計(jì)算機(jī)視覺(jué)運(yùn)用精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的計(jì)算機(jī)視覺(jué)運(yùn)用主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計(jì)算機(jī)視覺(jué)運(yùn)用范文

關(guān)鍵詞 計(jì)算機(jī)；視覺(jué)技術(shù)；應(yīng)用研究

中圖分類號(hào)：TP212 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-7597（2013）16-0114-01

計(jì)算機(jī)視覺(jué)技術(shù)自20世紀(jì)70年代產(chǎn)生以來(lái)就得到了全世界的廣泛關(guān)注。作為一種多學(xué)科綜合應(yīng)用下的新技術(shù)，隨著專家對(duì)其研究會(huì)的不斷深入，其應(yīng)用領(lǐng)域也越來(lái)越廣，給人們的生產(chǎn)生活帶來(lái)了極大方便。

1 計(jì)算機(jī)視覺(jué)技術(shù)

計(jì)算機(jī)視覺(jué)技術(shù)是在計(jì)算機(jī)技術(shù)應(yīng)用下發(fā)展起來(lái)的一種新技術(shù)，主要用來(lái)研究計(jì)算機(jī)模擬生物的宏觀或外顯功能。該技術(shù)在應(yīng)用過(guò)程中會(huì)涉及到計(jì)算機(jī)科學(xué)、神經(jīng)生物學(xué)、人工智能、模式識(shí)別以及圖像處理等多個(gè)學(xué)科，多學(xué)科技術(shù)的綜合運(yùn)用使得計(jì)算機(jī)具有了“感知”周圍世界的能力，這也正是該技術(shù)發(fā)揮作用的核心所在。計(jì)算機(jī)視覺(jué)技術(shù)的特點(diǎn)就在于，首先，它能在不接觸被測(cè)者的前提下完成對(duì)被測(cè)者的檢測(cè)；其次，該技術(shù)應(yīng)用的領(lǐng)域和檢測(cè)的對(duì)象非常廣，能在敏感器件的應(yīng)用下，完成對(duì)人類難以觀察到的超聲波、微波和紅外線等的檢測(cè)；最后，該技術(shù)還突破了人在視覺(jué)觀察上長(zhǎng)時(shí)間工作的限制，能對(duì)檢測(cè)對(duì)象進(jìn)行長(zhǎng)時(shí)間觀察。

2 計(jì)算機(jī)視覺(jué)技術(shù)在各領(lǐng)域的應(yīng)用分析

隨著計(jì)算機(jī)視覺(jué)技術(shù)研究的不斷加深，該技術(shù)的應(yīng)用領(lǐng)域也越來(lái)越廣，下面，本文就選取工業(yè)、農(nóng)業(yè)、林業(yè)、農(nóng)產(chǎn)品檢測(cè)、電力系統(tǒng)自動(dòng)化及圖書(shū)館工作這6個(gè)方面對(duì)計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用進(jìn)行簡(jiǎn)要分析。

2.1 在工業(yè)領(lǐng)域中的應(yīng)用

工業(yè)生產(chǎn)對(duì)產(chǎn)品的質(zhì)量要求極高，計(jì)算機(jī)視覺(jué)技術(shù)在工業(yè)上的應(yīng)用主要集中在以下3方面：1）產(chǎn)品形狀和尺寸的檢測(cè)上。對(duì)制造業(yè)而言，產(chǎn)品的形狀和尺寸是否合格直接影響到產(chǎn)品在實(shí)際應(yīng)用過(guò)程中作用的發(fā)揮。計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用能對(duì)產(chǎn)品進(jìn)行二維和三維等幾何特征的檢測(cè)，如產(chǎn)品的圓度、位置及形狀等。2）產(chǎn)品零部件缺失情況的檢測(cè)。在生產(chǎn)線運(yùn)行過(guò)程中，計(jì)算機(jī)視覺(jué)技術(shù)能準(zhǔn)確檢測(cè)出產(chǎn)品在生產(chǎn)過(guò)程中是否存在鉚釘、螺絲釘?shù)攘悴考娜笔б约爱a(chǎn)品內(nèi)部是否在生產(chǎn)過(guò)程中摻進(jìn)雜質(zhì)等。3）產(chǎn)品表面質(zhì)量的檢測(cè)。為了從各個(gè)方面保證產(chǎn)品的合格性，對(duì)其進(jìn)行表面質(zhì)量的檢測(cè)也是一個(gè)極其重要的環(huán)節(jié)。計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)了對(duì)產(chǎn)品表面的紋理、粗糙度、劃痕、裂紋等各方面的有效檢測(cè)。

2.2 在農(nóng)業(yè)生產(chǎn)領(lǐng)域中的應(yīng)用

該技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用主要集中在以下兩方面：1）對(duì)病蟲(chóng)害的預(yù)測(cè)預(yù)報(bào)。預(yù)測(cè)預(yù)報(bào)作用發(fā)揮的關(guān)鍵環(huán)節(jié)是建立起計(jì)算機(jī)視覺(jué)技術(shù)對(duì)所有昆蟲(chóng)的識(shí)別體系。對(duì)昆蟲(chóng)圖像識(shí)別系統(tǒng)進(jìn)行數(shù)字化建模所使用的方法主要以下2種，一種是運(yùn)用數(shù)學(xué)形態(tài)學(xué)的方法對(duì)害蟲(chóng)的邊緣進(jìn)行檢測(cè)，進(jìn)而提取害蟲(chóng)的特征；第二種是從昆蟲(chóng)的二值化圖像中提取出昆蟲(chóng)的周長(zhǎng)、面積和復(fù)雜度等基本信息，并對(duì)這些信息建立害蟲(chóng)的模板庫(kù)以實(shí)現(xiàn)對(duì)昆蟲(chóng)的模糊決策分析。2）對(duì)農(nóng)作物生長(zhǎng)的監(jiān)測(cè)。常用的方法就是運(yùn)用計(jì)算機(jī)視覺(jué)技術(shù)下的非接觸式監(jiān)測(cè)系統(tǒng)對(duì)農(nóng)作物生長(zhǎng)環(huán)境下的光照、溫度、濕度、風(fēng)速、營(yíng)養(yǎng)液濃度等相關(guān)因素進(jìn)行連續(xù)地監(jiān)測(cè)，進(jìn)而判斷出農(nóng)作物長(zhǎng)勢(shì)。

2.3 在林業(yè)生產(chǎn)中的應(yīng)用

該技術(shù)在林業(yè)生產(chǎn)中的應(yīng)用主要集中在農(nóng)藥噴灑和林木球果采集這兩方面。就林業(yè)的農(nóng)藥噴灑而言，常規(guī)的農(nóng)藥噴灑方式易造成農(nóng)藥的大量流失，不僅達(dá)不到防止林業(yè)有害生物的目的，還浪費(fèi)了大量的人力、物力和財(cái)力。計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用能通過(guò)對(duì)施藥目標(biāo)圖像進(jìn)行實(shí)時(shí)分析，得出具體的施藥量和準(zhǔn)確的施藥位置，該技術(shù)指導(dǎo)下的施藥工作極大發(fā)揮了農(nóng)藥的效果。就林木球果采集而言，該采集工作的操作難度一直都很大，我國(guó)當(dāng)前使用的方法主要是人工使用專業(yè)工具下的采集以及機(jī)械設(shè)備運(yùn)用下的高空作業(yè)車采集和搖振采種機(jī)采集，這兩種方式都存在一定的安全性和效率問(wèn)題。計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用能通過(guò)對(duì)需要進(jìn)行采集的林木球果進(jìn)行圖像采集來(lái)得出球果所處的具置，再結(jié)合專業(yè)機(jī)械手的使用完成球果采集。該技術(shù)不僅節(jié)省了大量勞動(dòng)力，還極大提高了采摘效率。

2.4 在農(nóng)產(chǎn)品檢測(cè)中的應(yīng)用

農(nóng)產(chǎn)品在生產(chǎn)過(guò)程中受自然環(huán)境的影響比較大，所以農(nóng)產(chǎn)品不僅會(huì)產(chǎn)生質(zhì)量上的差異，還會(huì)造成顏色、大小、形狀等外觀上的極大不同。由于農(nóng)產(chǎn)品在出售時(shí)大多要進(jìn)行產(chǎn)品等級(jí)的劃分，所以將計(jì)算機(jī)視覺(jué)技術(shù)運(yùn)用到對(duì)其顏色和外形尺寸的檢測(cè)上，有效達(dá)到了對(duì)農(nóng)產(chǎn)品進(jìn)行檢測(cè)的目的。通過(guò)對(duì)外觀大小尺寸的檢測(cè)，不僅提高了對(duì)農(nóng)產(chǎn)品進(jìn)行分門(mén)別類地等級(jí)劃分的效率，還在很大程度上減少了對(duì)產(chǎn)品的損壞；通過(guò)對(duì)西瓜等農(nóng)產(chǎn)品進(jìn)行顏色上的檢測(cè)，能準(zhǔn)確判斷其是否成熟，有效避免了人工操作下的失誤。

2.5 在電力系統(tǒng)自動(dòng)化中的應(yīng)用

計(jì)算機(jī)視覺(jué)技術(shù)在電力系統(tǒng)自動(dòng)化應(yīng)用的表現(xiàn)當(dāng)前主要表現(xiàn)在以下2個(gè)方面：1）在人機(jī)界面中的應(yīng)用。人機(jī)界面在運(yùn)行過(guò)程中更加強(qiáng)調(diào)人的主體地位，實(shí)現(xiàn)了用戶對(duì)各種效應(yīng)通道和感覺(jué)通道的運(yùn)用。具體來(lái)講，計(jì)算機(jī)視覺(jué)技術(shù)在用戶向計(jì)算機(jī)的輸入方面，效應(yīng)通道實(shí)現(xiàn)了手動(dòng)為主向手、足、口、身體等的轉(zhuǎn)變；在計(jì)算機(jī)向用戶的輸出方面，感覺(jué)通道實(shí)現(xiàn)了視覺(jué)為主向觸覺(jué)、嗅覺(jué)、聽(tīng)覺(jué)等的轉(zhuǎn)變。2）在電廠煤粉鍋爐火焰檢測(cè)中的應(yīng)用。對(duì)煤粉鍋爐火焰的檢測(cè)既能有效判斷鍋爐的運(yùn)行狀況，又能在很大程度上實(shí)現(xiàn)電廠的安全性運(yùn)營(yíng)。由于煤的負(fù)荷變化和種類變化會(huì)在使著火位置發(fā)生移動(dòng)，所以為了保證爐膛火焰檢測(cè)的準(zhǔn)確性，必須彌補(bǔ)之前單純應(yīng)用火焰檢測(cè)器只能判斷有無(wú)火焰開(kāi)關(guān)量信號(hào)的弊端。計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用，就在彌補(bǔ)火焰檢測(cè)器應(yīng)用弊端的基礎(chǔ)上，實(shí)現(xiàn)了對(duì)火焰形狀的進(jìn)一步檢測(cè)。

2.6 在圖書(shū)館工作中的應(yīng)用

隨著當(dāng)前數(shù)字圖書(shū)館和自動(dòng)化管理系統(tǒng)的建立，計(jì)算機(jī)技術(shù)在圖書(shū)館方面的應(yīng)用越來(lái)越廣泛。當(dāng)前計(jì)算機(jī)視覺(jué)技術(shù)在圖書(shū)館方面的應(yīng)用主要集中在古籍修補(bǔ)和書(shū)刊剔舊這兩方面。就古籍修補(bǔ)而言，古籍圖書(shū)等在收藏的過(guò)程中，受溫度、濕度、光照等的影響，極易導(dǎo)致紙張變黃、變脆以及蟲(chóng)洞等現(xiàn)象的出現(xiàn)。在進(jìn)行修補(bǔ)時(shí)，依靠計(jì)算機(jī)視覺(jué)技術(shù)開(kāi)展具體的修補(bǔ)工作，能在很大程度上提高修補(bǔ)工作的效率。就書(shū)刊剔舊而言，由于圖書(shū)館藏書(shū)眾多，對(duì)那些使用率低且較為陳舊的文獻(xiàn)資料進(jìn)行及時(shí)地剔除，能實(shí)現(xiàn)圖書(shū)資源的及時(shí)更新。計(jì)算機(jī)視覺(jué)技術(shù)在該方面的應(yīng)用，極大地保證了工作的準(zhǔn)確性和效率性。

3 結(jié)束語(yǔ)

通過(guò)以上對(duì)計(jì)算機(jī)視覺(jué)技術(shù)在工業(yè)、農(nóng)業(yè)、林業(yè)、農(nóng)產(chǎn)品檢測(cè)、電力系統(tǒng)自動(dòng)化及圖書(shū)館工作這6個(gè)方面的研究可以看出，隨著計(jì)算機(jī)技術(shù)的進(jìn)一步發(fā)展以及計(jì)算機(jī)與各專業(yè)學(xué)科的不斷滲透，該技術(shù)的發(fā)展前景和應(yīng)用領(lǐng)域都將更加廣闊。

參考文獻(xiàn)

第2篇：計(jì)算機(jī)視覺(jué)運(yùn)用范文

（1）課程內(nèi)容方面：工程應(yīng)用價(jià)值較小的內(nèi)容居多；具備工程應(yīng)用價(jià)值的方法，如基于結(jié)構(gòu)光的3D信息獲取，在課程內(nèi)容中卻極少出現(xiàn)。

（2）課程定位方面：現(xiàn)有課程體系中未能體現(xiàn)最新研究成果，而掌握世界最新工程應(yīng)用成果是卓越工程師的基本要求之一。

（3）教學(xué)形式方面：傳統(tǒng)計(jì)算機(jī)視覺(jué)課程側(cè)重基本原理，盡管范例教學(xué)被引入到課堂教學(xué)中，在一定程度上幫助學(xué)生理解，但卓越工程師培養(yǎng)目標(biāo)是培養(yǎng)學(xué)生解決實(shí)際工程問(wèn)題的能力。針對(duì)卓越工程師培養(yǎng)目標(biāo)，以及目前計(jì)算機(jī)視覺(jué)課程中存在的問(wèn)題，本文提出工程應(yīng)用導(dǎo)向型的課程內(nèi)容、面向最新成果的課程定位、理論實(shí)例化與工程實(shí)踐化的教學(xué)形式，以培養(yǎng)具有扎實(shí)理論基礎(chǔ)及工程實(shí)踐能力的卓越工程師。

1工程應(yīng)用導(dǎo)向型的課程內(nèi)容傳統(tǒng)計(jì)算機(jī)視覺(jué)課程圍繞Marr理論框架展開(kāi)教學(xué)，其中部分原理僅在理想狀態(tài)或若干假設(shè)下成立，不能直接運(yùn)用到工程實(shí)踐中。近年來(lái)已具備工程應(yīng)用基礎(chǔ)的原理及方法，在傳統(tǒng)課程內(nèi)容中較少出現(xiàn)，如已在工業(yè)測(cè)量、視頻監(jiān)控、游戲娛樂(lè)等領(lǐng)域中應(yīng)用的主動(dòng)式三維數(shù)據(jù)獲取方法等。我們對(duì)工程應(yīng)用價(jià)值高的課程內(nèi)容，增加課時(shí)，充分講解其原理及算法，并進(jìn)行工程實(shí)例分析；對(duì)工程應(yīng)用價(jià)值較低內(nèi)容，壓縮課時(shí)，以介紹方法原理為主。例如，在教授3D信息獲取部分時(shí)，課時(shí)主要投入到工程應(yīng)用價(jià)值較大的內(nèi)容，如立體視覺(jué)、運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)、基于結(jié)構(gòu)光的3D信息獲取等；而對(duì)于基于陰影的景物恢復(fù)等缺乏應(yīng)用基礎(chǔ)的內(nèi)容主要介紹其基本原理，并引導(dǎo)學(xué)生進(jìn)行其工程應(yīng)用的可行性分析，培養(yǎng)學(xué)生縝密的思維習(xí)慣，訓(xùn)練學(xué)生辯證的分析能力。

2面向最新成果的課程定位計(jì)算機(jī)視覺(jué)近十年來(lái)發(fā)展迅速，新方法和新理論層出不窮，在現(xiàn)有課程體系中未能得以體現(xiàn)。跟進(jìn)世界最新成果是卓越工程師的基本要求之一，因此計(jì)算機(jī)視覺(jué)課程定位應(yīng)當(dāng)面向國(guó)際最新成果。為實(shí)現(xiàn)這一目標(biāo)，我們主要從以下兩方面入手。

（1）選用涵蓋最新成果的教材。我們?cè)诮虒W(xué)中加入國(guó)際最新科研成果及應(yīng)用范例，在教材選取上采用2010年RichardSzeliski教授所著《Computervision:algorithmsandapplications》作為參考教材。該書(shū)是RichardSzeliski教授在多年MIT執(zhí)教經(jīng)驗(yàn)及微軟多年計(jì)算機(jī)視覺(jué)領(lǐng)域工作經(jīng)驗(yàn)基礎(chǔ)上所著，涵蓋計(jì)算機(jī)視覺(jué)領(lǐng)域的主要科研成果及應(yīng)用范例，參考文獻(xiàn)最新引用至2010年。這是目前最新的計(jì)算機(jī)視覺(jué)著作之一，條理清晰，深入淺出，特點(diǎn)在于對(duì)計(jì)算機(jī)視覺(jué)的基本原理介紹非常詳盡，算法應(yīng)用緊跟國(guó)際前沿。

（2）強(qiáng)化學(xué)生調(diào)研及自學(xué)能力。“授之以魚(yú)”，不如“授之以漁”。在教授學(xué)生的同時(shí)，更重要的是培養(yǎng)學(xué)生調(diào)研、跟蹤、學(xué)習(xí)并分析國(guó)際最新科研及工程應(yīng)用成果的能力。為強(qiáng)化學(xué)生的知識(shí)結(jié)構(gòu)，培養(yǎng)學(xué)生跟蹤國(guó)際前沿的能力，我們?cè)诮虒W(xué)中加入10%的課外學(xué)時(shí)，指導(dǎo)每位學(xué)生完成最近三年本領(lǐng)域的國(guó)際最新文獻(xiàn)調(diào)研及工程應(yīng)用新技術(shù)調(diào)研，并撰寫(xiě)相關(guān)調(diào)研論文。同時(shí)，設(shè)置2學(xué)時(shí)課內(nèi)學(xué)時(shí)，讓每位學(xué)生介紹調(diào)研成果，并進(jìn)行課堂討論。在調(diào)研基礎(chǔ)上，選擇相關(guān)算法進(jìn)行了實(shí)驗(yàn)證明，進(jìn)一步強(qiáng)化學(xué)習(xí)成果。實(shí)踐證明，由于學(xué)生能夠根據(jù)自己的興趣，選擇本領(lǐng)域感興趣的課題進(jìn)行深入調(diào)研，極大地調(diào)動(dòng)了學(xué)生的積極性，強(qiáng)化了學(xué)生調(diào)研、跟蹤、學(xué)習(xí)并分析國(guó)際最新科研及工程應(yīng)用成果的能力。

3工程實(shí)踐化的教學(xué)形式我們?cè)诮虒W(xué)中提出工程實(shí)踐化的教學(xué)形式，即以人類視覺(jué)功能為背景，由相應(yīng)工程實(shí)例引出相關(guān)理論，并最終將理論運(yùn)用到工程實(shí)例中的算法和方法傳授給學(xué)生。

第3篇：計(jì)算機(jī)視覺(jué)運(yùn)用范文

關(guān)鍵詞：農(nóng)業(yè)機(jī)械；新技術(shù)；發(fā)展

1.農(nóng)業(yè)機(jī)械新技術(shù)的應(yīng)用和發(fā)展的重要性

我國(guó)是一個(gè)農(nóng)業(yè)大國(guó)，農(nóng)業(yè)是我國(guó)國(guó)民經(jīng)濟(jì)的基礎(chǔ)，農(nóng)業(yè)機(jī)械新技術(shù)的應(yīng)用和發(fā)展具有重要的意義。

第一，提高機(jī)械的運(yùn)作效率。目前在農(nóng)業(yè)機(jī)械的使用方面，有的機(jī)械在使用過(guò)程中不能清晰地識(shí)別農(nóng)作物的位置，比如，在收割小麥的過(guò)程中，有的小麥?zhǔn)艿酱箫L(fēng)影響產(chǎn)生倒伏，對(duì)這些倒伏區(qū)域，機(jī)械在收割過(guò)程中很容易漏掉。所以在農(nóng)業(yè)機(jī)械中使用新技術(shù)有利于彌補(bǔ)農(nóng)業(yè)機(jī)械的漏洞，提高機(jī)械的運(yùn)作效率。

第二，解放勞動(dòng)力，促進(jìn)經(jīng)濟(jì)發(fā)展。農(nóng)業(yè)是一個(gè)需要大量年輕勞動(dòng)力的行業(yè)，農(nóng)業(yè)機(jī)械新技術(shù)的應(yīng)用有利于實(shí)現(xiàn)農(nóng)業(yè)種植、收割的自動(dòng)化，解放勞動(dòng)力。這些年輕的勞動(dòng)力投入到其他的領(lǐng)域，有利于促進(jìn)我國(guó)經(jīng)濟(jì)的發(fā)展。

2.農(nóng)業(yè)機(jī)械新技術(shù)的應(yīng)用

21世紀(jì)是個(gè)科技迅速翻新的時(shí)代，目前農(nóng)業(yè)機(jī)械領(lǐng)域的新技術(shù)也層出不窮，下面介紹幾種最新出現(xiàn)的農(nóng)業(yè)機(jī)械新技術(shù)。

（1）計(jì)算機(jī)視覺(jué)技術(shù)。計(jì)算機(jī)視覺(jué)技術(shù)出現(xiàn)于20世紀(jì)70年代末，主要利用計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行農(nóng)產(chǎn)品品質(zhì)和農(nóng)產(chǎn)品等級(jí)的檢查。計(jì)算機(jī)視覺(jué)是一種以圖像處理為基礎(chǔ)而興起的學(xué)科，主要對(duì)視覺(jué)信息處理的計(jì)算理論、表達(dá)與計(jì)算方法進(jìn)行研究。[1]隨著計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用領(lǐng)域的不斷擴(kuò)展，目前在農(nóng)業(yè)機(jī)械生產(chǎn)方面，計(jì)算機(jī)視覺(jué)技術(shù)不僅能夠用于檢查農(nóng)產(chǎn)品品質(zhì)和分級(jí)，還可以用于播種和收割。但是由于計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)機(jī)械方面的使用時(shí)間比較短，一些技術(shù)難題還沒(méi)有得到解決，所以計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)機(jī)械方面的應(yīng)用還需要繼續(xù)研究。

（2）人工智能技術(shù)。隨著智能化的發(fā)展，智能技術(shù)在農(nóng)業(yè)機(jī)械方面的應(yīng)用也得以實(shí)現(xiàn)。美國(guó)運(yùn)用人工智能技術(shù)發(fā)明了激光拖拉機(jī)，不僅可以控制拖拉機(jī)的行進(jìn)方向，還能夠?qū)ν侠瓩C(jī)進(jìn)行具體的定位。[2]通過(guò)人工智能技術(shù)，人們建立了一個(gè)龐大的數(shù)據(jù)庫(kù)，通過(guò)這個(gè)數(shù)據(jù)庫(kù)可以對(duì)土地的具體情況進(jìn)行掌握，以設(shè)計(jì)出具體的農(nóng)業(yè)生產(chǎn)所需的化肥、種子、農(nóng)藥、水等原料的用量。

（3）機(jī)器人技術(shù)。比智能化更進(jìn)步的就是機(jī)器人技術(shù)，機(jī)器人技術(shù)在農(nóng)業(yè)機(jī)械中的應(yīng)用，這是計(jì)算機(jī)信息網(wǎng)絡(luò)和計(jì)算機(jī)視覺(jué)技術(shù)以及自動(dòng)化控制等技術(shù)的結(jié)合的產(chǎn)物。目前研發(fā)出了除草機(jī)器人、播種機(jī)器人、澆水機(jī)器人、施肥機(jī)器人等，利用機(jī)器人進(jìn)行農(nóng)業(yè)生產(chǎn)活動(dòng)，可以節(jié)省人工費(fèi)用，解放勞動(dòng)力，避免有些農(nóng)業(yè)生產(chǎn)活動(dòng)，對(duì)人體產(chǎn)生危害。

（4）自動(dòng)控制技術(shù)。在農(nóng)業(yè)機(jī)械中運(yùn)用自動(dòng)控制技術(shù)，可以幫助操作者降低操作難度，同時(shí)可以根據(jù)地勢(shì)的高低和秸稈的長(zhǎng)短來(lái)調(diào)節(jié)高度，保證機(jī)械使用過(guò)程中的安全性，提高農(nóng)業(yè)機(jī)械使用的可靠性，提高農(nóng)業(yè)生產(chǎn)效率。

3.農(nóng)業(yè)機(jī)械新技術(shù)的發(fā)展

農(nóng)業(yè)機(jī)械新技術(shù)的應(yīng)用和發(fā)展都是為了提高農(nóng)業(yè)的生產(chǎn)率服務(wù)的，所以農(nóng)業(yè)機(jī)械新技術(shù)的發(fā)展主要表現(xiàn)為以下幾點(diǎn)：

第一，加速新技術(shù)的使用和推廣?？茖W(xué)技術(shù)是第一生產(chǎn)力，加速計(jì)算機(jī)視覺(jué)技術(shù)、自動(dòng)控制技術(shù)、智能化技術(shù)等新技術(shù)在農(nóng)業(yè)機(jī)械中的使用，同時(shí)引進(jìn)國(guó)外先進(jìn)的機(jī)械新技術(shù)，對(duì)推動(dòng)我國(guó)農(nóng)業(yè)的發(fā)展，提高農(nóng)業(yè)的生產(chǎn)效率具有重大的意義。

第二，政府補(bǔ)貼。新型機(jī)械的購(gòu)買(mǎi)都是生產(chǎn)個(gè)體自行組織的，資金壓力大，使得機(jī)械新技術(shù)難以推廣，所以對(duì)于農(nóng)業(yè)機(jī)械新技術(shù)的推廣使用，政府要在物質(zhì)上予以補(bǔ)貼，拓展新機(jī)械的使用范圍。

第三，提高農(nóng)業(yè)資源利用效率。機(jī)械使用的目的就是為了提高農(nóng)業(yè)的生產(chǎn)效率，提高農(nóng)業(yè)資源的利用率。例如，在傳統(tǒng)的農(nóng)業(yè)生產(chǎn)過(guò)程中，對(duì)農(nóng)作物秸稈的處理方式，絕大多數(shù)情況就是焚燒，不僅浪費(fèi)資源，而且污染空氣。但是農(nóng)業(yè)機(jī)械新技術(shù)的使用通過(guò)將農(nóng)作物的秸稈進(jìn)行粉碎處理，將農(nóng)作物秸稈轉(zhuǎn)化為肥料，不僅提高了農(nóng)作物資源的使用效率，也減小了空氣的污染程度。

4.結(jié)語(yǔ)

隨著科技的發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)、自動(dòng)控制技術(shù)、智能化技術(shù)等新技術(shù)在農(nóng)業(yè)機(jī)械方面的應(yīng)用越來(lái)越廣，農(nóng)業(yè)機(jī)械新技術(shù)的應(yīng)用和推廣將大大提高我國(guó)農(nóng)業(yè)的生產(chǎn)效率，提高農(nóng)業(yè)資源的利用率，促進(jìn)國(guó)民經(jīng)濟(jì)的發(fā)展。

參考文獻(xiàn)：

[1]田 靜.探討農(nóng)業(yè)機(jī)械新技術(shù)的應(yīng)用與發(fā)展[J].中國(guó)農(nóng)資，2013（36）： 74.

第4篇：計(jì)算機(jī)視覺(jué)運(yùn)用范文

關(guān)鍵詞：OpenCV；人臉檢測(cè)；實(shí)時(shí)

中圖分類號(hào)：TP391.41

人臉檢測(cè)（Face Detection）是指對(duì)于給定的圖像或視頻，采用一定的策略對(duì)其進(jìn)行搜索以確定其中是否含有人臉，如果是則返回一臉的位置、大小和姿態(tài)。人臉檢測(cè)是人臉識(shí)別的重要環(huán)節(jié)，運(yùn)用攝像機(jī)或攝像頭采集含有人臉的視頻流，并進(jìn)行實(shí)時(shí)的人臉檢測(cè)是目前主流的應(yīng)用。

OpenCV（Open Source Computer Vision Library）是開(kāi)源的計(jì)算機(jī)視覺(jué)代碼庫(kù)，它輕量級(jí)而且高效，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)的接口，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法[1]。

1 系統(tǒng)設(shè)計(jì)

本系統(tǒng)采用了OpenCV的基于boost篩選式級(jí)聯(lián)Haar分類器，該分類器是通過(guò)成千上萬(wàn)的物體各個(gè)角度的訓(xùn)練圖像訓(xùn)練出來(lái)的，它先對(duì)圖像進(jìn)行直方圖均衡化處理，并將圖像歸一化到同樣大小，然后標(biāo)記是否包含要檢測(cè)的物體，在人臉檢測(cè)方面比較擅長(zhǎng)。系統(tǒng)加載分類器后，利用OpenCV的視頻捕獲函數(shù)實(shí)時(shí)捕獲連接在電腦上的攝像頭讀入的視頻流，并將抓取的視頻幀轉(zhuǎn)換為圖像，然后對(duì)圖像進(jìn)行人臉檢測(cè)和標(biāo)定，具體流程圖如圖1所示：

圖1 系統(tǒng)流程圖

2 系統(tǒng)實(shí)現(xiàn)

本系統(tǒng)在WindowsXP操作系統(tǒng)下使用VC++6.0基于OpenCV1.0進(jìn)行開(kāi)發(fā)。系統(tǒng)具體實(shí)現(xiàn)如下：

（1）初始化聲明。通過(guò)CvMemStorage*captureFaceStorage=cvCreateMemStorage（0）；語(yǔ)句創(chuàng)建一個(gè)內(nèi)存存儲(chǔ)器，來(lái)統(tǒng)一管理各種動(dòng)態(tài)對(duì)象的內(nèi)存，參數(shù)為0時(shí)創(chuàng)建的內(nèi)存塊默認(rèn)大小為64k。然后分別聲明分類器對(duì)象、圖像對(duì)象級(jí)聯(lián)名稱及識(shí)別函數(shù)等成員：

Static CvHaar Classifier Cascade* cascade=0；

Ipl Image *frame，*frame_copy=0；

Char* capture Face Cascade_name=haarcascade_frontalface_alt2.xml；

（2）加載分類器。通過(guò)cvLoad函數(shù)，加載調(diào)用CvHaarClassifierCascade類的分類器文件“haarcascade_frontalface_alt2.xml”：

cascade=（CvHaarClassifierCascade*）cvLoad（captureFaceCascade_name，0，0，0）；

（3）捕獲視頻。通過(guò)cvCreateCameraCapture函數(shù)捕獲攝像頭，捕獲視頻后循環(huán)執(zhí)行抓取幀操作cvGrabFrame（cap）和獲取圖像操作cvRetrieveFrame（cap）操作，從而將幀轉(zhuǎn)換成圖像，以便于處理。

（4）圖像格式轉(zhuǎn)換。一般從硬盤(pán)讀入的圖片或者通過(guò)cvCreateImage方法創(chuàng)建的IplImage圖片默認(rèn)的origin屬性為0，即顯示的時(shí)候都是正的。而由攝像頭或者視頻文件獲取的幀圖像origin屬性為1，此時(shí)顯示的圖像掃描順序是從下到上，它會(huì)將幀圖像的第i行賦值給圖像的第height-i行，因此采集的圖像會(huì)出現(xiàn)倒立現(xiàn)象，為此，應(yīng)將復(fù)制的圖像的origin屬性調(diào)整為與幀圖像的origin屬性一致。此時(shí)需要使用cvFlip（frame，frame_copy，0）函數(shù)，實(shí)現(xiàn)對(duì)幀圖像沿X軸的翻轉(zhuǎn)。

（5）識(shí)別與檢測(cè)人臉。本部分主要實(shí)現(xiàn)人臉檢測(cè)功能，首先將從實(shí)時(shí)視頻中提取的圖像進(jìn)行灰度化處理：

然后調(diào)整新圖像gray，使它精確匹配目標(biāo)small_img的大小，并利用cvEqualizeHist函數(shù)進(jìn)行灰度圖像直方圖均衡化處理，最終通過(guò)cvHaarDetectObjects函數(shù)檢測(cè)出人臉：

（6）標(biāo)定檢出的的人臉。繪制目標(biāo)圓形區(qū)域，標(biāo)定出檢測(cè)出的人臉：

最后通過(guò)cvShowImage（"result"，img）顯示出檢測(cè)后的圖像，如果檢測(cè)到人臉，顯示效果圖。

3 結(jié)束語(yǔ)

基于的攝像頭實(shí)時(shí)人臉檢測(cè)系統(tǒng)的實(shí)現(xiàn)充分說(shuō)明了OpenCV技術(shù)在實(shí)現(xiàn)人臉檢測(cè)方面的效率高、功能強(qiáng)的特點(diǎn)，OpenCV必將在計(jì)算機(jī)視覺(jué)、圖形圖像處理領(lǐng)域有著廣泛地應(yīng)用前景。

參考文獻(xiàn)：

[1]Gray Bradski，Adrian Kaebler.Learning OpenCV：Computer Vision with the OpenCV Library[M].USA：O Reilly media，2008.

[2]梁路宏.人臉檢測(cè)研究綜述[J].計(jì)算機(jī)學(xué)報(bào)，2002（05）：449-458.

作者簡(jiǎn)介：徐占鵬（1979.01-），男，山東棲霞人，講師，碩士，研究方向：計(jì)算機(jī)應(yīng)用、計(jì)算機(jī)圖形圖像處理和計(jì)算機(jī)視覺(jué)。

第5篇：計(jì)算機(jī)視覺(jué)運(yùn)用范文

關(guān)鍵詞：農(nóng)業(yè)機(jī)械；技術(shù)手段；應(yīng)用；發(fā)展前景

我國(guó)在國(guó)際上的地位正在逐漸提高，這與我國(guó)的經(jīng)濟(jì)發(fā)展是分不開(kāi)的，經(jīng)濟(jì)的發(fā)展需要基礎(chǔ)的支持，農(nóng)業(yè)就是我國(guó)的基礎(chǔ)，我國(guó)是農(nóng)業(yè)大國(guó)，農(nóng)村人口基數(shù)大。隨著近幾年我國(guó)農(nóng)業(yè)的發(fā)展，很多高新技術(shù)也被運(yùn)用到農(nóng)業(yè)的機(jī)械設(shè)備中，使農(nóng)機(jī)設(shè)備向著智能化的方向發(fā)展，有效地提升了農(nóng)業(yè)生產(chǎn)的整體效率。在農(nóng)業(yè)的生產(chǎn)中使用高新技術(shù)還能夠提高農(nóng)業(yè)的生產(chǎn)效率，保證農(nóng)機(jī)相關(guān)機(jī)械的正常運(yùn)作。

1農(nóng)業(yè)機(jī)械技術(shù)的應(yīng)用分析

1.1計(jì)算機(jī)技術(shù)

這里所說(shuō)的計(jì)算機(jī)技術(shù)主要指的是計(jì)算機(jī)視覺(jué)技術(shù)，這一技術(shù)最早被運(yùn)用在農(nóng)業(yè)機(jī)械上是在20世紀(jì)70年代中期，當(dāng)時(shí)主要運(yùn)用的是計(jì)算機(jī)技術(shù)中的視覺(jué)技術(shù)，利用這一技術(shù)的主要目的是可以對(duì)農(nóng)產(chǎn)品的品質(zhì)質(zhì)量進(jìn)行分級(jí)別檢查。計(jì)算機(jī)視覺(jué)技術(shù)是以圖像處理為基準(zhǔn)，隨著圖像處理以及視覺(jué)模擬技術(shù)的發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)不僅可以用來(lái)檢查農(nóng)產(chǎn)品的品質(zhì)，而且還可以用來(lái)對(duì)農(nóng)產(chǎn)品進(jìn)行播種、收割。雖然計(jì)算機(jī)視覺(jué)技術(shù)在我國(guó)農(nóng)業(yè)技術(shù)領(lǐng)域的應(yīng)用時(shí)間還不是很長(zhǎng)，在實(shí)際的使用中還有很多的問(wèn)題出現(xiàn)，但是相信隨著科學(xué)技術(shù)的不斷發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)必將會(huì)改變傳統(tǒng)的農(nóng)業(yè)作業(yè)模式，為現(xiàn)代化農(nóng)業(yè)發(fā)展提供技術(shù)上的支持。

1.2網(wǎng)絡(luò)信息技術(shù)

網(wǎng)絡(luò)信息技術(shù)在我國(guó)農(nóng)業(yè)機(jī)械上的應(yīng)用是非常成功的，信息技術(shù)與地理信息系統(tǒng)的有機(jī)結(jié)合不僅可以為農(nóng)業(yè)的生產(chǎn)提供高精度的監(jiān)控，而且還能夠?qū)r(nóng)業(yè)生產(chǎn)中出現(xiàn)病蟲(chóng)害的情況進(jìn)行及時(shí)的檢測(cè)，然后根據(jù)定位系統(tǒng)來(lái)進(jìn)行田間作業(yè)。

1.3液壓技術(shù)

液壓技術(shù)主要依靠的是微電子技術(shù)和工業(yè)傳感技術(shù)，在數(shù)據(jù)的采集上，運(yùn)用液壓技術(shù)主要完成的是能量的轉(zhuǎn)換和匹配，其目的是為了讓農(nóng)業(yè)機(jī)械的效率能夠得到進(jìn)一步的提高，讓機(jī)械設(shè)備的相關(guān)系統(tǒng)特征可以得到完善，讓機(jī)械設(shè)備的可靠性能夠得到提升，這也很好地符合了環(huán)境保護(hù)的相關(guān)標(biāo)準(zhǔn)要求。而大部分的農(nóng)業(yè)機(jī)械都是采用內(nèi)燃機(jī)作為原動(dòng)力，所以很多時(shí)候都會(huì)出現(xiàn)工作負(fù)荷，一般情況下，我們都是通過(guò)電液控制手段來(lái)完成負(fù)載與原動(dòng)力之間的匹配情況，盡可能地減少功率傳輸過(guò)程中出現(xiàn)的損失，從而提高農(nóng)業(yè)機(jī)械系統(tǒng)的工作效率。

1.4人工智能技術(shù)

隨著信息全球化的不斷深入，高端技術(shù)不僅在大型的企事業(yè)單位中被運(yùn)用，在農(nóng)業(yè)中也得到了廣泛的應(yīng)用，比較有成果的就是美國(guó)利用人工智能技術(shù)研發(fā)出激光拖拉機(jī)、機(jī)械的內(nèi)部導(dǎo)航裝置，等等，這些裝置可以對(duì)拖拉機(jī)的運(yùn)行方向及所處位置進(jìn)行實(shí)時(shí)的測(cè)定，在了解地區(qū)土地信息之后，再制定合理的土地種植方案、農(nóng)藥及種子的數(shù)量，等等。

2農(nóng)業(yè)機(jī)械技術(shù)的發(fā)展趨勢(shì)

2.1推廣農(nóng)業(yè)機(jī)械產(chǎn)品的技術(shù)發(fā)展

目前在我國(guó)的農(nóng)業(yè)機(jī)械發(fā)展上，已經(jīng)開(kāi)始運(yùn)用機(jī)電智能化技術(shù)和計(jì)算機(jī)技術(shù)，這使得農(nóng)業(yè)機(jī)械化設(shè)備的科技含量有了極大的提高，不僅有效地提高了農(nóng)業(yè)機(jī)械的作業(yè)效率，而且也提升了農(nóng)業(yè)的生產(chǎn)效率。

2.2農(nóng)業(yè)資源的利用率得到了提升

只有提高了農(nóng)業(yè)資源的開(kāi)發(fā)利用率，才能夠確保農(nóng)業(yè)實(shí)現(xiàn)可持續(xù)發(fā)展，同時(shí)也為保護(hù)生態(tài)環(huán)境奠定基礎(chǔ)，如回收農(nóng)業(yè)生產(chǎn)的廢棄物，普及無(wú)害化的處理設(shè)備，運(yùn)用無(wú)害化技術(shù)來(lái)處理廢水可以有效地達(dá)到保護(hù)環(huán)境的作用。而在農(nóng)業(yè)種植的過(guò)程中，使用有機(jī)肥料還可以進(jìn)一步提高農(nóng)業(yè)資源的利用效率。除此之外，大力發(fā)展節(jié)能型動(dòng)力機(jī)械設(shè)備可以有效地避免出現(xiàn)資源浪費(fèi)，從而提高農(nóng)業(yè)資源的整體利用效率。

2.3提高農(nóng)業(yè)機(jī)械產(chǎn)品的質(zhì)量監(jiān)督水平

要想提升農(nóng)業(yè)的機(jī)械化水平，還要從規(guī)范設(shè)計(jì)的基本要求出發(fā)，全面提高農(nóng)業(yè)產(chǎn)品的質(zhì)量。在質(zhì)量提升的過(guò)程中，還要注重農(nóng)業(yè)產(chǎn)品的整體造型和外觀，農(nóng)機(jī)設(shè)備的耐久性也要經(jīng)得起考驗(yàn)。選用與農(nóng)機(jī)設(shè)備相配套的發(fā)電機(jī)及元件，能夠最大程度上提高農(nóng)業(yè)機(jī)械產(chǎn)品的質(zhì)量。在農(nóng)業(yè)機(jī)械設(shè)備完成安裝之后，還要對(duì)其進(jìn)行試運(yùn)行，只有保證了設(shè)備各項(xiàng)指標(biāo)都正常的基礎(chǔ)上，才能夠真正的投入使用，這也是提高農(nóng)業(yè)機(jī)械產(chǎn)品可靠性的前提。

2.4加大政府的補(bǔ)貼力度

各級(jí)地方政府要加大農(nóng)業(yè)機(jī)械的技術(shù)推廣，做好農(nóng)業(yè)機(jī)械的培訓(xùn)工作。國(guó)家還要將拖拉機(jī)、插秧機(jī)等農(nóng)機(jī)具作為農(nóng)具購(gòu)置補(bǔ)貼的關(guān)鍵，普及農(nóng)業(yè)機(jī)械知識(shí)。這樣也能夠更好地提高農(nóng)業(yè)機(jī)械化的發(fā)展進(jìn)程。

2.5確保農(nóng)業(yè)機(jī)械技術(shù)的安全生產(chǎn)

關(guān)注安全監(jiān)督管理及裝備的創(chuàng)建工作，加大農(nóng)業(yè)機(jī)械的安全投入，以便更好地滿足農(nóng)業(yè)機(jī)械工作安全監(jiān)督管理的需求。除此之外，最重要的是，要將農(nóng)業(yè)機(jī)械的安全檢驗(yàn)工作納入到各級(jí)縣市政府的財(cái)政預(yù)算當(dāng)中。

3結(jié)語(yǔ)

隨著科學(xué)技術(shù)的飛速發(fā)展，一些高新技術(shù)正在逐漸地被運(yùn)用到農(nóng)業(yè)的機(jī)械設(shè)備中，這些機(jī)械設(shè)備的出現(xiàn)不僅提高了農(nóng)業(yè)的整體生產(chǎn)水平，而且還進(jìn)一步提升了農(nóng)業(yè)的生產(chǎn)效率，很好地實(shí)現(xiàn)了農(nóng)業(yè)的可持續(xù)發(fā)展。在今后的農(nóng)業(yè)發(fā)展過(guò)程中，農(nóng)業(yè)機(jī)械也必定是智能化的，所以要求操作人員要不斷地提高自己的專業(yè)素養(yǎng)，全面推廣農(nóng)業(yè)機(jī)械新技術(shù)，只有這樣才能夠真正意義上實(shí)現(xiàn)我國(guó)農(nóng)業(yè)機(jī)械的智能化。

作者:徐家亮 劉曉鵬 單位:黑龍江省克東縣農(nóng)機(jī)安全監(jiān)理站

參考文獻(xiàn)：

［1］陶樂(lè)然.長(zhǎng)春星宇小區(qū)新技術(shù)應(yīng)用［C］//增強(qiáng)自主創(chuàng)新能力促進(jìn)吉林經(jīng)濟(jì)發(fā)展———啟明杯•吉林省第四屆科學(xué)技術(shù)學(xué)術(shù)年會(huì)論文集（下冊(cè)）.2006.

［2］劉蒙之.傳播新技術(shù)與國(guó)家發(fā)展———一種政治經(jīng)濟(jì)學(xué)的觀察［C］//中國(guó)傳播學(xué)會(huì)成立大會(huì)暨第九次全國(guó)傳播學(xué)研討會(huì)論文集.2006.

［3］張仁江，田莉.制造業(yè)企業(yè)新技術(shù)采納：動(dòng)因、路徑及障礙分析———基于T公司的縱向案例研究［C］//第六屆（2011）中國(guó)管理學(xué)年會(huì)———技術(shù)與創(chuàng)新管理分會(huì)場(chǎng)論文集.2011.

［4］胡札進(jìn)，姚尚斌，徐七三“.雙低”儲(chǔ)藏與四項(xiàng)儲(chǔ)糧新技術(shù)的綜合應(yīng)用［C］//全面建設(shè)小康社會(huì)：中國(guó)科技工作者的歷史責(zé)任———中國(guó)科協(xié)2003年學(xué)術(shù)年會(huì)論文集（上）.2003.

［5］柳旭.淺析電視空間新技術(shù)對(duì)審美體驗(yàn)的影響［C］//2009中國(guó)電影電視技術(shù)學(xué)會(huì)影視技術(shù)文集.2010.

第6篇：計(jì)算機(jī)視覺(jué)運(yùn)用范文

關(guān)鍵詞：視覺(jué)注視；移動(dòng)端；數(shù)據(jù)集；行為推測(cè)

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）01-0254-03

Abstract： With the development of computer vision application technology， the behavior prediction of eye gaze has been widely concerned by many scholars at home and abroad， and also has important research significance in the field of biological information recognition. In the era of smart phone tablet popularity to improve human-computer interaction and accurate prediction of the mobile side of the user gaze behavior becomes particularly important. Based on the existing research on visual technology， this paper proposes a scheme to solve the gaze behavior of mobile users by using large data combined with machine learning and convolution neural network knowledge， and analyzes the importance of large-scale data sets in visual application.

Key words： visual gaze； mobile end； data set； behavior conjecture

1 概述

伴S著計(jì)算機(jī)軟硬件性能和互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，大規(guī)模的并行計(jì)算技術(shù)突飛猛進(jìn)，不斷地發(fā)展使各種現(xiàn)有技術(shù)變得越來(lái)越成熟，同時(shí)機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)領(lǐng)域也都得到了飛速發(fā)展。視覺(jué)技術(shù)的發(fā)展變得越來(lái)越重要，并且可以應(yīng)用到實(shí)際生活中的很多方面。人類大量的視覺(jué)信息現(xiàn)在可以利用計(jì)算機(jī)來(lái)輔助處理，并完成相關(guān)的一些工作。相對(duì)于生物信息識(shí)別技術(shù)這一計(jì)算機(jī)視覺(jué)領(lǐng)域的熱點(diǎn)技術(shù)來(lái)說(shuō)，也已廣泛應(yīng)用于日常生活中[1]。比如指紋識(shí)別器，人臉考勤器等平時(shí)在許多地方可以經(jīng)常見(jiàn)到，還有居民家用的攝像頭智能報(bào)警系統(tǒng)以及近期炒得火熱的運(yùn)用支付寶進(jìn)行刷臉而完成的支付技術(shù)等，這些都是運(yùn)用了生物信息識(shí)別技術(shù)?，F(xiàn)實(shí)中的種種跡象已經(jīng)表明運(yùn)用生物信息識(shí)別的計(jì)算機(jī)技術(shù)已漸漸的滲透到人們的日常生活中并成為不可或缺的組成部分。時(shí)下發(fā)展較快也比較常見(jiàn)的生物特征有視網(wǎng)膜、指紋、人臉和人眼等。這些生物信息比如人臉具有個(gè)體差異性和自身穩(wěn)定性特點(diǎn)，從用戶的角度來(lái)看該特征具有便攜和低侵入等一些優(yōu)點(diǎn)。而人眼作為人臉中最顯著的特征，又是人們獲取外界信息最直接最方便的途徑。都說(shuō)眼是心靈的窗戶，因?yàn)檠劬χ刑N(yùn)含著表情、意圖等多種信息。因此，眼睛注視的行為預(yù)測(cè)受到了國(guó)內(nèi)外眾多學(xué)者的廣泛關(guān)注，同時(shí)在生物信息識(shí)別領(lǐng)域中也具有重要的研究意義[2]。

2 注視預(yù)測(cè)問(wèn)題

2.1 問(wèn)題的背景

在心理、認(rèn)知和用戶交互研究中的注視跟蹤最近已朝向移動(dòng)解決方案發(fā)展，因?yàn)樗鼈兪沟每梢灾苯釉u(píng)估用戶在自然環(huán)境中的視覺(jué)注意。 除了注意，注視還可以提供關(guān)于用戶的動(dòng)作和意圖的信息：用戶正在做什么以及接下來(lái)將做什么。然而，在自然狀態(tài)下非結(jié)構(gòu)化的任務(wù)中注視行為是相當(dāng)復(fù)雜的，并且不能使用在受控的實(shí)驗(yàn)室環(huán)境中創(chuàng)建的模型來(lái)得到令人滿意的解釋。自然條件下和實(shí)驗(yàn)室環(huán)境有著很大的不同。為了演化在自然環(huán)境中對(duì)注視行為的推斷，需要一種更加整體的方法，將從認(rèn)知科學(xué)到機(jī)器學(xué)習(xí)的許多學(xué)科結(jié)合在一起[3]。

從人機(jī)交互技術(shù)到醫(yī)學(xué)診斷到心理學(xué)研究再到計(jì)算機(jī)視覺(jué)，眼睛注視跟蹤在許多領(lǐng)域都有應(yīng)用。注視是外部可觀察的人類視覺(jué)注意的指標(biāo)，許多人試圖記錄它。對(duì)于眼睛視線方面的研究可以追溯到十八世紀(jì)后期。而現(xiàn)如今已經(jīng)存在各種解決方案（其中許多是商業(yè)化的），但是所有的解決方案都具有以下一個(gè)或多個(gè)方面的問(wèn)題：高成本（例如，Tobii X2-60），定制或侵入性硬件（例如，Eye Tribe，Tobii EyeX）。然而在現(xiàn)實(shí)中的自然條件下，這些因素對(duì)實(shí)際的應(yīng)用會(huì)造成一些障礙影響，使得眼睛注視跟蹤不能成為任何具有合理的相機(jī)（例如，智能手機(jī)或網(wǎng)絡(luò)攝像頭）的人應(yīng)該可以使用的普及技術(shù)。如何才能使得這種技術(shù)普及并且得到應(yīng)用，提出了一種解決方案。

2.2問(wèn)題的提出

研究中首先要解決的就是用戶的約束問(wèn)題，也就是自然條件下使用過(guò)程中所受到的各種限制問(wèn)題。到目前為止，基于注視數(shù)據(jù)推斷用戶動(dòng)作的研究受到許多的限制，特別是在自然環(huán)境中。限制因素可能包括可用的商業(yè)解決方案的昂貴性，其專有性和封閉性以及缺乏實(shí)時(shí)交互能力等方面。目前的注視跟蹤系統(tǒng)，只是盡量在移動(dòng)設(shè)置中設(shè)置各種條件進(jìn)行補(bǔ)救。商業(yè)化定制化的解決方案都有其獨(dú)自的閉合性質(zhì)，因此阻礙了注視跟蹤算法的發(fā)展，并且使得不同方法之間的客觀比較變得不可能[4]。此外，注視是一種復(fù)雜的現(xiàn)象，涉及認(rèn)知過(guò)程的相互作用。這些過(guò)程在設(shè)置計(jì)算上的建模是非常困難的，尤其是涉及一些未知因素，使得構(gòu)建實(shí)驗(yàn)設(shè)置成為一個(gè)很大的挑戰(zhàn)。此外，來(lái)自跟蹤實(shí)驗(yàn)的數(shù)據(jù)因?yàn)槠渖虡I(yè)化的原因很少共享，即使共享數(shù)據(jù)很大部分也是有其獨(dú)立的實(shí)驗(yàn)條件。這些方面的問(wèn)題都阻礙了跨學(xué)科方法在分析和利用注視數(shù)據(jù)和實(shí)驗(yàn)的相關(guān)研究與發(fā)展。

2.3 解決問(wèn)題的研究方向

對(duì)基于注視的推斷的個(gè)體貢獻(xiàn)通常保持孤立，不能形成更大的整體以促進(jìn)對(duì)注視動(dòng)作行為的研究。隨著這方面的技術(shù)發(fā)展和應(yīng)用，最近出現(xiàn)了一些開(kāi)源的解決方案。雖然在不同的應(yīng)用和用戶界面中使用注視已經(jīng)相當(dāng)有限，但是移動(dòng)注視跟蹤的新穎應(yīng)用開(kāi)始出現(xiàn)并得到了很快的發(fā)展。然而使用移動(dòng)注視跟蹤來(lái)推斷用戶動(dòng)作的問(wèn)題是高度多學(xué)科的，需要深入理解各個(gè)研究領(lǐng)域，包括人眼的功能，數(shù)學(xué)建模，計(jì)算機(jī)視覺(jué)，機(jī)器學(xué)習(xí)，信息技術(shù)，認(rèn)知過(guò)程，用戶交互以及心理學(xué)。任何一個(gè)研究員或甚至任何研究小組都不可能擁有所有研究領(lǐng)域的專家，因此需要相互的協(xié)作共同推進(jìn)技術(shù)的發(fā)展[5]。

目前的研究主要是從以下幾個(gè)方面進(jìn)行：

1）研究移動(dòng)注視跟蹤的認(rèn)知方面，例如增強(qiáng)對(duì)任務(wù)中的注視行為的理解或識(shí)別不同任務(wù)的特征和階段；

2）開(kāi)發(fā)用于從注視數(shù)據(jù)推斷用戶動(dòng)作的計(jì)算方法，諸如應(yīng)用機(jī)器學(xué)習(xí)用于行為推斷，優(yōu)選地實(shí)時(shí)地；

3）增強(qiáng)用于改善移動(dòng)注視跟蹤方法和性能的技術(shù)軟件/硬件解決方案，并使得設(shè)備更容易訪問(wèn)；

4）發(fā)現(xiàn)注視數(shù)據(jù)在自然環(huán)境和虛擬和增強(qiáng)現(xiàn)實(shí)應(yīng)用中的潛在用途，以及定義任務(wù)，其中注視可以是用戶動(dòng)作的有用的預(yù)測(cè)器。

3 解決方案

首先選擇移動(dòng)端進(jìn)行研究，因?yàn)槟壳氨容^普遍的移動(dòng)設(shè)備比如智能手機(jī)、平板電腦都有自己可靠的工作系統(tǒng)，且不需要外部附件。移動(dòng)設(shè)備相對(duì)于其他平臺(tái)具有以下優(yōu)勢(shì)：

1）使用的廣泛性。據(jù)估計(jì)，到2019年，世界上超過(guò)三分之一的人口擁有智能手機(jī)，遠(yuǎn)遠(yuǎn)超過(guò)臺(tái)式機(jī)/筆記本電腦用戶；

2）軟硬件技術(shù)升級(jí)的采用率較高。大部分的移動(dòng)設(shè)備具有允許使用擁有計(jì)算復(fù)雜數(shù)據(jù)方法的實(shí)時(shí)的最新軟硬件；

3）移動(dòng)設(shè)備上相機(jī)的大量使用已經(jīng)導(dǎo)致相機(jī)技術(shù)的快速開(kāi)發(fā)和部署；

4）相機(jī)相對(duì)于屏幕的固定位置減少了未知參數(shù)的數(shù)量，潛在地允許開(kāi)發(fā)高精度的校準(zhǔn)跟蹤應(yīng)用。

3.1 注視類型分析

注視估計(jì)方法可以分為基于模型或基于外觀[6]。基于模型的方法使用眼睛的幾何模型，并且可以被細(xì)分為基于角膜反射和基于形狀的方法。另一方面，基于形狀的方法從觀察到的眼睛形狀觀察注視方向。這些方法傾向于具有低的圖像質(zhì)量和可變的照明條件?；谕庥^的方法直接使用眼睛作為輸入，并可能在低分辨率圖像上工作。相比基于模型的方法，基于外觀的方法被認(rèn)為需要更大量的用戶特定的訓(xùn)練數(shù)據(jù)。通過(guò)使用深度學(xué)習(xí)和大規(guī)模數(shù)據(jù)不必依賴于視覺(jué)，以實(shí)現(xiàn)準(zhǔn)確的無(wú)校準(zhǔn)注視估計(jì)。這種方案提出建立一個(gè)基于外觀的數(shù)據(jù)模型，而不使用任何手工設(shè)計(jì)的功能，例如頭部姿勢(shì)或眼球中心位置。

3.2 技術(shù)方案

深度學(xué)習(xí)的最近成功在計(jì)算機(jī)視覺(jué)的各種領(lǐng)域中是顯而易見(jiàn)的，但是它對(duì)改善眼睛跟蹤性能的影響還是相當(dāng)有限。因?yàn)樯疃葘W(xué)習(xí)是需要大量的數(shù)據(jù)作為支持，而視線追蹤這方面的數(shù)據(jù)集還比較少，普通的研究所得到的稻菁比較有限，最大的數(shù)據(jù)集通常只是具有50個(gè)受試者左右，由于缺乏大規(guī)模數(shù)據(jù)的可用性，因此發(fā)展比較緩慢。因而提出了使用深度學(xué)習(xí)進(jìn)行研究的一套方案，就是構(gòu)造大規(guī)模的數(shù)據(jù)集。利用網(wǎng)絡(luò)資源構(gòu)造一個(gè)大規(guī)模的基于移動(dòng)的眼動(dòng)跟蹤數(shù)據(jù)集，它包含來(lái)自各種背景的大量的受試者，在可變照明條件和不受限制的頭部運(yùn)動(dòng)下記錄[7]。運(yùn)用現(xiàn)有的智能算法得到一個(gè)可以進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)端到端的注視預(yù)測(cè)的后臺(tái)決策網(wǎng)絡(luò)。不依賴任何預(yù)先存在的系統(tǒng)，不需要頭部姿態(tài)估計(jì)或其他手動(dòng)設(shè)計(jì)的特征用于預(yù)測(cè)。使用只有雙眼和臉部的特征訓(xùn)練網(wǎng)絡(luò)，在這個(gè)領(lǐng)域的性能優(yōu)于現(xiàn)有的眼睛跟蹤方法。雖然現(xiàn)在的決策網(wǎng)絡(luò)在精度方面實(shí)現(xiàn)了很先進(jìn)的性能，但是數(shù)據(jù)輸入的大小和參數(shù)的數(shù)量使得難以在移動(dòng)設(shè)備上實(shí)時(shí)使用。 為了解決這個(gè)問(wèn)題，需要培養(yǎng)學(xué)習(xí)得到一個(gè)更小更快的網(wǎng)絡(luò)，在移動(dòng)設(shè)備上實(shí)現(xiàn)實(shí)時(shí)性能，使得精度損失進(jìn)一步降低。

3.3 大規(guī)模數(shù)據(jù)集

為了達(dá)到這一方案的預(yù)測(cè)效果，首先要進(jìn)行的是數(shù)據(jù)集的建立。網(wǎng)絡(luò)上相關(guān)的研究中有許多公開(kāi)的注視數(shù)據(jù)集[8]。總結(jié)對(duì)比這些相關(guān)的數(shù)據(jù)集，分析出有些早期的數(shù)據(jù)集不包含顯著性的頭部姿勢(shì)變化或具有粗略的注視點(diǎn)采樣密度。需要對(duì)這些數(shù)據(jù)進(jìn)行篩選，使得到的數(shù)據(jù)具有隨機(jī)分布特點(diǎn)。雖然一些現(xiàn)代數(shù)據(jù)集遵循類似的方法，但它們的規(guī)模（尤其是參與者的數(shù)量）相當(dāng)有限。大多數(shù)現(xiàn)有的眼動(dòng)追蹤數(shù)據(jù)集已經(jīng)由邀請(qǐng)實(shí)驗(yàn)室參與者的研究人員收集，這一過(guò)程導(dǎo)致數(shù)據(jù)缺乏變化，并且成本高且效率不高。因此需要大量的進(jìn)行數(shù)據(jù)收集和篩選分析。大規(guī)模數(shù)據(jù)可以通過(guò)卷積神經(jīng)網(wǎng)絡(luò)有效地識(shí)別人臉（他們的眼睛）上的細(xì)粒度差異，從而做出準(zhǔn)確的預(yù)測(cè)。

收集眼動(dòng)跟蹤數(shù)據(jù)應(yīng)該注意的方面：

1）可擴(kuò)展性。數(shù)據(jù)應(yīng)該是自然條件下的使得用戶具有靈活性；

2）可靠性。運(yùn)用現(xiàn)有的智能移動(dòng)設(shè)備真實(shí)的應(yīng)用圖像而非設(shè)計(jì)處理過(guò)的圖像；

3）變異性。盡量使數(shù)據(jù)具有較大的變異性，使得模型更加穩(wěn)健，適應(yīng)各種環(huán)境下的操作。

4 結(jié)束語(yǔ)

文章介紹了一種針對(duì)移動(dòng)設(shè)備的用戶注視行為推測(cè)解決方案。首先建立一個(gè)大規(guī)模眼動(dòng)跟蹤數(shù)據(jù)集，收集大量的注視數(shù)據(jù)。大型數(shù)據(jù)集的重要性，以及具有大量各種數(shù)據(jù)以能夠訓(xùn)練用于眼睛跟蹤的魯棒模型。然后，訓(xùn)練得到一個(gè)深層卷積神經(jīng)網(wǎng)絡(luò)，用于預(yù)測(cè)注視。通過(guò)仔細(xì)的評(píng)估，利用深度學(xué)習(xí)可以魯棒地預(yù)測(cè)注視，達(dá)到一個(gè)較好的水平。此外，雖然眼睛跟蹤已經(jīng)存在了幾個(gè)世紀(jì)，相信這種新方案的策略可以作為下一代眼動(dòng)跟蹤解決方案的關(guān)鍵基準(zhǔn)。希望能通過(guò)這方面的研究，使人機(jī)交互得到更好的發(fā)展。

參考文獻(xiàn)：

[1] 崔耀 視控人機(jī)交互系統(tǒng)技術(shù)研究與實(shí)現(xiàn)[D].西安，西安電子科技大學(xué)，2013.

[2] 遲健男， 王志良， 張闖.視線追蹤[M].北京： 機(jī)械工業(yè)出版社， 2011.

[3] Alireza Fathi， Yin Li， and James M Rehg 2012 Learning to recognize daily actions using gaze In Computer VisionCECCV 2012. Springer， 314-327.

[4] Makeroni Labs 2016 Eye of Horus. https：//hackaday.io/project/

6638-eye-of-horus-open-source-eye-tracking-assistance （2016） Accessed： 2016-02-26.

[5] Francisco J Parada， Dean Wyatte， Chen Yu， Brandi Emerick， and Thomas Busey，2015.Expert Eyes： Open-source， high-definition eyetracking Behavior research methods ，2015.

[6] 楊彩霞.基于近紅外光源的非接觸式視線跟蹤技術(shù)研究 [D].山東：山東大學(xué)，2012.

第7篇：計(jì)算機(jī)視覺(jué)運(yùn)用范文

在用常見(jiàn)的手勢(shì)進(jìn)行交流時(shí)，人們很容易就能互相理解，在經(jīng)過(guò)學(xué)習(xí)之后，聾啞人或是正常人都可以運(yùn)用手語(yǔ)進(jìn)行交流。不過(guò)，想象一下，當(dāng)你對(duì)計(jì)算機(jī)(或機(jī)器)做一個(gè)手勢(shì)，它就能領(lǐng)會(huì)你的意圖會(huì)是怎樣的情景呢?如果計(jì)算機(jī)(或機(jī)器)看得懂手語(yǔ)，又意味著什么呢?姑且不管實(shí)現(xiàn)這樣的人機(jī)交流有何深遠(yuǎn)的意義，還是先讓我們來(lái)探究一下這樣的可行性吧，想想看得懂手語(yǔ)的計(jì)算機(jī)(或機(jī)器)能有什么用途。

人機(jī)交互：從呆板到員活

人類之間的交流往往聲情并茂，既采用自然語(yǔ)言(口語(yǔ)、書(shū)面語(yǔ)言)，還廣泛采用人體語(yǔ)言(表情、體勢(shì)、手勢(shì))。與人類之間的交流相比，人機(jī)交互就顯得呆板多了。以計(jì)算機(jī)的輸入方式為例，人要向計(jì)算機(jī)下達(dá)指令，最常見(jiàn)的方式還是通過(guò)鍵盤(pán)輸入。當(dāng)然，手寫(xiě)輸入也正為許多人所接受和喜愛(ài)，語(yǔ)音輸入的研究也進(jìn)行得熱火朝天，最初單一而呆板的輸入方式已經(jīng)得到了擴(kuò)展。然而，科學(xué)研究是永無(wú)止境的，人體語(yǔ)言這種簡(jiǎn)單快捷的信息交流方式得到了很多研究者的關(guān)注，他們想，能不能把這種靈活的信息交流方式也引進(jìn)人機(jī)交互中呢?

于是研究人員展開(kāi)了對(duì)人體語(yǔ)言理解的研究。人體語(yǔ)言的感知、人體語(yǔ)言與自然語(yǔ)言的信息融合對(duì)提高計(jì)算機(jī)的人類語(yǔ)言理解水平，加強(qiáng)人機(jī)接口的可實(shí)用性有著積極的意義。手語(yǔ)(手勢(shì))是人體語(yǔ)言的一個(gè)非常重要的組成部分，它是包含信息量最多的一種人體語(yǔ)言，它與語(yǔ)言、書(shū)面語(yǔ)等自然語(yǔ)言的表達(dá)能力相同。因而完全可以把手語(yǔ)作為人機(jī)交互的一種手段，它具有很強(qiáng)的視覺(jué)效果，生動(dòng)、形象、直觀。可見(jiàn)，將手勢(shì)運(yùn)用于計(jì)算機(jī)能夠很好地改善人機(jī)交互的效率。

計(jì)算機(jī)怎樣識(shí)別手勢(shì)?

從不同的角度可以對(duì)手勢(shì)進(jìn)行不同的分類。分為交互性手勢(shì)和操作性手勢(shì)，前者手的運(yùn)動(dòng)表示特定的信息(如樂(lè)隊(duì)指揮)，靠視覺(jué)來(lái)感知，后者不表達(dá)任何信息(如彈琴)；分為自主性手勢(shì)和非自主性手勢(shì)，后者需要與語(yǔ)音配合用來(lái)加強(qiáng)或補(bǔ)充某些信息(如演講者用手勢(shì)描述動(dòng)作、空間結(jié)構(gòu)等信息)，分為離心手勢(shì)和向心手勢(shì)，前者直接針對(duì)說(shuō)話人，有明確的交流意圖，后者只是反應(yīng)說(shuō)話人的情緒和內(nèi)心的愿望。

手勢(shì)的各種組合、運(yùn)動(dòng)相當(dāng)復(fù)雜，不過(guò)簡(jiǎn)單來(lái)看，手勢(shì)主要有如下的特點(diǎn)：手是彈性物體，因此同一手勢(shì)之間差別很大，手有大量冗余信息，由于人識(shí)別手勢(shì)關(guān)鍵是識(shí)別手指特征，因此手掌特征是冗余的信息：手的位置是在三維空間，很難定位：手的表面是，非平滑的，容易產(chǎn)生陰影。

了解了手勢(shì)的這些特點(diǎn)，就可以在手勢(shì)研究中對(duì)手勢(shì)做適當(dāng)?shù)姆指?、假設(shè)和約束。例如，可以給出如下約束：如果整個(gè)手處于運(yùn)動(dòng)狀態(tài)，那么手指的運(yùn)動(dòng)和狀態(tài)就不重要，如果手勢(shì)主要由各手指之間的相對(duì)運(yùn)動(dòng)構(gòu)成，那么手就應(yīng)該處于靜止?fàn)顟B(tài)。比如鼠標(biāo)和筆式交互設(shè)備就是通過(guò)識(shí)別手的整體運(yùn)動(dòng)來(lái)完成人與計(jì)算機(jī)的交互，但它們不能識(shí)別手指的動(dòng)作，其優(yōu)點(diǎn)是僅利用軟件算法就能實(shí)現(xiàn)，適合于一般桌面系統(tǒng)。只有當(dāng)用鼠標(biāo)或筆式交互設(shè)備的運(yùn)動(dòng)或方向變化來(lái)傳達(dá)信息時(shí)，才可將鼠標(biāo)或筆式交互設(shè)備看作手勢(shì)表達(dá)工具。筆式交互設(shè)備發(fā)展很快，它提供了充分的交互信息，如壓力、方向、旋轉(zhuǎn)和位置信息，但現(xiàn)有交互主要是簡(jiǎn)單地替代鼠標(biāo)。

計(jì)算機(jī)識(shí)別手勢(shì)的手段主要有兩種：

1．?dāng)?shù)據(jù)手套。數(shù)據(jù)手套是虛擬現(xiàn)實(shí)系統(tǒng)中廣泛使用的傳感設(shè)備，用戶通過(guò)數(shù)據(jù)手套，能做出各種手勢(shì)向系統(tǒng)發(fā)出命令，與虛擬世界進(jìn)行各種交互操作：比如通過(guò)一只與數(shù)據(jù)手套對(duì)應(yīng)的在計(jì)算機(jī)屏幕上顯示的虛擬手，使用戶成為虛擬世界中的一員：抓取物體，如果手套有力反饋，還能讓用戶感覺(jué)到物體的重量和材質(zhì)等。美國(guó)在“洞穴”虛擬系統(tǒng)中就是利用數(shù)據(jù)手套來(lái)研制武器。數(shù)據(jù)手套的主要優(yōu)點(diǎn)是可以測(cè)定手指的姿勢(shì)和手勢(shì)，但是相對(duì)而言代價(jià)較為昂貴，并且有時(shí)會(huì)給用戶帶來(lái)不便(如出汗)。

2．計(jì)算機(jī)視覺(jué)。即利用攝像機(jī)輸人手勢(shì)，其優(yōu)點(diǎn)是不干擾用戶，這是一種很有前途的技術(shù)，目前有許多研究者致力于此項(xiàng)工作。但在技術(shù)上存在很多困難，目前的計(jì)算機(jī)視覺(jué)技術(shù)還難以勝任手勢(shì)識(shí)別和理解的任務(wù)。

目前較為實(shí)用的手勢(shì)識(shí)別是基于數(shù)據(jù)手套的，因?yàn)閿?shù)據(jù)手套不僅可以輸入包括三維空間運(yùn)動(dòng)在內(nèi)的較為全面的手勢(shì)信息，而且比基于計(jì)算機(jī)視覺(jué)的手勢(shì)在技術(shù)上要容易得多。

更好地為人服務(wù)

日本三菱電子研究實(shí)驗(yàn)室的研究人員已經(jīng)使用低成本的視覺(jué)系統(tǒng)，通過(guò)手勢(shì)就可以控制一臺(tái)電視機(jī)。由計(jì)算機(jī)控制的美國(guó)航空航天局虛擬太空站也是采用美國(guó)Cybernet公司開(kāi)發(fā)的手語(yǔ)識(shí)別軟件，通過(guò)一部架設(shè)在頂部的攝像機(jī)來(lái)追蹤指揮者的手勢(shì)。當(dāng)系統(tǒng)捕捉到揮手等手勢(shì)時(shí)，就會(huì)做出相應(yīng)的反應(yīng)，讓指揮者像航天員一樣在計(jì)算機(jī)虛擬的阿爾法國(guó)際太空站上移動(dòng)(確切地說(shuō)是飄動(dòng))。

Cybemet公司的軟件還能識(shí)別一系列的特定手勢(shì)，就像工地上的工人或交通警察經(jīng)常用的那種手語(yǔ)，通過(guò)這些手勢(shì)你能夠旋轉(zhuǎn)在虛擬旅行中看到的三維圖像，還可以向上或是向下改變你的視角。美國(guó)航空航天局正在考慮把這套系統(tǒng)用于真正的太空站，因?yàn)楸恐氐暮教旆臀⒅亓Νh(huán)境使得鼠標(biāo)和鍵盤(pán)都變得難以操縱。也許不久之后，航天員就能用簡(jiǎn)單的手語(yǔ)來(lái)控制機(jī)器人在太空中抓取物體。

手語(yǔ)(手勢(shì))識(shí)別系統(tǒng)的研究還有助于改善和提高聾啞人的生活學(xué)習(xí)和工作條件，為他們提供更好的服務(wù)。同時(shí)也可以應(yīng)用于計(jì)算機(jī)輔助啞語(yǔ)教學(xué)、電視節(jié)目雙語(yǔ)播放、虛擬人的研究、電影制作中的特技處理、動(dòng)畫(huà)的制作、醫(yī)療研究、游戲娛樂(lè)等諸多方面。另外，手語(yǔ)識(shí)別系統(tǒng)的研究涉及到教學(xué)、計(jì)算機(jī)圖形學(xué)、機(jī)器人運(yùn)動(dòng)學(xué)、醫(yī)學(xué)等多學(xué)科。因此，手語(yǔ)識(shí)別系統(tǒng)的研究非常有意義。

第8篇：計(jì)算機(jī)視覺(jué)運(yùn)用范文

李飛飛在新澤西讀高中期間，家中難以支付她的教育費(fèi)用，她只能勤工儉學(xué)，自己想辦法掙錢(qián)讀書(shū)。在初到美國(guó)的前兩年里，李飛飛利用課余時(shí)間，做過(guò)街頭清潔工、餐館收銀員，還做過(guò)照看寵物狗的服務(wù)員。

不僅生活艱苦，她的英語(yǔ)成績(jī)也不好，美國(guó)的學(xué)生比較勢(shì)利，同學(xué)不想和她來(lái)往。初到美國(guó)的幾年里，她基本上沒(méi)有朋友。幸運(yùn)的是，她讀高中時(shí)遇到幾位特別善良的老師，在老師們的關(guān)懷和鼓勵(lì)下，她逐漸祛除了自卑心理，增添了奮斗的勇氣。

臨近高中畢業(yè)時(shí)，李飛飛申請(qǐng)了很多大學(xué)，也收到不少錄取通知書(shū)。只有普林斯頓大學(xué)給予李飛飛近乎全額的獎(jiǎng)學(xué)金，這也讓李飛飛的生活開(kāi)始發(fā)生改變。

父母依然在困境中掙扎。李飛飛在進(jìn)入普林斯頓大學(xué)讀書(shū)時(shí)，就決定在課余時(shí)間自己去打工掙錢(qián)，為父母在帕西帕尼開(kāi)設(shè)一個(gè)干洗店，讓他們每個(gè)月有穩(wěn)定收入，擺脫窘境。開(kāi)店的錢(qián)最終還是不夠，她只得向高中數(shù)學(xué)老師借錢(qián)。

在老師熱情支持下，干洗店終于開(kāi)業(yè)。李飛飛從此在學(xué)校和店鋪之間奔波，周一到周五在學(xué)校攻讀物理學(xué)，輔修工程物理專業(yè)，周末就回到帕西帕尼，在干洗店里幫忙。盡管干活用去很多時(shí)間，不過(guò)李飛飛的成績(jī)還是相當(dāng)優(yōu)秀。大學(xué)畢業(yè)時(shí)，她以最高榮譽(yù)取得普林斯頓大學(xué)物理學(xué)學(xué)士學(xué)位。

李飛飛大學(xué)畢業(yè)時(shí)，金融證券市場(chǎng)無(wú)比火爆，對(duì)來(lái)自華爾街的征召，她居然不接受邀請(qǐng)，認(rèn)為自己應(yīng)該去，研究藏醫(yī)。在父母耐心勸說(shuō)下，她才改變想法，打算繼續(xù)深造。

隨后，李飛飛進(jìn)入加州理工大學(xué)攻讀電子工程的碩士、博士學(xué)位，開(kāi)始研究人工智能和計(jì)算神經(jīng)科學(xué)。在李飛飛讀研期間，她的母親患癌癥，還有中風(fēng)癥狀，家庭生活再次陷入困境。這種境遇會(huì)壓垮很多人，李飛飛竟然沒(méi)有垂頭喪氣，她積極尋找辦法度過(guò)難關(guān)、完成學(xué)業(yè)，取得了博士學(xué)位。

李飛飛博士一畢業(yè)，高盛就投來(lái)橄欖枝，愿意給予她高薪工作；麥肯錫等公司也希望她前去工作。這是很大的誘惑，能極大改變家庭的生活狀況?？墒?，她并拒絕了，“我?guī)状尉芙^高薪工作，父親都沒(méi)有輕易反對(duì)。非常感激他們對(duì)我追尋夢(mèng)想的支持?！?/p>

“我的研究興趣，集中在視覺(jué)研究領(lǐng)域，主要是計(jì)算機(jī)視覺(jué)和視覺(jué)心理學(xué)。我將利用大數(shù)據(jù)訓(xùn)練計(jì)算機(jī)學(xué)習(xí)視覺(jué)認(rèn)知、記憶、推理和與環(huán)境互動(dòng)?！庇脙赡陼r(shí)間，李飛飛通過(guò)網(wǎng)絡(luò)眾包技術(shù)，建立起含有1500萬(wàn)張照片、涵蓋22000種物品的全球最大圖像識(shí)別數(shù)據(jù)庫(kù)ImageNet。李飛飛希望研究界能從中受益。

無(wú)論數(shù)量還是質(zhì)量，ImageNet都是規(guī)?？涨暗臄?shù)據(jù)庫(kù)。所陳列的物品，是根據(jù)日常英語(yǔ)單詞進(jìn)行分類組織的。光是貓，就有62000多只，長(zhǎng)相各異，姿勢(shì)多樣，涵蓋了各種家貓和野貓。李飛飛將數(shù)據(jù)庫(kù)免費(fèi)提供給全球的研究團(tuán)體，很快被研究者廣泛運(yùn)用。

博士畢業(yè)四年后，李飛飛來(lái)到斯坦福大學(xué)計(jì)算機(jī)科學(xué)系任教。在上課的時(shí)候，她娓娓而談，學(xué)生們都全神貫注地聆聽(tīng)。僅用三年時(shí)間，李飛飛就晉升為終身教授，并成為斯坦福大學(xué)人工智能實(shí)驗(yàn)室及斯坦福大W視覺(jué)實(shí)驗(yàn)室的主任。

從1955年起，美國(guó)斯隆基金會(huì)每年頒發(fā)斯隆研究獎(jiǎng)，專門(mén)獎(jiǎng)勵(lì)科學(xué)領(lǐng)域最杰出的年輕教授。獲獎(jiǎng)?wù)邅?lái)自美國(guó)和加拿大54所高等院校，涵蓋七大科學(xué)領(lǐng)域。2011年3月1日，斯隆基金會(huì)授予李飛飛“計(jì)算機(jī)科學(xué)獎(jiǎng)”，表彰她在這一領(lǐng)域的重要貢獻(xiàn)。

2015年9月4日，斯坦福大學(xué)宣布，豐田汽車公司投資2500萬(wàn)美元，在校園內(nèi)設(shè)立人工智能研究中心，利用人工智能教計(jì)算機(jī)與現(xiàn)實(shí)世界互動(dòng)，發(fā)展出突破性的技術(shù)，普遍運(yùn)用于日常生活之中。首先展開(kāi)的研究項(xiàng)目，是教機(jī)械人安全地自動(dòng)駕駛無(wú)人車。

李飛飛擔(dān)任斯坦福大學(xué)人工智能研究中心主管，由她領(lǐng)軍研發(fā)無(wú)人車技術(shù)。李飛飛覺(jué)得無(wú)人車自動(dòng)駕駛，是計(jì)算機(jī)學(xué)習(xí)人腦的極佳研究，基本目標(biāo)是讓計(jì)算機(jī)學(xué)習(xí)人腦做決定的方法。研究中心迅速制作出多個(gè)計(jì)算機(jī)系統(tǒng)，推進(jìn)自動(dòng)駕駛的技術(shù)。

2016年11月，李飛飛加盟谷歌云擔(dān)任首席人工智能和機(jī)器學(xué)習(xí)科學(xué)家。同時(shí)，她仍擔(dān)任斯坦福大學(xué)副教授，負(fù)責(zé)斯坦福人工智能實(shí)驗(yàn)室和斯坦福視覺(jué)實(shí)驗(yàn)室。

第9篇：計(jì)算機(jī)視覺(jué)運(yùn)用范文

摘要：介紹了數(shù)據(jù)融合技術(shù)的基本概念和內(nèi)容，分析了該技術(shù)在森林防火、森林蓄積特征的估計(jì)和更新、森林資源調(diào)查等方面的應(yīng)用，提出該技術(shù)可應(yīng)用于木材無(wú)損檢測(cè)及精確林業(yè)。融合機(jī)器視覺(jué)、X射線等單一傳感器技術(shù)檢測(cè)木材及木制品，可以更準(zhǔn)確地實(shí)時(shí)檢測(cè)出木材的各種缺陷；集成GPS、GIS、RS及各種實(shí)時(shí)傳感器信息，利用智能決策支持系統(tǒng)以及可變量技術(shù)，能夠?qū)崿F(xiàn)基于自然界生物及其賴以生存的環(huán)境資源的時(shí)空變異性的客觀現(xiàn)實(shí)，建立基于信息流融合的精確林業(yè)系統(tǒng)。

多傳感器融合系統(tǒng)由于具有較高的可靠性和魯棒性，較寬的時(shí)間和空間的觀測(cè)范圍，較強(qiáng)的數(shù)據(jù)可信度和分辨能力，已廣泛應(yīng)用于軍事、工業(yè)、農(nóng)業(yè)、航天、交通管制、機(jī)器人、海洋監(jiān)視和管理、目標(biāo)跟蹤和慣性導(dǎo)航等領(lǐng)域。筆者在分析數(shù)據(jù)融合技術(shù)概念和內(nèi)容的基礎(chǔ)上，對(duì)該技術(shù)在林業(yè)工程中的應(yīng)用及前景進(jìn)行了綜述。

一、數(shù)據(jù)融合

1.1概念的提出

1973年，數(shù)據(jù)融合技術(shù)在美國(guó)國(guó)防部資助開(kāi)發(fā)的聲納信號(hào)理解系統(tǒng)中得到了最早的體現(xiàn)。70年代末，在公開(kāi)的技術(shù)文獻(xiàn)中開(kāi)始出現(xiàn)基于多系統(tǒng)的信息整合意義的融合技術(shù)。1984年美國(guó)國(guó)防部數(shù)據(jù)融合小組(DFS)定義數(shù)據(jù)融合為：“對(duì)多源的數(shù)據(jù)和信息進(jìn)行多方的關(guān)聯(lián)、相關(guān)和綜合處理，以更好地進(jìn)行定位與估計(jì)，并完全能對(duì)態(tài)勢(shì)及帶來(lái)的威脅進(jìn)行實(shí)時(shí)評(píng)估”。

1998年1月，Buchroithner和Wald重新定義了數(shù)據(jù)融合：“數(shù)據(jù)融合是一種規(guī)范框架，這個(gè)框架里人們闡明如何使用特定的手段和工具來(lái)整合來(lái)自不同渠道的數(shù)據(jù)，以獲得實(shí)際需要的信息”。

Wald定義的數(shù)據(jù)融合的概念原理中，強(qiáng)調(diào)以質(zhì)量作為數(shù)據(jù)融合的明確目標(biāo)，這正是很多關(guān)于數(shù)據(jù)融合的文獻(xiàn)中忽略但又是非常重要的方面。這里的“質(zhì)量”指經(jīng)過(guò)數(shù)據(jù)融合后獲得的信息對(duì)用戶而言較融合前具有更高的滿意度，如可改善分類精度，獲得更有效、更相關(guān)的信息，甚至可更好地用于開(kāi)發(fā)項(xiàng)目的資金、人力資源等。

1.2基本內(nèi)容

信息融合是生物系統(tǒng)所具備的一個(gè)基本功能，人類本能地將各感官獲得的信息與先驗(yàn)知識(shí)進(jìn)行綜合，對(duì)周圍環(huán)境和發(fā)生的事件做出估計(jì)和判斷。當(dāng)運(yùn)用各種現(xiàn)代信息處理方法，通過(guò)計(jì)算機(jī)實(shí)現(xiàn)這一功能時(shí)，就形成了數(shù)據(jù)融合技術(shù)。

數(shù)據(jù)融合就是充分利用多傳感器資源，通過(guò)對(duì)這些多傳感器及觀測(cè)信息的合理支配和使用，把多傳感器在空間或時(shí)間上的冗余或互補(bǔ)信息依據(jù)某些準(zhǔn)則進(jìn)行組合，以獲得被測(cè)對(duì)象的一致性解釋或描述。數(shù)據(jù)融合的內(nèi)容主要包括：

(1)數(shù)據(jù)關(guān)聯(lián)。確定來(lái)自多傳感器的數(shù)據(jù)反映的是否是同源目標(biāo)。

(2)多傳感器ID/軌跡估計(jì)。假設(shè)多傳感器的報(bào)告反映的是同源目標(biāo)，對(duì)這些數(shù)據(jù)進(jìn)行綜合，改進(jìn)對(duì)該目標(biāo)的估計(jì)，或?qū)φ麄€(gè)當(dāng)前或未來(lái)情況的估計(jì)。

(3)采集管理。給定傳感器環(huán)境的一種認(rèn)識(shí)狀態(tài)，通過(guò)分配多個(gè)信息捕獲和處理源，最大限度地發(fā)揮其性能，從而使其操作成本降到最低。傳感器的數(shù)據(jù)融合功能主要包括多傳感器的目標(biāo)探測(cè)、數(shù)據(jù)關(guān)聯(lián)、跟蹤與識(shí)別、情況評(píng)估和預(yù)測(cè)。

根據(jù)融合系統(tǒng)所處理的信息層次，目前常將信息融合系統(tǒng)劃分為3個(gè)層次：

(l)數(shù)據(jù)層融合。直接將各傳感器的原始數(shù)據(jù)進(jìn)行關(guān)聯(lián)后，送入融合中心，完成對(duì)被測(cè)對(duì)象的綜合評(píng)價(jià)。其優(yōu)點(diǎn)是保持了盡可能多的原始信號(hào)信息，但是該種融合處理的信息量大、速度慢、實(shí)時(shí)性差，通常只用于數(shù)據(jù)之間配準(zhǔn)精度較高的圖像處理。

(2)特征層融合。從原始數(shù)據(jù)中提取特征，進(jìn)行數(shù)據(jù)關(guān)聯(lián)和歸一化等處理后，送入融合中心進(jìn)行分析與綜合，完成對(duì)被測(cè)對(duì)象的綜合評(píng)價(jià)。這種融合既保留了足夠數(shù)量的原始信息，又實(shí)現(xiàn)了一定的數(shù)據(jù)壓縮，有利于實(shí)時(shí)處理，而且由于在特征提取方面有許多成果可以借鑒，所以特征層融合是目前應(yīng)用較多的一種技術(shù)。但是該技術(shù)在復(fù)雜環(huán)境中的穩(wěn)健性和系統(tǒng)的容錯(cuò)性與可靠性有待進(jìn)一步改善。

(3)決策層融合。首先每一傳感器分別獨(dú)立地完成特征提取和決策等任務(wù)，然后進(jìn)行關(guān)聯(lián)，再送入融合中心處理。這種方法的實(shí)質(zhì)是根據(jù)一定的準(zhǔn)則和每個(gè)決策的可信度做出最優(yōu)的決策。其優(yōu)點(diǎn)是數(shù)據(jù)通訊量小、實(shí)時(shí)性好，可以處理非同步信息，能有效地融合不同類型的信息。而且在一個(gè)或幾個(gè)傳感器失效時(shí)，系統(tǒng)仍能繼續(xù)工作，具有良好的容錯(cuò)性，系統(tǒng)可靠性高，因此是目前信息融合研究的一個(gè)熱點(diǎn)。但是這種技術(shù)也有不足，如原始信息的損失、被測(cè)對(duì)象的時(shí)變特征、先驗(yàn)知識(shí)的獲取困難，以及知識(shí)庫(kù)的巨量特性等。

1.3處理模型

美國(guó)數(shù)據(jù)融合工作小組提出的數(shù)據(jù)融合處理模型，當(dāng)時(shí)僅應(yīng)用于軍事方面，但該模型對(duì)人們理解數(shù)據(jù)融合的基本概念有重要意義。模型每個(gè)模塊的基本功能如下：

數(shù)據(jù)源。包括傳感器及其相關(guān)數(shù)據(jù)(數(shù)據(jù)庫(kù)和人的先驗(yàn)知識(shí)等)。

源數(shù)據(jù)預(yù)處理。進(jìn)行數(shù)據(jù)的預(yù)篩選和數(shù)據(jù)分配，以減輕融合中心的計(jì)算負(fù)擔(dān)，有時(shí)需要為融合中心提供最重要的數(shù)據(jù)。目標(biāo)評(píng)估。融合目標(biāo)的位置、速度、身份等參數(shù)，以達(dá)到對(duì)這些參數(shù)的精確表達(dá)。主要包括數(shù)據(jù)配準(zhǔn)、跟蹤和數(shù)據(jù)關(guān)聯(lián)、辨識(shí)。

態(tài)勢(shì)評(píng)估。根據(jù)當(dāng)前的環(huán)境推斷出檢測(cè)目標(biāo)與事件之間的關(guān)系，以判斷檢測(cè)目標(biāo)的意圖。威脅評(píng)估。結(jié)合當(dāng)前的態(tài)勢(shì)判斷對(duì)方的威脅程度和敵我雙方的攻擊能力等，這一過(guò)程應(yīng)同時(shí)考慮當(dāng)前的政治環(huán)境和對(duì)敵策略等因素，所以較為困難。

處理過(guò)程評(píng)估。監(jiān)視系統(tǒng)的性能，辨識(shí)改善性能所需的數(shù)據(jù)，進(jìn)行傳感器資源的合理配置。人機(jī)接口。提供人與計(jì)算機(jī)間的交互功能，如人工操作員的指導(dǎo)和評(píng)價(jià)、多媒體功能等。

二、多傳感器在林業(yè)中的應(yīng)用

2.1在森林防火中的應(yīng)用

在用MODIS(ModerateResolutionImagingSpectroradiometer)數(shù)據(jù)測(cè)定森林火點(diǎn)時(shí)的20、22、23波段的傳感器輻射值已達(dá)飽和狀態(tài)，用一般圖像增強(qiáng)處理方法探測(cè)燃燒區(qū)火點(diǎn)的結(jié)果不理想。余啟剛運(yùn)用數(shù)據(jù)融合技術(shù)，在空間分辨率為1000m的熱輻射通道的數(shù)據(jù)外加入空間分辨率為250m的可見(jiàn)光通道的數(shù)據(jù)，較好地進(jìn)行了不同空間分辨率信息的數(shù)據(jù)融合，大大提高了對(duì)火點(diǎn)位置的判斷準(zhǔn)確度。為進(jìn)一步提高衛(wèi)星光譜圖像數(shù)據(jù)分析的準(zhǔn)確性與可靠性，利用原有森林防火用的林區(qū)紅外探測(cè)器網(wǎng)，將其與衛(wèi)星光譜圖像數(shù)據(jù)融合，可以使計(jì)算機(jī)獲得GPS接收機(jī)輸出的有關(guān)信息通過(guò)與RS實(shí)現(xiàn)高效互補(bǔ)性融合，從而彌補(bǔ)衛(wèi)星圖譜不理想的缺失區(qū)數(shù)據(jù)信息，大大提高燃燒區(qū)火點(diǎn)信息準(zhǔn)確度和敏感性。

2.2森林蓄積特征的估計(jì)

HampusHolmstrom等在瑞典南部的試驗(yàn)區(qū)將SPOT-4×S衛(wèi)星數(shù)據(jù)和CARABAS-IIVHFSAR傳感器的雷達(dá)數(shù)據(jù)進(jìn)行了融合，采用KNN(knearestneighbor)方法對(duì)森林的蓄積特征(林分蓄積、樹(shù)種組成與年齡)進(jìn)行了估計(jì)。

KNN方法就是采用目標(biāo)樣地鄰近k個(gè)(k=10)最近樣地的加權(quán)來(lái)估計(jì)目標(biāo)樣地的森林特征。研究者應(yīng)用衛(wèi)星光譜數(shù)據(jù)、雷達(dá)數(shù)據(jù)融合技術(shù)對(duì)試驗(yàn)區(qū)的不同林分的蓄積特征進(jìn)行估計(jì)，并對(duì)三種不同的數(shù)據(jù)方法進(jìn)行誤差分析。試驗(yàn)表明，融合后的數(shù)據(jù)作出的估計(jì)比單一的衛(wèi)星數(shù)據(jù)或雷達(dá)數(shù)據(jù)的精度高且穩(wěn)定性好。

2.3用非垂直航空攝像數(shù)據(jù)融合GIS信息更新調(diào)查數(shù)據(jù)

森林資源調(diào)查是掌握森林資源現(xiàn)狀與變化的調(diào)查方法，一般以地面調(diào)查的方法為主，我國(guó)5年復(fù)查一次。由于森林資源調(diào)查的工作量巨大，且要花費(fèi)大量的人力、物力和資金。國(guó)內(nèi)外許多學(xué)者都在探索航空、航天的遙感調(diào)查與估計(jì)方法。

TrevorJDavis等2002年提出采用非垂直的航空攝影數(shù)據(jù)融合對(duì)應(yīng)的GIS數(shù)據(jù)信息實(shí)現(xiàn)森林調(diào)查數(shù)據(jù)的快速更新，認(rèn)為對(duì)森林資源整體而言，僅某些特殊地區(qū)的資源數(shù)據(jù)需要更新。在直升飛機(jī)側(cè)面裝上可視的數(shù)字?jǐn)z像裝置，利用GPS對(duì)測(cè)點(diǎn)進(jìn)行定位，對(duì)特殊地區(qū)的攝像進(jìn)行拍攝，同時(shí)與對(duì)應(yīng)的GIS數(shù)據(jù)進(jìn)行融合，做出資源變化的估計(jì)或影像的修正。

試驗(yàn)表明，融合后的數(shù)據(jù)可以同高分辨率矯正圖像相比，該方法花費(fèi)少，精度高，能充分利用影像的可視性，應(yīng)用于偏遠(yuǎn)、地形復(fù)雜、不易操作、成本高的區(qū)域，同時(shí)可避免遙感圖像受云層遮蓋。

三、數(shù)據(jù)融合在林業(yè)中的應(yīng)用展望

3.1在木材檢測(cè)中的應(yīng)用

3.1.1木材缺陷及其影響

木材是天然生長(zhǎng)的有機(jī)體，生長(zhǎng)過(guò)程中不可避免地有尖削度、彎曲度、節(jié)子等生長(zhǎng)缺陷，這些缺陷極大地影響了木材及其制品的優(yōu)良特性，以及木材的使用率、強(qiáng)度、外觀質(zhì)量，并限制了其應(yīng)用領(lǐng)域。在傳統(tǒng)木制品生產(chǎn)過(guò)程中，主要依靠人的肉眼來(lái)識(shí)別木材缺陷，而木材板材表面缺陷在大小、形狀和色澤上都有較大的差異，且受木材紋理的影響，識(shí)別起來(lái)非常困難，勞動(dòng)強(qiáng)度大，效率低，同時(shí)由于熟練程度、標(biāo)準(zhǔn)掌握等人為因素，可能造成較大的誤差。另外在集成材加工中，板材缺陷的非雙面識(shí)別嚴(yán)重影響了生產(chǎn)線的生產(chǎn)節(jié)拍。因此必須開(kāi)發(fā)一種能夠?qū)Π宀碾p面缺陷進(jìn)行在線識(shí)別和自動(dòng)剔除技術(shù)，以解決集成材加工中節(jié)子人工識(shí)別誤差大、難以實(shí)現(xiàn)雙面識(shí)別、剔除機(jī)械調(diào)整時(shí)間長(zhǎng)等問(wèn)題。

3.1.2單一傳感器在木材檢測(cè)中的應(yīng)用

對(duì)木材及人造板進(jìn)行無(wú)損檢測(cè)的方法很多，如超聲波、微波、射線、機(jī)械應(yīng)力、震動(dòng)、沖擊應(yīng)力波、快速傅立葉變換分析等檢測(cè)方法。超聲技術(shù)在木材工業(yè)中的應(yīng)用研究主要集中在研究聲波與木材種類、木材結(jié)構(gòu)和性能之間的關(guān)系、木材結(jié)構(gòu)及缺陷分析、膠的固化過(guò)程分析等。

隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，人們也將視覺(jué)傳感器應(yīng)用于木材檢測(cè)中。新西蘭科學(xué)家用視頻傳感器研究和測(cè)量了紙漿中的纖維橫切面的寬度、厚度、壁面積、壁厚度、腔比率、壁比率等，同時(shí)準(zhǔn)確地測(cè)量單個(gè)纖維和全部纖維的幾何尺寸及其變化趨勢(shì)，能夠區(qū)分不同紙漿類型，測(cè)定木材纖維材料加固結(jié)合力，并動(dòng)態(tài)地觀察木材纖維在材料中的結(jié)合機(jī)理。

新西蘭的基于視覺(jué)傳感器的板材缺陷識(shí)別的軟件已經(jīng)產(chǎn)業(yè)化，該軟件利用數(shù)碼相機(jī)或激光掃描儀采集板材的圖像，自動(dòng)識(shí)別板材節(jié)子和缺陷的位置，控制板材的加工。該軟件還具有進(jìn)行原木三維模型真實(shí)再現(xiàn)的計(jì)算機(jī)視覺(jué)識(shí)別功能，利用激光掃描儀自動(dòng)采集原木的三維幾何數(shù)據(jù)。

美國(guó)林產(chǎn)品實(shí)驗(yàn)室利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)木材刨花的尺寸大小進(jìn)行分級(jí)，確定各種刨花在板中的比例和刨花的排列方向；日本京都大學(xué)基于視覺(jué)傳感器進(jìn)行了定向刨花板內(nèi)刨花定向程度的檢測(cè)，從而可以通過(guò)調(diào)整定向鋪裝設(shè)備優(yōu)化刨花的排列方向來(lái)提高定向刨花板的強(qiáng)度。在制材加工過(guò)程中，利用計(jì)算機(jī)視覺(jué)技術(shù)在線實(shí)時(shí)檢測(cè)原木的形狀及尺寸，選擇最佳下鋸方法，提高原木的出材率。同時(shí)可對(duì)鋸材的質(zhì)量進(jìn)行分級(jí)，實(shí)現(xiàn)木材的優(yōu)化使用；在膠合板的生產(chǎn)過(guò)程中，利用計(jì)算機(jī)視覺(jué)技術(shù)在線實(shí)時(shí)檢測(cè)單板上的各種缺陷，實(shí)現(xiàn)單板的智能和自動(dòng)剪切，并可測(cè)量在剪切過(guò)程中的單板破損率，對(duì)單板進(jìn)行分等分級(jí)，實(shí)現(xiàn)自動(dòng)化生產(chǎn)過(guò)程。Wengert等在綜合了大量的板材分類經(jīng)驗(yàn)的基礎(chǔ)上，建立了板材分級(jí)分類的計(jì)算機(jī)視覺(jué)專家系統(tǒng)。在國(guó)內(nèi)這方面的研究較少，王金滿等用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)刨花板施膠效果進(jìn)行了定量分析。

X射線對(duì)木材及木質(zhì)復(fù)合材料的性能檢測(cè)已得到了廣泛的應(yīng)用，目前該技術(shù)主要應(yīng)用于對(duì)木材密度、含水率、纖維素相對(duì)結(jié)晶度和結(jié)晶區(qū)大小、纖維的化學(xué)結(jié)構(gòu)和性質(zhì)等進(jìn)行檢測(cè)，并對(duì)木材內(nèi)部的各種缺陷進(jìn)行檢測(cè)。

3.1.3數(shù)據(jù)融合在木材檢測(cè)中的應(yīng)用展望

單一傳感器在木材工業(yè)中已得到了一定程度的應(yīng)用，但各種單項(xiàng)技術(shù)在應(yīng)用上存在一定的局限性。如視覺(jué)傳感器不能檢測(cè)到有些與木材具有相同顏色的節(jié)子，有時(shí)會(huì)把木板上的臟物或油脂當(dāng)成節(jié)子，造成誤判，有時(shí)也會(huì)受到木材的種類或粗糙度和濕度的影響，此外，這種技術(shù)只能檢測(cè)部分表面缺陷，而無(wú)法檢測(cè)到內(nèi)部缺陷；超聲、微波、核磁共振和X射線技術(shù)均能測(cè)量密度及內(nèi)部特征，但是它們不能測(cè)定木材的顏色和瑕疵，因?yàn)檫@些缺陷的密度往往同木板相同。因此，一個(gè)理想的檢測(cè)系統(tǒng)應(yīng)該集成各種傳感技術(shù)，才能準(zhǔn)確、可靠地檢測(cè)到木材的缺陷。

基于多傳感器(機(jī)器視覺(jué)及X射線等)數(shù)據(jù)融合技術(shù)的木材及木制品表面缺陷檢測(cè)，可以集成多個(gè)傳統(tǒng)單項(xiàng)技術(shù)，更可靠、準(zhǔn)確地實(shí)時(shí)檢測(cè)出木材表面的各種缺陷，為實(shí)現(xiàn)木材分級(jí)自動(dòng)化、智能化奠定基礎(chǔ)，同時(shí)為集裁除鋸、自動(dòng)調(diào)整、自動(dòng)裁除節(jié)子等為一身的新型視頻識(shí)別集成材雙面節(jié)子數(shù)控自動(dòng)剔除成套設(shè)備提供技術(shù)支持。

3.2在精確林業(yè)中的應(yīng)用

美國(guó)華盛頓大學(xué)研究人員開(kāi)展了樹(shù)形自動(dòng)分析、林業(yè)作業(yè)規(guī)劃等研究工作；Auburn大學(xué)的生物系統(tǒng)工程系和USDA南方林業(yè)實(shí)驗(yàn)站與有關(guān)公司合作開(kāi)展用GPS和其他傳感器研究林業(yè)機(jī)器系統(tǒng)的性能和生產(chǎn)效率。

目前單項(xiàng)的GPS、RS、GIS正從“自動(dòng)化孤島”形式應(yīng)用于林業(yè)生產(chǎn)向集成技術(shù)轉(zhuǎn)變。林業(yè)生產(chǎn)系統(tǒng)作為一個(gè)多組分的復(fù)雜系統(tǒng)，是由能量流動(dòng)、物質(zhì)循環(huán)、信息流動(dòng)所推動(dòng)的具有一定的結(jié)構(gòu)和功能的復(fù)合體，各組分間的關(guān)系和結(jié)合方式影響系統(tǒng)整體的結(jié)構(gòu)和功能。因此應(yīng)該在計(jì)算機(jī)集成系統(tǒng)框架下，有效地融合GPS、GIS、RS等數(shù)據(jù)，解決這些信息在空間和時(shí)間上的質(zhì)的差異及空間數(shù)據(jù)類型的多樣性，如地理統(tǒng)計(jì)數(shù)據(jù)、柵格數(shù)據(jù)、點(diǎn)數(shù)據(jù)等。利用智能DSS(決策支持系統(tǒng))以及VRT(可變量技術(shù))等，使林業(yè)生產(chǎn)成為一個(gè)高效、柔性和開(kāi)放的體系，從而實(shí)現(xiàn)林業(yè)生產(chǎn)的標(biāo)準(zhǔn)化、規(guī)范化、開(kāi)放性，建立基于信息流融合的精確林業(yè)系統(tǒng)。

南京林業(yè)大學(xué)提出了“精確林業(yè)工程系統(tǒng)”。研究包括精確林業(yè)工程系統(tǒng)的領(lǐng)域體系結(jié)構(gòu)、隨時(shí)空變化的數(shù)據(jù)采集處理與融合技術(shù)、精確控制林業(yè)生產(chǎn)的智能決策支持系統(tǒng)、可變量控制技術(shù)等，實(shí)現(xiàn)基于自然界生物及其所賴以生存的環(huán)境資源的時(shí)空變異性的客觀現(xiàn)實(shí)，以最小資源投入、最小環(huán)境危害和最大產(chǎn)出效益為目標(biāo)，建立關(guān)于林業(yè)管理系統(tǒng)戰(zhàn)略思想的精確林業(yè)微觀管理系統(tǒng)。

[參考文獻(xiàn)]

[1]高翔，王勇.數(shù)據(jù)融合技術(shù)綜述[J].計(jì)算機(jī)控制與測(cè)量，2002，10(11)：706-709.

[2]龔元明，蕭德云，王俊杰.多傳感器數(shù)據(jù)融合技術(shù)(上)[J].冶金自動(dòng)化，2002(4)：4-7.

[3]錢(qián)永蘭，楊邦杰，雷廷武.數(shù)據(jù)融合及其在農(nóng)情遙感監(jiān)測(cè)中的應(yīng)用與展望[J].農(nóng)業(yè)工程學(xué)報(bào)，2004，20(4)：286-290.

[4]高德平，黃雪梅.多傳感器和數(shù)據(jù)融合(一)[J].紅外與激光工程，1999，28(1)：1-4.