少了匹配的運(yùn)算量。

設(shè)源圖像S的大小為J×K，模板圖T的大小為M×N（其中M≤J，N≤K），模板覆蓋的區(qū)域子圖為，（p，q）為模板左上角像素點(diǎn)在圖像S中的坐標(biāo)，S中的待匹配區(qū)域是以點(diǎn)（p，q），（p，q+M-1），（p+N-1，q），（p+N-1，q+M-1）組成的區(qū)域。相對于參考點(diǎn)位置為（m，n）點(diǎn)的匹配誤差定義為：

其中k=1，2，…r。將累計(jì)誤差值與預(yù)定閾值進(jìn)行比較，當(dāng)累加值超過設(shè)定閾值Tk時(shí)，就停止累加計(jì)算，并記下累加次數(shù)k。計(jì)算下一個(gè)待匹配點(diǎn)處的誤差，若累計(jì)誤差小于預(yù)定閾值，則繼續(xù)計(jì)算此處的誤差，直到>Tk或k=r，記下k值。對不同的待匹配點(diǎn)進(jìn)行上述匹配計(jì)算，最后取最大k值對應(yīng)的待匹配點(diǎn)位置，即為要找的匹配點(diǎn)。

2 實(shí)驗(yàn)結(jié)果與分析

圖1顯示了基準(zhǔn)圖與實(shí)時(shí)圖像，圖1（a）為基準(zhǔn)圖像，大小為256×256，圖1（b）為實(shí)時(shí)圖，大小為65×65。圖1（c）找到了實(shí)時(shí)圖像在基準(zhǔn)圖中的位置。

由圖1可以看出，SSDA算法能夠良好地進(jìn)行匹配。而通過對匹配時(shí)間的計(jì)算可以看出，SSDA算法的運(yùn)行時(shí)間相對較短，效率較高。

參考文獻(xiàn)

[1] GONG H C.Development of terrain contour matching algorithm for the aided inertial navigation using radial basis functions [J].Journal of Astron Space Science，1998，15（1）：229-234.