計算機視覺的核心精選(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算機視覺的核心主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計算機視覺的核心范文

以下為報告詳細內(nèi)容：

2017年計算機視覺技術在更多的領域有所落地應用，自動駕駛領域、高考、政務等領域更多的場景開始應用計算機視覺技術。艾媒咨詢分析師認為，計算機視覺行業(yè)技術是核心基礎，隨著技術成熟度提高，未來將有更多的場景能夠應用計算機視覺技術，計算機視覺企業(yè)應在強化技術打造的前提下，發(fā)掘更多新的應用領域，提高商業(yè)落地應用。

2017年人臉識別技術在智能手機終端應用開始普及。9月蘋果新品會上，iPhone X宣布引入Face ID高精度人臉識別技術，引來人們高度關注。而除了iPhone X，華為、小米、OPPO、vivo等手機廠商都推出了帶人臉識別功能的智能手機。艾媒咨詢分析師認為，計算機視覺領域內(nèi)人臉識別功能可應用場景廣泛，商業(yè)化落地能力強，除了計算機視覺創(chuàng)業(yè)企業(yè)，互聯(lián)網(wǎng)巨頭和硬件巨頭企業(yè)也紛紛關注布局人臉識別領域。但目前人臉識別技術仍然存在一定缺陷，艾媒大數(shù)據(jù)輿情管控系統(tǒng)數(shù)據(jù)顯示，“手機人臉識別”熱詞言值數(shù)據(jù)為48.5，整體輿情偏負向?，F(xiàn)階段人臉識別技術在智能手機終端上的應用仍處于起步發(fā)展階段，技術和安全性仍有待提高，未來隨著各計算機視覺企業(yè)加強技術研發(fā)，人臉識別技術有望進一步改善，成為智能手機標配。

iiMedia Research(艾媒咨詢)數(shù)據(jù)顯示，2017年中國計算機視覺市場規(guī)模為68億元，預計2020年市場規(guī)模達到780億元，年均復合增長率達125.5%。艾媒咨詢分析師認為，人們安全和效率需求不斷提升，計算機視覺技術在各行業(yè)應用能有效滿足人們需求，市場發(fā)展空間巨大。國家政策對人工智能行業(yè)的支持也為計算機視覺的發(fā)展提供了有利的環(huán)境。隨著計算機視覺技術日漸成熟，企業(yè)商業(yè)化落地能力不斷提高，未來計算機視覺市場規(guī)模將迎來突破性發(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)知名度排名各計算機視覺企業(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。艾媒咨詢分析師認為，商湯科技計算機視覺技術及算法能力在行業(yè)內(nèi)較為出色，同時在安防、金融、商業(yè)、手機端等多個領域均有商業(yè)落地應用，在企業(yè)認知和品牌推廣方面具有優(yōu)勢。

iiMedia Research(艾媒咨詢)顯示，61.7%的受訪網(wǎng)民通過手機APP應用接觸計算機視覺應用，另外有50.9%的受訪網(wǎng)民接觸途徑為通過智能手機終端。艾媒咨詢分析師認為，計算機視覺企業(yè)主要服務B端用戶及政府機構，相比于其他途徑，移動端更適合應用計算機視覺技術的產(chǎn)品推廣。計算機視覺技術日趨成熟，在移動終端和APP上均有落地應用，也進一步為計算機視覺企業(yè)在大眾中奠定基礎。未來企業(yè)可通過線上渠道開發(fā)挖掘C端用戶市場。

iiMedia Research(艾媒咨詢)顯示，半數(shù)受訪網(wǎng)民認為智能手機及APP加入人臉識別技術功能方便了二者的使用，另有48.8%的受訪網(wǎng)民認為人臉識別技術在手機及APP上的應用是未來技術發(fā)展的趨勢。艾媒咨詢分析師認為，人臉識別技術在手機及APP端的應用滿足人們智能化和便捷化的需求，隨著越來越多的手機及APP產(chǎn)品加入人臉識別功能，未來其普及和認可程度將得到進一步提高。

iiMedia Research(艾媒咨詢)顯示，41.8%的受訪網(wǎng)民表示未來愿意使用人臉識別技術進行手機及APP解鎖，同時有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)民認為人臉識別將取代其他手機及APP解鎖技術成為未來主流。艾媒咨詢分析師認為，近期智能手機紛紛應用人臉識別技術解鎖推動該功能技術的普及，便捷性的優(yōu)勢使該功能技術前景受看好。但目前人臉識別解鎖技術的準確性仍然受到質(zhì)疑，隨著未來技術進一步成熟，該技術有望成為智能手機設備標配。

iiMedia Research(艾媒咨詢)顯示，33.9%的受訪網(wǎng)民曾使用過人證比對功能進行業(yè)務辦理。在使用過該功能的人群中，54.6%認為其方便了業(yè)務辦理，提供了效率，且有47.3%該部分人群認為其識別準確程度高。艾媒咨詢分析師認為，政府、銀行等機構業(yè)務辦理效率以往常遭詬病，人證識別技術的應用提高了辦事效率，在提高人們滿意度的同時，加強了計算機視覺技術的認可度。未來計算機視覺技術在政府、銀行等機構的落地應用將進一步擴展，但其中涉及到個人信息保護等問題需要企業(yè)及相關機構合力解決。

iiMedia Research(艾媒咨詢)顯示，34.1%的受訪網(wǎng)民認為公安辦案為最有必要應用人臉識別技術的安防情景。而關于網(wǎng)民對人臉識別技術在安防監(jiān)控領域應用看法調(diào)查中，56.1%的受訪網(wǎng)民認為其能有力保護人們?nèi)松碡敭a(chǎn)安全。艾媒咨詢分析師認為，計算機視覺技術，尤其是人臉識別技術在安防領域應用意義重大，在刑偵破案、身份認證、公共安全保護等情景具有重要應用價值。未來安防領域?qū)⒊蔀橛嬎銠C視覺技術重點應用領域，而安防的重要性也對相關企業(yè)技術實力有嚴格的要求，未來安防領域市場或由少數(shù)技術實力較強的企業(yè)占據(jù)。

商湯科技是專注計算機視覺與深度學習原創(chuàng)技術的人工智能創(chuàng)業(yè)企業(yè)，擁有強大的技術能力和人才資源儲備支撐發(fā)展。商湯科技在計算機視覺領域綜合實力較強，獲資本方青睞，B輪融資4.1億美元，同時與國內(nèi)外知名企業(yè)展開合作。艾媒咨詢分析師認為，商湯科技在商業(yè)營收上同樣處于行業(yè)領先水平，但其本質(zhì)專注于技術發(fā)展，強大的技術基礎能較好支撐商湯科技在上層應用場景的擴展。商湯科技在技術驅(qū)動商業(yè)應用的同時，積累商業(yè)應用經(jīng)驗，提高企業(yè)知名度，拓展應用至更多領域。

艾媒咨詢分析師認為，商業(yè)化落地能力欠缺是目前計算機視覺行業(yè)大部分企業(yè)的痛點，商湯科技在商業(yè)落地應用方面處于行業(yè)領先位置。這一方面源于商湯科技技術能力往專業(yè)化發(fā)展，以專業(yè)技術和研發(fā)基礎實現(xiàn)場景差異化應用。另一方面，純計算機視覺技術或算法由于其專業(yè)性，需求方在使用時需要具備專業(yè)能力，而商湯科技技術產(chǎn)品往標準化方向打造，打包成行業(yè)解決方案，能適應更多企業(yè)使用需求，也有利于商湯科技技術進一步落地應用。未來堅持技術為基礎，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。

曠視科技成立于2011年，2017年10月完成巨額C輪融資，專注于人臉識別、圖像識別和深度學習技術自主研發(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)機器人等領域，同時打造人工智能開放云平臺。艾媒咨詢分析師認為，曠視科技利用云平臺為開發(fā)者提供技術支撐，有利于計算機視覺技術進一步結(jié)合產(chǎn)品運營，同時可以收集海量圖片數(shù)據(jù)，通過進行深度學習，曠視科技圖像識別技術又能進一步得到提升，有利于其強化自身核心技術能力。

艾媒咨詢分析師認為，人臉識別技術對于金融行業(yè)業(yè)務辦理及風控等流程具有重要應用價值，曠視科技在人臉識別技術上的優(yōu)勢也助其有效開展金融領域的服務應用。未來隨著曠視科技利用云開放平臺相關圖片數(shù)據(jù)進行深度學習強化人臉識別技術，以及在金融領域積累的渠道資源，其有望在金融領域繼續(xù)強化技術服務，成為該領域市場有力的競爭者。

艾媒咨詢分析師認為，自動駕駛為人工智能和汽車行業(yè)未來發(fā)展方向，計算機視覺技術在自動駕駛汽車實現(xiàn)路況感知、高精度定位等方面發(fā)揮重要作用，自動駕駛為計算機視覺技術未來重要應用領域。圖森未來的計算機視覺技術和算法在自動駕駛領域?qū)崿F(xiàn)專業(yè)化發(fā)展，未來有望在此細分領域成長為領先企業(yè)。

2017-2018中國計算機視覺行業(yè)發(fā)展趨勢

需求驅(qū)使計算機視覺行業(yè)發(fā)展?jié)摿薮髴脠鼍巴卣節(jié)B透各行業(yè)

艾媒咨詢分析師認為，人們對生活安全以及生產(chǎn)效率追求兩大需求的提升，決定計算機視覺行業(yè)具有巨大發(fā)展空間。而計算機視覺技術場景應用具有廣泛性，有望發(fā)展成為下一個智能時代的標配。目前計算機視覺技術主要應用在B端領域，短期內(nèi)行業(yè)發(fā)展趨勢也是集中于B端領域。未來隨著技術成熟，計算機視覺有望拓展更多新的應用場景，實現(xiàn)場景落地，滲透至各行各業(yè)，形成AI+，開拓更多C端業(yè)務。此外，計算機視覺技術可以跟其他技術，如AR、VR、無人駕駛等結(jié)合發(fā)展，創(chuàng)造新的應用領域。

技術應用由點及面行業(yè)解決方案及軟硬件結(jié)合成商業(yè)產(chǎn)品出路

對于計算機視覺技術使用者來說，由于技術的學習應用需要花費較多時間和精力，硬件產(chǎn)品及行業(yè)解決方案往往更受青睞。未來計算機視覺企業(yè)需要將軟硬件結(jié)合，如打造嵌入式芯片等。此外，計算機視覺企業(yè)應將技術應用由點及面，將技術應用發(fā)展成針對各行業(yè)的解決方案。未來市場將出現(xiàn)更多基于計算機視覺技術應用的行業(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，才能有效適應其需求，幫助計算機視覺企業(yè)迅速占領行業(yè)市場，在市場競爭中取得領先優(yōu)勢。

計算機視覺行業(yè)發(fā)展對企業(yè)綜合實力要求高

艾媒咨詢分析師認為，計算機視覺行業(yè)巨大的發(fā)展前景決定其具有高成長性特點，未來將涌現(xiàn)更多人工智能領域優(yōu)秀企業(yè)。但行業(yè)發(fā)展同時伴隨高風險性，行業(yè)競爭需要比拼企業(yè)技術算法能力、資金能力、以及人才資源，同時考驗企業(yè)能否實現(xiàn)技術迅速落地，對企業(yè)綜合實力要求高，綜合實力不具備優(yōu)勢的企業(yè)在行業(yè)內(nèi)將難以生存。

第2篇：計算機視覺的核心范文

關鍵詞：數(shù)字攝影測量 計算機視覺 多目立體視覺 影像匹配

引言

攝影測量學是一門古老的學科，若從1839年攝影術的發(fā)明算起，攝影測量學已有170多年的歷史，而被普遍認為攝影測量學真正起點的是1851―1859年“交會攝影測量”的提出。在這漫長的發(fā)展過程中，攝影測量學經(jīng)歷了模擬法、解析法和數(shù)字化三個階段。模擬攝影測量和解析攝影測量分別是以立體攝影測量的發(fā)明和計算機的發(fā)明為標志，因此很大程度上，計算機的發(fā)展決定了攝影測量學的發(fā)展。在解析攝影測量中，計算機用于大規(guī)模的空中三角測量、區(qū)域網(wǎng)平差、數(shù)字測圖，還用于計算共線方程，在解析測圖儀中起著控制相片盤的實時運動，交會空間點位的作用。而出現(xiàn)在數(shù)字攝影測量階段的數(shù)字攝影測量工作站（digital　photogrammetry　workstation，DPW）就是一臺計算機+各種功能的攝影測量軟件。如果說從模擬攝影測量到解析攝影測量的發(fā)展是一次技術的進步，那么從解析攝影測量到數(shù)字攝影測量的發(fā)展則是一場技術的革命。數(shù)字攝影測量與模擬、解析攝影測量的最大區(qū)別在于：它處理的是數(shù)字影像而不再是模擬相片，更為重要的是它開始并將不斷深入地利用計算機替代作業(yè)員的眼睛。[1-2]毫無疑問，攝影測量進入數(shù)字攝影測量時代已經(jīng)與計算機視覺緊密聯(lián)系在一起了[2]。

計算機視覺是一個相對年輕而又發(fā)展迅速的領域。其目標是使計算機具有通過二維圖像認知三維環(huán)境信息的能力，這種能力將不僅使機器能感知三維環(huán)境中物體的幾何信息，包括它的形狀、位置、姿態(tài)、運動等，而且能對它們進行描述、存儲、識別與理解[3]。數(shù)字攝影測量具有類似的目標，也面臨著相同的基本問題。數(shù)字攝影測量學涉及多個學科，如圖像處理、模式識別以及計算機圖形學等。由于它與計算機視覺的聯(lián)系十分緊密，有些專家將其看做是計算機視覺的分支。

數(shù)字攝影測量的發(fā)展已經(jīng)借鑒了許多計算機視覺的研究成果[4]。數(shù)字攝影測量發(fā)展導致了實時攝影測量的出現(xiàn)，所謂實時攝影測量是指利用多臺CCD數(shù)字攝影機對目標進行影像獲取，并直接輸入計算機系統(tǒng)中，在實時軟件的幫助下，立刻獲得和提取需要的信息，并用來控制對目標的操作[1]。在立體觀測的過程中，其主要利用計算機視覺方法實現(xiàn)計算機代替人眼。隨著數(shù)碼相機技術的發(fā)展和應用，數(shù)字近景攝影測量已經(jīng)成為必然趨勢。近景攝影測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空位置的一門新技術，它是一種基于數(shù)字信息和數(shù)字影像技術的數(shù)據(jù)獲取手段。量測型的計算機視覺與數(shù)字近景攝影測量的學科交叉將會在計算機視覺中形成一個新的分支――攝影測量的計算機視覺，但是它不應僅僅局限于地學信息[2]。

1.　計算機視覺與數(shù)字攝影測量的差異

1.1　目的不同導致二者的坐標系和基本公式不同

攝影測量的基本任務是嚴格建立相片獲取瞬間所存在的像點與對應物點之間的幾何關系，最終實現(xiàn)利用攝影片上的影像信息測制各種比例尺地形圖，建立地形數(shù)據(jù)庫，為各種地理信息系統(tǒng)建立或更新提供基礎數(shù)據(jù)。因此，它是在測繪領域內(nèi)發(fā)展起來的一門學科。

而計算機視覺領域的突出特點是其多樣性與不完善性。計算機視覺的主要任務是通過對采集的圖片或視頻進行處理以獲得相應場景的三維信息，因此直到計算機的性能提高到足以處理大規(guī)模數(shù)據(jù)時它才得到正式的關注和發(fā)展，而這些發(fā)展往往起源于其他不同領域的需要。比如在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合，常用計算機來替代人工視覺。

由于攝影測量是測繪地形圖的重要手段之一，為了測繪某一地區(qū)而攝影的所有影像，必須建立統(tǒng)一的坐標系。而計算機視覺是研究怎樣用計算機模擬人的眼睛，因此它是以眼睛（攝影機中心）與光軸構成的坐標系為準。因此，攝影測量與計算機視覺目的不同，導致它們對物體與影像之間關系的描述也不同。

1.2　二者處理流程不同

2.　可用于數(shù)字攝影測量領域的計算機視覺理論――立體視覺

2.1　立體視覺

立體視覺是計算機視覺中的一個重要分支，一直是計算機視覺研究的重點和熱點之一，在20多年的發(fā)展過程中，逐漸形成了自己的方法和理論。立體視覺的基本原理是從兩個（或多個）視點觀察同一景物，以獲取在不同視角下的感知圖像，通過三角測量原理計算像像素間的位置偏差（即視差）來獲取景物的三維信息，這一過程與人類視覺的立體感知過程是類似的。一個完整的立體視覺系統(tǒng)通?？煞譃閳D像獲取、攝像機定標、特征提取、影像匹配、深度確定及內(nèi)插等6個大部分[5]。其中影像匹配是立體視覺中最重要也是最困難的問題，也是計算機視覺和數(shù)字攝影測量的核心問題。

2.2　影像匹配

立體視覺的最終目的是為了恢復景物可視表面的完整信息。當空間三維場景被投影為二維圖像時，同一景物在不同視點下的圖像會有很大不同，而且場景中的諸多因素，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特性等，都被綜合成單一的圖像中的灰度值。因此，要準確地對包含了如此之多不利因素的圖像進行無歧義的匹配，顯然是十分困難的。

在攝影測量中最基本的過程之一就是在兩幅或者更多幅的重疊影像中識別并定位同名點，以產(chǎn)生立體影像。在模擬攝影測量和解析攝影測量中，同名點的識別是通過人工操作方式完成的；而在數(shù)字攝影測量中則利用計算機代替人工解決同名點識別的問題，即采用影像匹配的方法。

2.3　多目立體視覺

根據(jù)單張相片只能確定地面某個點的方向，不能確定地面點的三維空間位置，而有了立體像對則可構成與地面相似的立體模型，解求地面點的空間位置。雙目立體視覺由不同位置的兩臺或者一臺攝像機（CCD）經(jīng)過移動或旋轉(zhuǎn)拍攝同一幅場景，就像人有了兩只眼睛，才能看三維立體景觀一樣，然后通過計算空間點在兩幅圖像中的視差，獲得該點的三維坐標值?，F(xiàn)在的數(shù)字攝影測量中的立體像對技術通常是在一條基線上進行的，但是由于采用計算機匹配替代人眼測定影像同名像對時存在大量的誤匹配，使自動匹配的結(jié)果很不可靠。其存在的問題主要是，對存在特殊結(jié)構的景物，如平坦、缺乏紋理細節(jié)、周期性的重復特征等易產(chǎn)生假匹配；在攝像機基線距離增大時，遮擋嚴重，能重建的空間點減少。為了解決這些問題，降低雙目匹配的難度，自1986年以來出現(xiàn)了三目立體視覺系統(tǒng)，即采用3個攝像機同時攝取空間景物，通過利用第三目圖像提供的信息來消除匹配的歧義性[5]。采用“多目立體視覺技術”可以利用攝影測量的空中三角測量原理，對多度重疊點進行“多方向的前方交會”，既能較有效地解決隨機的誤匹配問題，同時又能增加交會角，提高高程測量的精度[2]。這項技術的應用，將很大程度地解決自動匹配結(jié)果的不可靠性，提高數(shù)字攝影測量系統(tǒng)的準確性。

第3篇：計算機視覺的核心范文

關鍵詞：計算機視覺技術；C# ；；作物無損檢測；軟件設計

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2013）15-3640-03

數(shù)字農(nóng)業(yè)和農(nóng)業(yè)物聯(lián)網(wǎng)技術作為現(xiàn)代農(nóng)業(yè)最前沿的發(fā)展領域之一，是當今世界發(fā)展農(nóng)業(yè)信息化，實現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展的關鍵和核心技術。數(shù)字農(nóng)業(yè)要求快速、實時、準確和定位化的獲取植物生長信息，而農(nóng)業(yè)物聯(lián)網(wǎng)技術要求植物信息可實時動態(tài)感知，顯然，傳統(tǒng)的實驗室測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)技術的發(fā)展要求。因此，研究和開發(fā)植物生命信息快速無損檢測技術和傳感儀器等軟硬件平臺已經(jīng)成為現(xiàn)代農(nóng)業(yè)承待解決的關鍵問題[1]。

目前，國內(nèi)在作物無損檢測方面的研究儀器主要是依賴進口，而相應的軟件也是伴隨著儀器而購買。此類軟件，一般價格昂貴，而且在自主研究平臺中，因為無法取得源代碼而無法使用或升級，從而出現(xiàn)研究瓶頸。在各類無損化檢測技術中，隨著計算機視覺技術越來越廣泛的應用，對應的軟件系統(tǒng)的開發(fā)迫在眉睫[2]。

正是基于這樣的背景，我們通過對目前應用比較廣泛的C#進行研究，利用C#強大的數(shù)據(jù)處理能力和良好的用戶界面開發(fā)，并結(jié)合強大的圖像處理能力，進行作物實時檢測軟件平臺的自主設計與開發(fā)。

1 計算機視覺技術簡介

計算機視覺也稱機器視覺，是采用攝像機或者數(shù)碼相機將被檢測圖像轉(zhuǎn)化為數(shù)字信號，再采用先進的計算機軟件技術對圖像信號進行處理，從而得到所需要的各種目標圖像特征值。并由此實現(xiàn)模式識別，坐標計算等功能。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)行機構完成好壞篩選，位置調(diào)整，數(shù)據(jù)統(tǒng)計等自動化流程。與人工視覺相比較，計算機視覺的最大的優(yōu)點是快速、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)技術的發(fā)展，計算機視覺技術將越來越廣泛的應用于農(nóng)業(yè)生產(chǎn)中，而構成計算機視覺系統(tǒng)的軟件系統(tǒng)是整個計算機視覺系統(tǒng)的靈魂。隨著硬件技術的不斷發(fā)展完善，計算機視覺系統(tǒng)其功能是否強大，可以說完全取決于軟件系統(tǒng)的能力。

2 軟件系統(tǒng)設計

2.1 C#與

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

一個基于C#框架，專門為C#開發(fā)者和研究者設計和開發(fā)的，這個框架提供了豐富的類庫資源，包括圖像處理，神經(jīng)網(wǎng)絡，模糊系統(tǒng)，遺傳算法，人工智能和機器人控制等領域。該框架架構合理，易于擴展，涉及多個較前沿的技術模塊，為相關開發(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#程序設計語言，通過調(diào)用該框架來實現(xiàn)作物無損檢查系統(tǒng)的開發(fā)。

2.2 系統(tǒng)設計與實現(xiàn)

本軟件系統(tǒng)是在數(shù)碼相機拍攝的作物圖像的基礎上，采用圖像處理方法進行特征提取與分析，從而實現(xiàn)作物的無損檢測。主要分為圖像輸入，圖像預處理，特征提取，特征分析幾個模塊。

1） 圖像輸入

將要分析處理的圖像讀取到系統(tǒng)中來，為后面圖像處理作準備。C#提供了三個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)存法和指針法。從執(zhí)行效率和實現(xiàn)難度綜合考慮，本系統(tǒng)的開發(fā)采用內(nèi)存法。

2） 圖像預處理

圖像預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)境對拍攝照片造成的不利影響。提供了多個類，可以對圖像進行平滑去噪等操作，本系統(tǒng)中采用了中值濾波算方法，對應中的Median類。

3） 特征提取

特征提取分析，是整個系統(tǒng)的核心所在，需要選取合適的圖像分割算法，對圖像進行處理，提取目標區(qū)域，為特征分析作準備。在本系統(tǒng)中采用了閾值分割技術，因為這種算法相對來說比較直接并且易于實現(xiàn)。

采用閾值分割技術，首先，必需確定一個閾值作為圖像分割的閾值，在本系統(tǒng)中，采用自適應閾值法，由用戶在軟件的操作過程中進行設定，并且可以根據(jù)需要進行調(diào)整。然后，根據(jù)這個閾值對圖像進行分割，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，這種太小的孔洞對我們進行圖像分析沒有實際意義，并且會干擾結(jié)果的正確性，因此我們需要采用腐蝕和膨脹的形態(tài)學方法來進行填充孔洞，結(jié)果如圖（C）所示。最后，我們需要根據(jù)需要提取目標區(qū)，涉及到連通區(qū)域的提取問題。最后，輸出結(jié)果。

4） 特征分析

對圖像分割結(jié)果進行分析，用于指導生產(chǎn)實踐。我們可以對通過圖像處理得到的目標區(qū)域進行分析，比如可以根據(jù)葉片顏色的變化判斷葉綠素含量，進而推算出作物的營養(yǎng)狀況，根據(jù)色素區(qū)域的大小計算出葉面積，根據(jù)不同區(qū)域的形狀、大小判斷病蟲害等。

3 實驗結(jié)果及分析

軟件運行后主界面如圖3所示。

為驗證本系統(tǒng)的有效性，我們通過設定不同的閾值進行圖像分割，并跟photoshop cs4軟件中魔棒的工具作對比，來提取圖片中的目標區(qū)域。測試圖片大小為800px×610px，取特征點坐標P（310，70），該點的RGB值為（29，92，0），獲取目標區(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區(qū)域的提取方面，提取到的目標區(qū)域較photoshop 提取的小，綠色分量平均值較photoshop更接近特征點數(shù)值，由此看出用本軟件做圖像分割準確性更高。

4 結(jié)束語與展望

計算機視覺具有非破壞性、快速、高效、信息量大等特點，目前已在主要的農(nóng)作物和經(jīng)濟作物的養(yǎng)分診斷，植物病蟲害的快速檢測及預警預報等方面有了廣泛應用，取得了較好的效果。隨著計算機視覺技術和圖像處理技術的發(fā)展，計算機視覺技術將更多的應用于植物長勢預測、產(chǎn)量估計等方面。

通過本次研究，開發(fā)了一個交互界面良好的色素分量檢測系統(tǒng)，能對圖像在RGB分量上實現(xiàn)閾值分割，并實現(xiàn)目標區(qū)域的獲取分析。該文主要提倡一種軟件開發(fā)的理念，所設計開發(fā)的軟件的針對性較強，還存在著很多的局限和不足，要作為計算機視覺類的通用軟件，系統(tǒng)的穩(wěn)定性和功能都還有待進一步提升。

參考文獻：

[1] 劉飛.基于光譜和多光譜成像技術的油菜生命信息快速無損檢查機理和方法研究[D].浙江：浙江大學博士學位論文，2011.

[2] 朱哲燕，陳紅.基于MATLAB的作物信息光譜分析平臺的設計與開發(fā)[J].科技資訊，2012（16）.

[3] 蔣麗華.基于計算機視覺技術的葉綠素含量檢測系統(tǒng)[D].蘇州：蘇州大學碩士學位論文，2009.

[4] 趙春江.C#數(shù)字圖像處理算法典型實例[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[J].農(nóng)機論壇，2012（1）.

[6] 張起麗.基于數(shù)學形態(tài)學的彩色圖像處理研究[D].西安：西北大學碩士學位論文，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：北京郵電大學碩士學位論文，2007.

第4篇：計算機視覺的核心范文

關鍵詞：計算機；交通監(jiān)管系統(tǒng)；視覺

中圖分類號：TP277

近年來，道路交通安全問題因公路交通事業(yè)的快速發(fā)展而受到越來多關注。據(jù)2002年世界銀行統(tǒng)計，全球平均每年死于道路交通事故高達117萬人。而在中國，據(jù)2008年公安部交通管理局公布的數(shù)據(jù)顯示，全國道路交通事故多達265204起，死亡人數(shù)為73484人。

全國道路交通事故防御工作隨公路里程、機動車保有量、道路交通流量、駕駛?cè)藬?shù)的增加成遞增趨勢。而通過必要的技術手段構建交通安全保障機制，降低交通事故是重中之重。若要好的為基礎的交通違規(guī)行為檢測技術的不斷更新，市場上已出現(xiàn)了自動檢測與記錄的商業(yè)化產(chǎn)品，能實時記錄出闖紅燈、違規(guī)超車、違規(guī)停車、超速、逆行等違規(guī)行為。然而，我國高速交通監(jiān)控體系仍比較落后，大多在交叉路口設置電子警察系統(tǒng)以此檢測車輛闖紅燈的違規(guī)行為。交通管理部門并不能對出現(xiàn)違規(guī)行為的車輛進行及時的交通管制和處理，概括來說管理與檢測仍處于管理誤區(qū)與盲目狀態(tài)。針對該現(xiàn)象，文本研究了基于計算機的交通監(jiān)管系統(tǒng)設計與實現(xiàn)。

1 智能交通管理系統(tǒng)簡介

ITS系統(tǒng)，該系統(tǒng)綜合先進的現(xiàn)代計算機網(wǎng)絡技術、信息電子通訊技術、現(xiàn)代信息技術以及自動控制技術等，并將其在整個交通運輸管理體系進行有效的運用，為此建立起一種實時、有效、準確、范圍廣的全方位發(fā)揮作用的交通運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，交通職能部門對更加智能的交通管理系統(tǒng)的需求越來越急迫。所以，ITS成為21世紀地面交通管理、運輸科技、運營的主要研究方向，帶領著交通運輸一場偉大的變革。北美、西歐、日本自上世紀80年代末就開始競相發(fā)展智能運輸系統(tǒng)，并制定相應的開發(fā)計劃加以實施，而發(fā)展中國家也開始對ITS系統(tǒng)的全面研究與開發(fā)。

2 認識基于計算機視覺的智能交通監(jiān)控系統(tǒng)

2.1 計算機視覺技術

所謂計算機視覺，理解為使用可替代人眼的高清攝影機設備或其他現(xiàn)代高清電子影像攝錄裝備進行觀察，實現(xiàn)對目標的追蹤定位、圖像識別、模擬數(shù)據(jù)測量等，并對采集的視覺數(shù)據(jù)信息送達遠端計算機服務器，通過計算機服務器的信號圖形圖像處理技術對視頻數(shù)據(jù)信息進行進一步加工，實現(xiàn)三維重現(xiàn)現(xiàn)實情景的計算機觀察呈現(xiàn)技術。

2.2 智能交通監(jiān)測系統(tǒng)

通過使用現(xiàn)有的、先進的計算機智能化、視覺化、信息化科技對國內(nèi)各大路況交通運輸實施監(jiān)測，為工作于交通運輸人員呈現(xiàn)數(shù)據(jù)信息的自動化采集、分析、處理等的智能化服務，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，人民生活水平及國民生產(chǎn)總值的不斷提高，智能交通系統(tǒng)，在國內(nèi)外受到越來越多的青睞。近幾年，各道路關鍵路段、路口隨著道路監(jiān)控機制的普遍建立，也都基本完成了視頻監(jiān)控。

2.3 基于計算機視覺的智能交通監(jiān)控機制

根據(jù)前面2.1對計算機視覺技術和2.2對智能化交通監(jiān)控系統(tǒng)概念的解析與理解，可總結(jié)出以計算機視覺為基礎的智能化交通監(jiān)控機制，其是通過現(xiàn)代高端計算機對視覺信息收集、提取、處理、分析等技術，實現(xiàn)對城市道路交通信息的實時監(jiān)控、視頻數(shù)據(jù)的收集、信息分析處理，并對城市交通狀況使用智能交通機制狀況，并通過視頻影像引導車輛行駛，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)控機制。

3 構建以計算機視覺為基礎的智能交通監(jiān)控機制及配套措施

3.1 基于計算機視覺的智能交通監(jiān)控機制的構建

監(jiān)控指揮系統(tǒng)、實時交通信息收集系統(tǒng)、高質(zhì)量信息傳輸系統(tǒng)是基于計算機視覺的智能交通監(jiān)控的三大系統(tǒng)。實時交通信息收集系統(tǒng)由多套信息收集裝置組成，通過這些信息采集裝置實時監(jiān)控不同位置交通現(xiàn)狀。實時交通信息收集系統(tǒng)不僅能進行路段監(jiān)控與實時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)實施輸送，或在服務器中存儲已處理的信息；一個中央數(shù)據(jù)庫與一個中央服務器是高質(zhì)量信息存儲傳輸系統(tǒng)核心部分，其中中央數(shù)據(jù)庫對獲取到的實時交通路況信息進行存儲。而為了便于工作者能通過界面對中央數(shù)據(jù)庫實施提取、查詢、查看等操作，因此該界面就由中央服務器來提供，此外該服務器還能將已處理的實時路況數(shù)據(jù)通過高質(zhì)量的傳輸系統(tǒng)輸送到監(jiān)控指揮機制，達到對各路段的交通進行管制、部署及指揮的目的。

3.2 專業(yè)技術人員的儲備

以計算機視覺技術為基礎的智能交通監(jiān)控機制是一個龐大的系統(tǒng)，具有突出點的優(yōu)點，該系統(tǒng)集自動化、信息化、智能化為一體，只有專業(yè)的技術人才才能使該系統(tǒng)高效工作，因此開展培訓儲備相關技術人員至關重要。實時交通信息借助于先進的高清裝置的正常采集工作，所以儲備一批針對高清裝置安裝、檢測、調(diào)試及故障修復的技術人員極為重要?，F(xiàn)代基于計算機視覺的智能交通監(jiān)控機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被替代的，所以培養(yǎng)儲備一批專業(yè)的圖形圖像處理技術人員也是重要的。儲備服務器維護技術工，每天以計算機視覺技術為基礎的智能交通監(jiān)控機制都會獲取大量的監(jiān)控信息數(shù)據(jù)，然而只有大型的服務器才能存儲這些數(shù)據(jù)，可想而知一旦服務器癱瘓就會引發(fā)整個機制的崩潰，造成嚴重的后果，因此專業(yè)服務器維護工作者的儲備與培養(yǎng)也尤為重要。基于計算機視覺技術的智能交通監(jiān)控機制并不能取代交通指揮員，其僅是用來采集實時交通信息的系統(tǒng)，僅為了協(xié)助交通指揮員監(jiān)管及疏導城市交通，因此要求儲備一批高素質(zhì)、高質(zhì)量的交通指揮員也極為必要。

3.3 交通知識的宣傳

大城市的交通問題，并不是依靠單純的開發(fā)先進的計算機視覺智能交通監(jiān)控系統(tǒng)就能處理解決，也不是單單要求市政建設增加公交數(shù)量、增鋪幾條公路或增開通幾條地鐵就能解決的，以上這些僅是輔助方法。關鍵在于開展交通知識的宣傳與教育工作，強化駕駛員的素質(zhì)，倡導不酒駕、不逆行、不超速、限號行駛等，自覺遵守道路交通規(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

市政建設的主要問題之一即是交通問題，政府的支持是萬萬不可缺失的。由于構建以計算機視覺技術為基礎的智能交通管制機制，涉及面廣，包括道路勘測、先進裝置的引進、專業(yè)技術人員的儲備、裝備組織安裝與調(diào)試、后期維護等等多方面，這些都需要投入大量的人力、財力、物力，而對于任何一個單位、部門或幾個市政部門來說都無法獨自承擔，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，將各部門進行協(xié)調(diào)、協(xié)作，只有這樣才能構建成較健全的交通監(jiān)控體系。

4 結(jié)束語

道路交通雜、亂是國內(nèi)城市交通最突出的特點之一，對于我國的交通事業(yè)來說進行行人識別勢在必行。而我國對于行人識別的研究仍處于起步階段，還較落后。且基于計算機的交通監(jiān)管系統(tǒng)設計較為復雜，涵蓋點較多，因此本文僅對設計進行簡要介紹，希望達到拋磚引玉的效果。

參考文獻：

[1]康曉麗.無線網(wǎng)絡技術在交通管理中的應用[J].科技情報開發(fā)與經(jīng)濟，2011（21）.

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

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

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

[5]馬伏花，朱青.基于射頻識別技術的車輛自動識別系統(tǒng)的實現(xiàn)[J].中國儀器儀表，2006（11）.

第5篇：計算機視覺的核心范文

關鍵詞 計算機視覺；攝像機定標方法；應用特點；線性關系；參照物

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

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

1 計算機視覺中與攝像機定標解析

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

2 傳統(tǒng)的攝影機定標方法及應用特點

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

2.1 基于3D立體靶標的攝像機定標

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

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

2.2 基于2D平面靶標的攝像機定標

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

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

2.3 基于徑向約束的攝像機定標

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

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

3 攝像機自定標方法及其應用特點

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

3.1 基于主動視覺的自定標法

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

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

3.2 基于Kruppa方程的自定標方法

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

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

3.3 分層逐步定標法

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

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

3.4 基于二次曲面的自定標方法

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

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

4 傳統(tǒng)攝像機定標方法與自定標方法優(yōu)缺點分析

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

4.1 傳統(tǒng)的攝像機定標方法弊端

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

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

4.2 攝像機自定標方法相關問題

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

5 結(jié)束語

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

參考文獻

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

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

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

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

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

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

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

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

第6篇：計算機視覺的核心范文

多采用是人工測量的方式，在誤差的控制上選擇的是多次測量，反復操作，再將多次測量的結(jié)果進行加權，最終得到相對準確的測量數(shù)值。這種方法在一定程度上是操作十分復雜，精度還很難達到設計要求，所以我們在礦區(qū)土地信息測量工程中引進了GIS技術這樣的一個概念，下面我們就如何通過GIS技術進行有效的觀測測量來進行討論。

[關鍵詞] GIS技術； 精密測量； 構造幾何模型； 信號源的接收

地理信息系統(tǒng)（Geographic information system，GIS）是利用計算機及其外部設備采集、存儲、分析、描述與空間和地理分布有關的數(shù)據(jù)的空間信息系統(tǒng)。GIS融合計算機圖形和數(shù)據(jù)庫于一體，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的屬性信息結(jié)合起來，達到對地理和屬性信息的綜合管理。從外部來看，GSI表現(xiàn)為計算機軟硬件系統(tǒng)，而其內(nèi)涵是由計算機程序和地理數(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：當用戶需要從直觀上觀察地形的概貌時，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、地表面積計算及挖、填土方體積計算：建立DTM后就可以用之計算坡度、面積和挖、填土方體積，以其作為土地適宜性評價的因子。

一 GIS技術在信息管理模式中的具體形式

在以往的測量中，選擇的測量方式還是完全采用機械的形式，但是在使用了計算機GIS技術精密測量后，完成了許多以往技術所不能達到的任務。在我們的研究中，計算機GIS技術測量的原理是通過攝像機將被處理的對象采集進行影像采集，在多個控制點的數(shù)據(jù)采集完成后，系統(tǒng)會自動將這些圖像進行整合，得出相關的幾何多變參數(shù)，再在計算機上以具體的數(shù)據(jù)顯示出來，以供礦區(qū)技術人員使用參照。

在上面所說的攝像機并不是我們通常意義上生活中使用的攝像機。它是一種可視化較強，表針比較敏感的測試儀?？梢詫⒁曈X中的二維形態(tài)通過顯影，記錄在機械的光譜儀上，再將這種的二維圖像做數(shù)學處理，有二階矩陣轉(zhuǎn)換為三階矩陣，通過播放儀呈現(xiàn)出三維的影像。這時的圖像變?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。同樣是采集控制點的數(shù)據(jù)，將數(shù)據(jù)整合在系統(tǒng)之內(nèi)，然后對于原始的圖像進行預處理，不再經(jīng)過有曝光這個程序，將圖像中關鍵點的坐標在整個內(nèi)部軸面上體現(xiàn)出來，提取數(shù)據(jù)幀數(shù)，再運用機器的智能識別系統(tǒng)，對控制點的坐標進行數(shù)據(jù)分析，自動生成圖形，這也可以用于精密測量。它的優(yōu)點就是使用上極其的方面，基本只要架立儀器和打開開關，其他的工作機械系統(tǒng)都會自動的完成。使用的困難就是造價極其的高，不適合一般企業(yè)使用。在基于計算機視覺圖像測量中使用上的原理如下：

（1）計算出觀察控制點到計算機視覺圖像測量儀器的有效距離；

（2）得出觀察點到目標控制點之間的三維的運動幾何參數(shù)；

（3）推斷出目標控制點在整個平面上的表面特征（大多時候要求形成立體視覺）；

（4）還通過觀察可以判斷出目標物體的幾何坐標方位。

在整個計算機GIS技術精密測量的在礦區(qū)土地信息管理中最關鍵的元件就是壓力應變電阻儀，這也是傳感器的一部分。

所謂的壓力感應就是一種新型的傳感器，通過電阻的變化作為一種感應值的判斷標準進行計算和采集數(shù)據(jù)。具體的做法是在受力物體上粘貼高靈敏度的感應片，通過力的傳遞將物體上受到即時的力傳遞到感應片上，以備技術人員收集。在物體的中心或者是機械的隔斷處，使用丙酮溶液進行擦拭，以保證物體的表面潔凈和貼合度較高。當液體充分風干的情況下將感應片貼在已涂丙酮的物體上（注意感應片的正反），再使用導線和感應片相互連接，從而形成了一個完整的閉合電路體系，在通電的情況下，在計算機終端上可以顯示出來。以便技術人員可以在任何時候掌握每個檢測點的施工使用情況，一旦機械設備發(fā)生異?，F(xiàn)象，就會在計算機圖形中顯示出來。于此同時，它還可以對施工人員所處的具置做到應力感應，人自身的重量傳遞到地面上，結(jié)構會出現(xiàn)結(jié)構上的略微變化，這個儀器就能第一時間以信號的方式傳送到計算機終端，讓技術人員掌握相關施工的情況，并結(jié)合數(shù)據(jù)報告總結(jié)出相關的可行性分析付諸實踐。

當無法觀察到控制點是，計算機GIS技術測量可以通過接收信號或是相關的頻率波段來收集數(shù)據(jù)，不會因為以往測量的環(huán)境不好，距離太遠，誤差太大的影響。同時在信息管理中通過了加密通道，系統(tǒng)可以將數(shù)據(jù)自動的保存和轉(zhuǎn)換為視圖模式，對于數(shù)據(jù)的審計和運行可以同時進行，這樣就可以很好的保證大地測量中的圖像數(shù)據(jù)安全，利用防護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，進一步改善計算機GIS技術。

二 計算機GIS與CAD技術的結(jié)合

在計算機GIS技術測量中解決了很多以往很難完成的任務，但是在使用過程中還是發(fā)生了很多的問題。尤其在土地信息的選擇中，無法使用高幀數(shù)的圖片顯示，無法將計算機測量的關鍵技術的優(yōu)點發(fā)揮出來。在煤礦生產(chǎn)過程中，對于生產(chǎn)效率的提高就要對開采環(huán)境的要求更高。使用繪圖技術與GIS技術相互結(jié)合可以將復雜的地理環(huán)境的具體形狀在電腦當中展現(xiàn)出來，用較為直觀的圖形準確的反應出來。而且在使用中，可以在計算機中隨時將圖像進行修改，完全可以適應復雜情況下的設備調(diào)試。在以往傳統(tǒng)的圖像設計中，技術人員在圖紙中很難將地理信息進行再次修改，在設計后期在計算機圖形繪制處理技術中，對于圖像的調(diào)試使用的范圍很廣，通過虛擬的模擬和現(xiàn)實的結(jié)合來實現(xiàn)煤礦信息的完整，有效的加強了煤礦的信息化管理。

CAD技術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，通過再次分類以后，得到的一系列的相關處理信息，之后在三維空間建立相應的二維信息的三維形狀模型提，使模型本身恢復點，線，面和拓撲關系，從而實現(xiàn)形狀重建工程。計算機圖形繪制處理，也可以應用于測繪圖紙和關于地形的建模。土地信息中包含的地貌和自然資源圖，它是國民經(jīng)濟體系的重要組成部分。我們可以畫一個圖，三維地形圖的存儲信息的產(chǎn)生。為預測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發(fā)利用提供科學依據(jù)，這些依據(jù)，在軍事上也起著非常重要的作用。在煤礦機械設備也使用CAD軟件繪制零件圖，利用繪圖軟件在操作更簡單的菜單式設計，繪制出圖形更準確。

三 GIS技術測量的關鍵技術遇到的困難和使用前景

計算機GIS技術測量的關鍵技術作為一種新興技術在使用時間上不過十幾年，其使用的程度已經(jīng)無法估算。正是因為它的簡單、使用、精度高以及自動化能力卓越的特點受到了礦區(qū)土地信息管理部門的廣泛青睞。在測量調(diào)控方面的這些可靠性和穩(wěn)定性也是有目共睹的。這項關鍵技術中涵蓋的學科非常的多，涉及到的知識也很全面，一旦出現(xiàn)了機器的故障，在維修上還是一個很大的問題，如何很好的解決計算機視覺圖像技術的相關核心問題就是當下亟待解決的。通過在一些相關的技術之間的相互結(jié)合才能使GIS技術發(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)土地觀測是十分簡單的，但是在計算機GIS技術中，畢竟是采取攝像機取景的模式，在取得的點位有的時候不是特別的有代表性，很難將這些問題具體化、形象化。達不到我們設計時的初衷。所以在這些模型的構建中和數(shù)據(jù)的轉(zhuǎn)換上必須有嚴格的規(guī)定和要求，切不可盲目的實施測量，每項技術操作都要按規(guī)程來實施。

四 結(jié)束語

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

將GIS技術在礦區(qū)土地管理信息系統(tǒng)中使用，也是加強了礦區(qū)建設的信息化水平?？梢灶A見的是，在未來使用計算機GIS技術在礦區(qū)土地管理信息系統(tǒng)建立的測量模型會得到更多、更好的應用。但作為一個長期復雜的技術工程，在這個建設過程中定會有一些困難的出現(xiàn)。希望通過不斷的發(fā)現(xiàn)問題、總結(jié)經(jīng)驗，讓GIS技術在礦區(qū)土地管理信息系統(tǒng)在煤礦的開挖中的作用發(fā)揮的更好。

[參考文獻]

[1] 湯劍，周芳芹，楊繼隆.計算機視覺圖像系統(tǒng)的技術改造[J].機電產(chǎn)品開發(fā)與創(chuàng)新周刊，2005，14（18）：33-36

[2] 段發(fā)階等. 拔絲模孔形計算機視覺檢測技術[J] . 光電工程時報， 2006， 23（ 13）：189-190

第7篇：計算機視覺的核心范文

關鍵詞：智能視頻監(jiān)控；物聯(lián)網(wǎng)；公共安全

中圖分類號：TP31 文獻標識碼：A 文章編號：1006-8937（2016）11-0077-02

1 概 述

近年來，視頻監(jiān)控技術取得飛速的發(fā)展，其中視頻監(jiān)控系統(tǒng)設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，導致整個系統(tǒng)的安全性和實用性大大降低。此外，社會的不斷發(fā)展和人口數(shù)量的不斷增多使得人們對安全性要求越來越高，監(jiān)控攝像的覆蓋面不斷擴大，傳統(tǒng)的視頻監(jiān)控技術只能實現(xiàn)監(jiān)控記錄實況，無法實現(xiàn)預測和報警，而實現(xiàn)實時監(jiān)控，就需要人工監(jiān)看視頻，時間過久就會出現(xiàn)疲勞，甚至在面對多路視頻監(jiān)控時容易出現(xiàn)錯誤，無法及時對異常情況作出反應。這些問題的解決就需要將智能監(jiān)控技術引入視頻監(jiān)控系統(tǒng)中，輔助視頻監(jiān)控人員做好監(jiān)察工作。

目前，計算機的視覺進步使得智能監(jiān)控技術得到廣泛的重視和研究，也使得智能視頻監(jiān)控技術成為研究的熱點。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用智能視頻監(jiān)控技術。具體來講，智能視頻監(jiān)控技術就是由計算機儲存攝像圖像并對圖像序列內(nèi)容進行理解和分析，及時檢測出異常情況，進行自動預警和報警。

2 智能視頻監(jiān)控技術的發(fā)展史

視頻監(jiān)控技術的研究有助于相關人員做好安全防范工作，盡可能地從被監(jiān)控的區(qū)域用最短時間獲取有用的信息。最初我國監(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“萬人球”是中國歷史上最早被采用來進行監(jiān)控的外部設備，本質(zhì)上是水銀玻璃制作的鏡子，主要用它來監(jiān)視房間內(nèi)的一舉一動。到了19世紀70年代才真正出現(xiàn)了現(xiàn)在的視頻監(jiān)控，人類開始采取攝像來獲取信息，這也是智能視頻監(jiān)控技術的最初萌芽時期。鑒于信息科技的不斷發(fā)展和市場需求得不斷提高，現(xiàn)代的視頻監(jiān)控技術發(fā)展大體上三個階段：模擬化、數(shù)字化和智能化。本部分將具體對這三個階段進行闡釋。

2.1 模擬化的視頻監(jiān)控技術

在20世紀70年代開始，光學成像技術飛速發(fā)展，電子技術也取得了較大的成就。這些成果都使得視頻監(jiān)控設備制作和使用可能性加大。為了實現(xiàn)這樣的目標，世界出現(xiàn)了電子監(jiān)控系統(tǒng)，滿足了利用電子設備進行監(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行傳輸信息，信息由模擬監(jiān)視器顯示、由磁帶錄像機進行信息儲存。模擬視頻監(jiān)控技術的價格較為低，安裝簡易，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

到了20世紀90年代，數(shù)字壓縮編碼技術和芯片技術取得了較為突出的進步。再者模擬化的視頻監(jiān)控技術出現(xiàn)了一些缺陷，比如磁帶錄像機的儲存量較小，監(jiān)控范圍有限等。初期主要采用NVR，被稱為半數(shù)字時代，慢慢發(fā)展到后期主要采用DVR進行監(jiān)控，這才真正實現(xiàn)了數(shù)字化的視頻監(jiān)控。DVR最顯著的特點就是可以使得監(jiān)控系統(tǒng)儲存較多的視頻信息，容納較多的攝像頭，從而解決了模擬視頻監(jiān)控系統(tǒng)的儲存量問題。數(shù)字化的視頻監(jiān)控技術應用廣泛，具有良好的擴展性，使用維護較為簡單容易。數(shù)字化的視頻監(jiān)控技術發(fā)展為以后智能化的視頻監(jiān)控發(fā)展奠定了基礎。

2.3 智能化的視頻監(jiān)控技術

進入21世紀，計算機視覺和模式識別技術獲得了飛速的發(fā)展，使得第二代的數(shù)字化視頻監(jiān)控技術取得較大進步。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)域的攝像頭越來越多，這樣方便了大規(guī)模的安全防范工作，可以及時獲取大量的數(shù)據(jù)信息進行實時監(jiān)控，但是也給人類帶來較大的挑戰(zhàn)。鑒于這些問題，世界上出現(xiàn)了智能化的視頻監(jiān)控系統(tǒng)，主要利用計算機視覺和模式識別技術對視頻圖像利用各種算法進行分析，依據(jù)事先設置好的安全程序及時發(fā)出報警信號，做好事中分析和預警工作。

3 智能視頻監(jiān)控技術的核心算法

作為智能化的視頻監(jiān)控系統(tǒng)，最大的特點就是可以自動化運行，全天二十四小時對監(jiān)控畫面進行實時分析和報警。這樣既能及時識別異常情況，還能提醒安保人員做好準備工作。智能化應用于視頻監(jiān)控技術得到了各界的認可，本部分主要介紹從底層、中層和高層三個層次智能視頻監(jiān)控技術的核心算法。

3.1 目標檢測算法

目標檢測算法主要是在底層對視頻圖像進行采集獲取終端上的圖像序列，對異常情況目標進行檢測，跟蹤目標以便及時對目標做好后續(xù)的處理分析工作，其中關鍵就是確定目標的位置和儲存量。

目前根據(jù)處理對象不同可將目標檢測分為兩種：基于目標建模的目標檢測和基于背景建模的目標檢測。前者主要特征就是應用場景較為廣泛：既能對固定攝像機記錄的視頻圖像進行分析，還能對靜態(tài)圖像和移動攝像機記錄的視頻圖像進行分析。主要應用于檢測速度較慢、掃描視頻圖像較多的區(qū)域，此檢測方法實時性較差，且對受遮擋影響較大，容易漏檢。后者只能適用于背景不變的運動目標，若背景發(fā)生變化時無法檢測。此檢測方式主要針對視頻進行較快的處理，對受遮擋部分的影響較小，一般實時性較強，廣泛應用于固定攝像機檢測。

3.2 目標跟蹤算法

目標跟蹤算法主要是針對底層階段確定好的目標進行跟蹤，確定目標的具體軌跡。目標跟蹤問題的解決關鍵點在于處理好計算機視覺的問題，這也是實現(xiàn)智能視頻監(jiān)控技術的關鍵環(huán)節(jié)，應用性較為廣泛。目前依據(jù)應用場景的差別將目標跟蹤算法分為兩種：單一場景目標跟蹤和綜合場景目標跟蹤，前者具體細分為跟蹤單個目標和跟蹤多個目標，后者具體細分為重疊場景目標跟蹤和非重疊場景目標跟蹤。在單個場景中，一個目標可以在連續(xù)的空間里非常相似；而在重疊場景中的目標跟蹤時較為復雜，目標可以從一個場景進入另一個場景，需要在連續(xù)的空間里確定好新進入場景的目標的具體信息；在非重疊場景的目標跟蹤算法中，鑒于場景間相互存在盲區(qū)，不同場景會影響到同一目標的觀測數(shù)據(jù)信息。

3.3 目標的分類識別算法

目標的分類和識別主要是在中層階段以底層上獲取的信息為基礎，對其進行判斷識別，具體認知目標，做好定位目標的工作。簡單來說，就是判斷識別視頻圖像中的物體類別，以識別目標的具體情況。這也是高層計算機視覺得到廣泛應用的前提。近十年來主要有詞袋模型和深度學習模型這兩種算法得到廣泛的應用。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數(shù)據(jù)信息，接著對其進行特征聚類、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)構聽過學習層次化的方式將目標由底層到中層再到高層的特征進行記錄，最終建立反饋機制并形成認知。

3.4 行為分析算法

行為分析主要是在高層充分應用計算機視覺信息對行為主體即目標的具體運動進行分析的算法。根據(jù)信息的復雜度不同可將行為分析分為靜態(tài)姿態(tài)識別、運動行為識別和復雜事件分析方法三種。第一種主要是將靜態(tài)圖像作為研究對象，根據(jù)時空特征對其進行識別，分析目標的時空體特征、局部特征和軌跡特征。第二種主要是利用時序推理其行為，并利用統(tǒng)計模型和句法模型對目標的行為進行分析。第三種主要是分析目標的交互行為和群體行為。

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

4.1 跨場景挑戰(zhàn)

目前全球的攝像頭數(shù)量越來越多，急需智能視頻監(jiān)控技術可以跨各個場景適用。同時監(jiān)控使用的攝像機不單單包括固定攝像機，還包括移動攝像機等，這些都是的監(jiān)控攝像機在全球各場景下廣泛分布，而如何將這些設備建立成一個系統(tǒng)的體系是將來智能視頻監(jiān)控技術面臨的一大挑戰(zhàn)。

4.2 跨空間挑戰(zhàn)

從視頻監(jiān)控系統(tǒng)開始發(fā)展至今，監(jiān)控數(shù)據(jù)種類也由單一變得復雜多樣，很多信息都可以作為監(jiān)控數(shù)據(jù)的載體，進行數(shù)據(jù)儲存。這使得處理數(shù)據(jù)工作也變得繁瑣復雜，因此如何處理好各個載體中的信息，獲取有效的信息，將大數(shù)據(jù)轉(zhuǎn)變成為小數(shù)據(jù)是未來智能視頻監(jiān)控技術面臨的一大問題。

4.3 發(fā)展方向

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

5 結(jié) 語

綜上所述，智能視頻監(jiān)控技術的發(fā)展時間較長，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，需要不斷應用驗證技術，做好研究工作。物聯(lián)網(wǎng)時代下的智能視頻監(jiān)控技術面臨著巨大的機遇和挑戰(zhàn)。我們堅信在未來智能視頻監(jiān)控技術將為監(jiān)控系統(tǒng)發(fā)揮最大的作用，適應時代的發(fā)展。

參考文獻：

[1] 韓國強.淺談智能視頻監(jiān)控技術及其主要應用[J].計算機與網(wǎng)絡，2014，（2）.

第8篇：計算機視覺的核心范文

以下為報告詳細內(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、廣州這三個一線城市也聚集了超過四成的人工智能創(chuàng)業(yè)公司。艾媒咨詢分析師認為，人工智能是高度知識密集型的產(chǎn)業(yè)，北京的人才、技術、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、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核心，一線城市上海、廣州、深圳為重點的地理布局。

手機網(wǎng)民普遍認為無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%的受訪手機網(wǎng)民認為無人駕駛將部分取代人類駕駛，10.0%的受訪手機網(wǎng)民認為無人駕駛能全部取代人類駕駛，6.9%的受訪手機網(wǎng)民認為無人駕駛完全不能取代人類駕駛。艾媒咨詢分析師認為，近年國內(nèi)外企業(yè)陸續(xù)開發(fā)無人駕駛領域引發(fā)網(wǎng)民對無人駕駛和人類駕駛之間關系的熱烈關注，人們對仍處于起步階段的無人駕駛接受程度仍有待提高，但隨著智能技術進一步發(fā)展，未來無人駕駛產(chǎn)品的市場普及程度仍然值得期待。

人們相信無人駕駛更安全

iiMedia Research（艾媒咨詢）數(shù)據(jù)顯示， 對于無人駕駛與人類駕駛的安全性比較，32.6%的受訪手機網(wǎng)民認為無人駕駛更安全，26.6%的受訪手機網(wǎng)民認為人更安全。艾媒咨詢分析師認為，無人駕駛與人類駕駛安全性比較問題尚停留在理論階段，對于無人駕駛算法判斷的精準性，用戶仍然沒有具體的感知?，F(xiàn)階段無人駕駛技術水平處于起步階段影響人們對未來智能汽車操控方式的期望，未來無人駕駛技術說仍需繼續(xù)提高以增強人們對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，人們對未來無人駕駛汽車的操縱方式也有自己不同的看法，62.6%的受訪手機網(wǎng)民認為智能汽車操縱方式應以人工智能為主，人工操作為輔，22.0%的受訪手機網(wǎng)民認可人工操控為主，智能輔助為輔的方式， 只有10.6% 的受訪手機網(wǎng)民選擇純?nèi)斯ぶ悄懿倏?。艾媒咨詢分析師認為，隨著無人駕駛技術的進一步深入，其在日常駕駛的應用比例將穩(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^長時間內(nèi)的主流。

無人駕駛安全性最受關注

iiMedia Research（艾媒咨詢）數(shù)據(jù)顯示，當前對無人駕駛實際應用主要的擔憂因素中，受訪手機網(wǎng)民最擔心的是安全技術不夠成熟，占比61.7%，另外23.4%和12.6%的受訪手機網(wǎng)民認為購車成本高和使用不方便。艾媒咨詢分析師認為，智能汽車相關廠商需要通過更多的試驗參數(shù)，不斷提高無人駕駛安全技術，以獲取用戶對智能汽車安全的信任。同時，當前無人駕駛技術在前期投入的研發(fā)成本巨大，其實際應用的較高購買門檻，也將是其普及的一大阻礙。

速記、翻譯工作者未來最可能被人工智能取代

第9篇：計算機視覺的核心范文

[關鍵詞]數(shù)字圖像處理 OpenCV 實驗教學 項目教學

[中圖分類號] G642.423 [文獻標識碼] A [文章編號] 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)的基礎上進行實驗教學[1]。由于Matlab程序的移植性較差，學生學習完成后不能直接面對實際的軟件開發(fā)和應用，難以真正提高學生的工程實踐動手能力。

為了讓學生既能掌握基本理論和技術，又能較容易編寫算法的程序，我們在數(shù)字圖像處理的教學中引入了開源的計算機視覺庫OpenCV（Open Source Computer Vision Library）。該軟件是以C 函數(shù)和C++類的形式實現(xiàn)大量圖像處理算法，學生可以方便地利用OpenCV 進行圖像處理算法的編程和驗證，進而在VC中開發(fā)功能更強大的應用程序。相對于Matlab而言，學生不僅可以利用OpenCV 開放的源代碼，以函數(shù)進行圖像處理，而且可以查看算法的代碼實現(xiàn)，更好地培養(yǎng)學生的編程能力[2]。

二、OpenCV概述

OpenCV是Intel公司資助的面向廣大研究人員和學生的開源計算機視覺庫，它由一系列C函數(shù)和少量C++類構成，實現(xiàn)了圖像處理和計算機視覺方面很多通用算法，同時提供了MatLab等語言的接口，因此極大地方便了圖像處理和視頻技術的二次開發(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)和高級的計算機視覺算法；（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)，同時也包含一些新出現(xiàn)的實驗性的算法和函數(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)計的分類和聚類工具，模式識別算法和回歸分析等；（6） CVCAM模塊：負責讀取攝像頭數(shù)據(jù)的模塊。

利用OpenCV進行程序開發(fā)具有以下幾個特點[4]：（1） 獨立性。OpenCV中大量的函數(shù)和類庫既可以獨立運行，也可以在加入其它外部庫的情況下運行；（2） 跨平臺性。構成OpenCV的API函數(shù)具有跨平臺性，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） 功能強大。OpenCV包含了線性表、樹、圖等基本數(shù)據(jù)結(jié)構，也包含圖像濾波、邊緣檢測和數(shù)字形態(tài)學等數(shù)字圖像處理的基本操作以及一些圖像高級處理功能；（4） 高效性。OpenCV的算法都是基于動態(tài)數(shù)據(jù)結(jié)構，使用Intel處理器指令集開發(fā)的優(yōu)化代碼，運行速度快，處理效率高；（5） 開放性。OpenCV的源代碼是開放的，程序設計者可以直接修改它的源代碼，也可以將新的函數(shù)或類集成到它的庫中。

三、數(shù)字圖像處理的實驗設置

實驗是理論教學的有效輔助，對于數(shù)字圖像處理這類實踐性很強的課程就更加重要。通過閱讀和調(diào)試算法源代碼、體驗算法的處理效果，學生可以加深對基礎理論的理解。根據(jù)理論教學的重點難點內(nèi)容，我們設計了相應的實驗項目，每個項目都要求學生運用OpenCV和Visual C++編程語言框架來編寫數(shù)字圖像處理基本算法。

項目教學法是針對課程體系結(jié)構設計出一系列學習單元項目，項目設計圍繞著具有典型性、啟發(fā)性的關鍵問題，學生通過參與項目完成的全過程實現(xiàn)對課程內(nèi)容系統(tǒng)而深入的掌握[5]。項目教學法真正實現(xiàn)了以學生為中心、以教學目標為中心，實現(xiàn)理論方法學習與實踐動手能力培養(yǎng)的緊密結(jié)合。

本文基于項目教學法的研究，針對“數(shù)字圖像處理”課程教學體系結(jié)構，并結(jié)合教學大綱與教學目標要求，同時參考國外大學的相關課程，設置了以下實驗項目：

（1） 圖像變換。

（2） 圖像直方圖均衡化。

（3） 頻域圖像增強。

（4） 圖像邊緣檢測。

（5） 圖像分割。

（6） 人臉檢測。

通常，學生完成一個項目需要4個過程[6]：（1） 項目原理分析；（2） 項目具體流程設計；（3） 基于OpenCV的軟件設計；（4） 結(jié)果展示與分析。以上每個階段都要求學生提交階段報告，根據(jù)學生報告反映出的問題，老師有針對性地進行指導，在解決問題中幫助學生真正掌握所學的知識，并提高動手能力。在項目法教學過程中，我們特別要注意克服項目無法完全覆蓋全部知識點的局限，因此，要在項目選擇與設計中綜合考慮，并結(jié)合項目原理研究建立對教學體系框架和全部知識點的整體把握。

四、OpenCV處理圖像的應用實例

（一）圖像變換

OpenCV提供多個圖像變換函數(shù)。函數(shù)cvWarpAffine利用指定的矩陣對輸入圖像進行仿射變換，這類變換可以用一個3×3的矩陣來表示，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對圖像進行透視變換，函數(shù)cvLogPolar將圖像從直角坐標映射到極坐標，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的結(jié)果實例。

（二）圖像邊緣檢測

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，因而邊緣檢測是圖像處理中的重要問題。OpenCV提供了cvSobel函數(shù)、cvLaplace函數(shù)和cvCanny等函數(shù)進行邊緣檢測，下面以cvLaplace函數(shù)進行舉例，其邊緣檢測的代碼為：

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算子對圖像進行邊緣檢測，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

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的和開放的。實踐證明，通過將OpenCV引入數(shù)字圖像處理的實驗教學中，既能簡化圖像處理的編程，又能切實地提高學生的實踐能力，使學生深入理解圖像處理的基礎理論和典型算法，獲得了良好的實驗教學效果。

[ 參 考 文 獻 ]

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

[2] 李樹濤，胡秋偉.OpenCV在“數(shù)字圖像處理”課程教學中的應用[J].電氣電子教學學報，2010，32（6）：2628.

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

[4] 方玫.OpenCV技術在數(shù)字圖像處理中的應用[J].北京教育學院學報（自然科學版），2011，6（1）：711.