計(jì)算機(jī)視覺技術(shù)基礎(chǔ)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)視覺技術(shù)基礎(chǔ)主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計(jì)算機(jī)視覺技術(shù)基礎(chǔ)范文

以下為報(bào)告詳細(xì)內(nèi)容：

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

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

iiMedia Research(艾媒咨詢)數(shù)據(jù)顯示，2017年中國計(jì)算機(jī)視覺市場(chǎng)規(guī)模為68億元，預(yù)計(jì)2020年市場(chǎng)規(guī)模達(dá)到780億元，年均復(fù)合增長(zhǎng)率達(dá)125.5%。艾媒咨詢分析師認(rèn)為，人們安全和效率需求不斷提升，計(jì)算機(jī)視覺技術(shù)在各行業(yè)應(yīng)用能有效滿足人們需求，市場(chǎng)發(fā)展空間巨大。國家政策對(duì)人工智能行業(yè)的支持也為計(jì)算機(jī)視覺的發(fā)展提供了有利的環(huán)境。隨著計(jì)算機(jī)視覺技術(shù)日漸成熟，企業(yè)商業(yè)化落地能力不斷提高，未來計(jì)算機(jī)視覺市場(chǎng)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(jì)算機(jī)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(rèn)為，商湯科技計(jì)算機(jī)視覺技術(shù)及算法能力在行業(yè)內(nèi)較為出色，同時(shí)在安防、金融、商業(yè)、手機(jī)端等多個(gè)領(lǐng)域均有商業(yè)落地應(yīng)用，在企業(yè)認(rèn)知和品牌推廣方面具有優(yōu)勢(shì)。

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

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

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

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

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

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

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

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

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

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

2017-2018中國計(jì)算機(jī)視覺行業(yè)發(fā)展趨勢(shì)

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

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

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

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

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

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

第2篇：計(jì)算機(jī)視覺技術(shù)基礎(chǔ)范文

【關(guān)鍵詞】精密測(cè)量 計(jì)算機(jī)視覺圖像 關(guān)鍵技術(shù)

在現(xiàn)代城市的建設(shè)中離不開測(cè)量的運(yùn)用，對(duì)于測(cè)量而言需要精確的數(shù)值來表達(dá)建筑物、地形地貌等特征及高度。在以往的測(cè)量中無法精準(zhǔn)的進(jìn)行計(jì)算及在施工中無法精準(zhǔn)的達(dá)到設(shè)計(jì)要求。本文就計(jì)算機(jī)視覺圖像精密測(cè)量進(jìn)行分析，并對(duì)其關(guān)鍵技術(shù)做以簡(jiǎn)析。

1 概論

1.1 什么是計(jì)算機(jī)視覺圖像精密測(cè)量

計(jì)算機(jī)視覺精密測(cè)量從定義上來講是一種新型的、非接觸性測(cè)量。它是集計(jì)算機(jī)視覺技術(shù)、圖像處理技術(shù)及測(cè)量技術(shù)于一體的高精度測(cè)量技術(shù)，且將光學(xué)測(cè)量的技術(shù)融入當(dāng)中。這樣讓它具備了快速、精準(zhǔn)、智能等方面的優(yōu)勢(shì)及特性。這種測(cè)量方法在現(xiàn)代測(cè)量中被廣泛使用。

1.2 計(jì)算機(jī)視覺圖像精密測(cè)量的工作原理

計(jì)算機(jī)視覺圖像精密測(cè)量的工作原理類似于測(cè)量?jī)x器中的全站儀。它們具有相同的特點(diǎn)及特性，主要還是通過微電腦進(jìn)行快速的計(jì)算處理得到使用者需要的測(cè)量數(shù)據(jù)。其原理簡(jiǎn)單分為以下幾步：

（1）對(duì)被測(cè)量物體進(jìn)行圖像掃描，在對(duì)圖像進(jìn)行掃描時(shí)需注意外借環(huán)境及光線因素，特別注意光線對(duì)于儀器掃描的影響。

（2）形成比例的原始圖，在對(duì)于物體進(jìn)行掃描后得到與現(xiàn)實(shí)原狀相同的圖像，在個(gè)步驟與相機(jī)的拍照原理幾乎相同。

（3）提取特征，通過微電子計(jì)算機(jī)對(duì)掃描形成的原始圖進(jìn)行特征的提取，在設(shè)置程序后，儀器會(huì)自動(dòng)進(jìn)行相應(yīng)特征部分的關(guān)鍵提取。

（4）分類整理，對(duì)圖像特征進(jìn)行有效的分類整理，主要對(duì)于操作人員所需求的數(shù)據(jù)進(jìn)行整理分類。

（5）形成數(shù)據(jù)文件，在完成以上四個(gè)步驟后微計(jì)算機(jī)會(huì)對(duì)于整理分類出的特征進(jìn)行數(shù)據(jù)分析存儲(chǔ)。對(duì)于計(jì)算機(jī)視覺圖像精密測(cè)量的工作原理就進(jìn)行以上分析。

1.3 主要影響

從施工測(cè)量及測(cè)繪角度分析，對(duì)于計(jì)算機(jī)視覺圖像精密測(cè)量的影響在于環(huán)境的影響。其主要分為地形影響和氣候影響。地形影響對(duì)于計(jì)算機(jī)視覺圖像精密測(cè)量是有限的，基本對(duì)于計(jì)算機(jī)視覺圖像精密測(cè)量的影響不是很大，但還是存在一定的影響。主要體現(xiàn)在遮擋物對(duì)于掃描成像的影響，如果掃描成像質(zhì)量較差，會(huì)直接影響到對(duì)于特征物的提取及數(shù)據(jù)的準(zhǔn)確性。還存在氣候影響，氣候影響的因素主要在于大風(fēng)及光線影響。大風(fēng)對(duì)于掃描儀器的穩(wěn)定性具有一定的考驗(yàn)，如有稍微抖動(dòng)就會(huì)出現(xiàn)誤差不能準(zhǔn)確的進(jìn)行精密測(cè)量。光線的影響在于光照的強(qiáng)度上，主要還是表現(xiàn)在基礎(chǔ)的成像，成像結(jié)果會(huì)直接導(dǎo)致數(shù)據(jù)結(jié)果的準(zhǔn)確性。

2 計(jì)算機(jī)視覺圖像精密測(cè)量下的關(guān)鍵技術(shù)

計(jì)算機(jī)視覺圖像精密測(cè)量下的關(guān)鍵技術(shù)主要分為以下幾種：

2.1 自動(dòng)進(jìn)行數(shù)據(jù)存儲(chǔ)

在對(duì)計(jì)算機(jī)視覺圖像精密測(cè)量的原理分析，參照計(jì)算機(jī)視覺圖像精密測(cè)量的工作原理，對(duì)設(shè)備的質(zhì)量要求很高，計(jì)算機(jī)視覺圖像精密測(cè)量?jī)x器主要還是通過計(jì)算機(jī)來進(jìn)行數(shù)據(jù)的計(jì)算處理，如果遇到計(jì)算機(jī)系統(tǒng)老舊或處理數(shù)據(jù)量較大，會(huì)導(dǎo)致計(jì)算機(jī)系統(tǒng)崩潰，導(dǎo)致計(jì)算結(jié)果無法進(jìn)行正常的存儲(chǔ)。為了避免這種情況的發(fā)生，需要對(duì)于測(cè)量成果技術(shù)進(jìn)行有效的存儲(chǔ)。將測(cè)量數(shù)據(jù)成果存儲(chǔ)在固定、安全的存儲(chǔ)媒介中，保證數(shù)據(jù)的安全性。如果遇到計(jì)算機(jī)系統(tǒng)崩潰等無法正常運(yùn)行的情況時(shí)，應(yīng)及時(shí)將數(shù)據(jù)進(jìn)行備份存儲(chǔ)，快速還原數(shù)據(jù)。在對(duì)于前期測(cè)量數(shù)據(jù)再次進(jìn)行測(cè)量或多次測(cè)量，系統(tǒng)會(huì)對(duì)于這些數(shù)據(jù)進(jìn)行統(tǒng)一對(duì)比，如果出現(xiàn)多次測(cè)量結(jié)果有所出入，系統(tǒng)會(huì)進(jìn)行提示。這樣就可以避免數(shù)據(jù)存在較大的誤差。

2.2 減小誤差概率

在進(jìn)行計(jì)算機(jī)視覺圖像精密測(cè)量時(shí)往往會(huì)出現(xiàn)誤差，而導(dǎo)致這些誤差的原因主要存在于操作人員與機(jī)器系統(tǒng)故障，在進(jìn)行操作前操作員應(yīng)對(duì)于儀器進(jìn)行系統(tǒng)性的檢查，再次使用儀器中的自檢系統(tǒng)，保證儀器的硬件與軟件的正常運(yùn)行，如果硬軟件出現(xiàn)問題會(huì)導(dǎo)致測(cè)量精度的誤差，從而影響工作的進(jìn)度。人員操作也會(huì)導(dǎo)致誤差，人員操作的誤差在某些方面來說是不可避免的。這主要是對(duì)操作人員工作的熟練程度的一種考驗(yàn)，主要是對(duì)于儀器的架設(shè)及觀測(cè)的方式。減少人員操作中的誤差，就要做好人員的技術(shù)技能培訓(xùn)工作。讓操作人員有過硬過強(qiáng)的操作技術(shù)，在這些基礎(chǔ)上再建立完善的體制制度。利用多方面進(jìn)行全面控制誤差。

2.3 方便便攜

在科學(xué)技術(shù)發(fā)展的今天我們?cè)谏町?dāng)中運(yùn)用到東西逐漸在形狀、外觀上發(fā)生巨大的變大。近年來，對(duì)于各種儀器設(shè)備的便攜性提出了很高的要求，在計(jì)算機(jī)視覺圖像精密測(cè)量中對(duì)設(shè)備的外形體積要求、系統(tǒng)要求更為重要，其主要在于人員方便攜帶可在大范圍及野外進(jìn)行測(cè)量，不受環(huán)境等特殊情況的限制。

3 計(jì)算機(jī)視覺圖像精密測(cè)量發(fā)展趨勢(shì)

目前我國國民經(jīng)濟(jì)快速發(fā)展，我們對(duì)于精密測(cè)量的要求越來越來高，特別是近年我國科技技術(shù)的快速發(fā)展及需要，很多工程及工業(yè)方面已經(jīng)超出我們所能測(cè)試的范圍。在這樣的前景下，我們對(duì)于計(jì)算機(jī)視覺圖像精密測(cè)量的發(fā)展趨勢(shì)進(jìn)行一個(gè)預(yù)估，其主要發(fā)展趨勢(shì)有以下幾方面：

3.1 測(cè)量精度

在我們?nèi)粘Ｉ钪?，我們常用的長(zhǎng)度單位基本在毫米級(jí)別，但在現(xiàn)在生活中，毫米級(jí)別已經(jīng)不能滿足工業(yè)方面的要求，如航天航空方面。所以提高測(cè)量精度也是計(jì)算機(jī)視覺圖像精密測(cè)量發(fā)展趨勢(shì)的重要方向，主要在于提高測(cè)量精度，在向微米級(jí)及納米級(jí)別發(fā)展，同時(shí)提高成像圖像方面的分辨率，進(jìn)而達(dá)到我們預(yù)測(cè)的目的。

3.2 圖像技術(shù)

計(jì)算機(jī)的普遍對(duì)于各行各業(yè)的發(fā)展都具有時(shí)代性的意義，在計(jì)算機(jī)視覺圖像精密測(cè)量中運(yùn)用圖像技術(shù)也是非常重要的，在提高圖像處理技術(shù)做以提高。同時(shí)工程方面遙感測(cè)量的技術(shù)也是對(duì)于精密測(cè)量的一種推廣。

4 結(jié)束語

在科技發(fā)展的現(xiàn)在，測(cè)量是生活中不可缺少的一部分，測(cè)量同時(shí)也影響著我們的衣食住行，在測(cè)量技術(shù)中加入計(jì)算機(jī)視覺圖像技術(shù)是對(duì)測(cè)量技術(shù)的一種革新。在融入這種技術(shù)后，我相信在未來的工業(yè)及航天事業(yè)中計(jì)算機(jī)視覺圖像技g能發(fā)揮出最大限度的作用，為改變?nèi)藗兊纳钭龀鼋艹龅呢暙I(xiàn)。

參考文獻(xiàn)

[1]湯劍.周芳芹.楊繼隆.計(jì)算機(jī)視覺圖像系統(tǒng)的技術(shù)改造[J].機(jī)電產(chǎn)品開發(fā)與創(chuàng)新周刊，2015，14（18）：33-36.

[2]馬玉真.程殿彬.范文兵，計(jì)算機(jī)視覺檢測(cè)技術(shù)的發(fā)展及應(yīng)用研究[J].濟(jì)南大學(xué)學(xué)報(bào)，2014，18（23）：222-227.

[3]李華.基于計(jì)算機(jī)視覺圖像精密測(cè)量的關(guān)鍵技術(shù)分析[J].電腦知識(shí)與技術(shù)，2013（05）：1211-1212.

第3篇：計(jì)算機(jī)視覺技術(shù)基礎(chǔ)范文

關(guān)鍵詞：計(jì)算機(jī)視覺技術(shù) 鐵路檢測(cè) 應(yīng)用

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-3973（2012）002-075-03

1 前言

自1825年世界第一條鐵路在英國出現(xiàn)以來，鐵路已經(jīng)成為人們不可或缺的交通工具，越來越多的人在使用鐵路出行，由于近年來鐵路事故頻頻發(fā)生，促使了計(jì)算機(jī)視覺技術(shù)在鐵路檢測(cè)上的廣泛使用并大力發(fā)展。

傳統(tǒng)的鐵路檢測(cè)一直是靠人工和靜態(tài)檢測(cè)，這種檢測(cè)缺乏實(shí)時(shí)性和準(zhǔn)確性，并且效率低下，根本無法滿足鐵路的發(fā)展。這就要求研究一種新的檢測(cè)方法來適應(yīng)環(huán)境的發(fā)展，人們就試圖將計(jì)算機(jī)視覺技術(shù)應(yīng)用于鐵路檢測(cè)上，并取得了很好的效果。將計(jì)算機(jī)視覺技術(shù)應(yīng)用在鐵路檢測(cè)上顯著提高了鐵路檢測(cè)的實(shí)時(shí)性、準(zhǔn)確性，有效的減輕了人工檢測(cè)中工作條件惡劣，工作量大等缺點(diǎn)。它能在列車行駛的過程中就能對(duì)鐵路和列車狀況進(jìn)行檢測(cè)，并及時(shí)的做出預(yù)警，防止安全事故的發(fā)生。目前有關(guān)鐵路檢測(cè)主要集中在鐵路信號(hào)檢測(cè)、軌道檢測(cè)、接觸網(wǎng)檢測(cè)、電力機(jī)車檢測(cè)及站臺(tái)環(huán)境監(jiān)測(cè)等五個(gè)方面。

2 計(jì)算機(jī)視覺技術(shù)

計(jì)算機(jī)視覺，也稱機(jī)器視覺。它是利用一個(gè)代替人眼的圖像傳感器獲取物體的圖像，將圖像轉(zhuǎn)換成數(shù)字圖像，并利用計(jì)算機(jī)模擬人的判別準(zhǔn)則去理解和識(shí)別圖像，達(dá)到分析圖像和作出結(jié)論的目的。

計(jì)算機(jī)視覺是多學(xué)科的交叉和結(jié)合，涉及到數(shù)學(xué)、光學(xué)、人工智能、神經(jīng)生物學(xué)、心理物理學(xué)、計(jì)算機(jī)科學(xué)、圖像處理、圖像理解、模式識(shí)別等多個(gè)領(lǐng)域。計(jì)算機(jī)視覺已有多年的發(fā)展歷程。隨著計(jì)算機(jī)、控制理論、模式識(shí)別、人工智能和生物技術(shù)的發(fā)展，計(jì)算機(jī)視覺在機(jī)器人、工業(yè)檢測(cè)、物體識(shí)別的應(yīng)用越來越廣，研究方向也從二維到三維，從串行到并行，從直接依賴于輸入信號(hào)的低層處理到依賴于特征、結(jié)構(gòu)、關(guān)系和知識(shí)的高層處理。

一般的計(jì)算機(jī)視覺系統(tǒng)是有CCD(電荷耦合器件)攝像機(jī)、裝備有圖像采集板的計(jì)算機(jī)、光照系統(tǒng)以及專用圖像處理軟件等組成。CCD攝像機(jī)將所要研究的對(duì)象和背景以圖像的形式記錄下來，這其實(shí)是一個(gè)光電傳感器，將光學(xué)信號(hào)轉(zhuǎn)成電信號(hào)，圖像采集板把采集的電信號(hào)轉(zhuǎn)為數(shù)字信號(hào)，即數(shù)字化，一般情況下在攝取圖像時(shí)都需要一個(gè)照明系統(tǒng)提供光照，然后再用專用的圖像處理軟件對(duì)圖像進(jìn)行處理，輸出分析結(jié)果。

3 計(jì)算機(jī)視覺技術(shù)在鐵路信號(hào)中的應(yīng)用

鐵路信號(hào)燈和現(xiàn)在的交通公路上的紅綠燈是一個(gè)功能，但鐵路和公路不同，鐵路有限定的道路，列車必須在限定的股道上行駛，所以一旦與其他車輛相遇的話根本沒有辦法避讓，如果發(fā)生車禍將會(huì)對(duì)國家和人民的生命和財(cái)產(chǎn)造成嚴(yán)重的損失，因此列車必須嚴(yán)格按照信號(hào)燈的指示行駛。

鐵路信號(hào)燈識(shí)別主要是利用了信號(hào)燈在不同情況下會(huì)發(fā)出特定色彩光的特點(diǎn)。文獻(xiàn)[1]在HSV空間中對(duì)S分量圖像邊緣檢測(cè)和膨脹等，結(jié)合各種信號(hào)燈色調(diào)H分量的取值范圍得到信號(hào)燈區(qū)域，然后多次腐蝕直到消除孤立點(diǎn)得到信號(hào)燈的邊緣，最后填充信號(hào)燈區(qū)域，從而實(shí)現(xiàn)了信號(hào)燈的識(shí)別。在文獻(xiàn)[2]也與此類似。文獻(xiàn)[3]將彩色圖像由RGB模式轉(zhuǎn)化為HSI模式，用彩色特征聚類分析法來對(duì)圖像進(jìn)行分割，文中提出了基于顏色和形狀相結(jié)合的復(fù)雜環(huán)境中目標(biāo)檢測(cè)與識(shí)別方法，用Hough變化來提取目標(biāo)邊界，從而提取出特定目標(biāo)，而后得到指示燈區(qū)域所有像素的H，S統(tǒng)計(jì)值確定信號(hào)燈的顏色。在文獻(xiàn)[4]提出一種基于改進(jìn)的Hough變化的吊車信號(hào)燈識(shí)別算法。Roberto將攝取的圖片轉(zhuǎn)換到HIS顏色空間，用基于形狀特征和模板匹配的方法探測(cè)到相關(guān)的鐵路標(biāo)志而放棄無關(guān)的基礎(chǔ)設(shè)施。

為了部分消除因?yàn)楣庹諚l件、背景和拍攝角度對(duì)目標(biāo)識(shí)別的影響，文獻(xiàn)[5]提出使用一種利用sift特征的方法，它首先建立已知樣本模型的特征集，然后將視頻流每幀灰度圖像的sift特征與之比較，從而實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)或跟蹤。實(shí)驗(yàn)表明該方法不僅能避免目標(biāo)的錯(cuò)誤識(shí)別，而且也明顯優(yōu)于基于邊緣檢測(cè)的算法，在識(shí)別準(zhǔn)確率上達(dá)到了90%。

4 計(jì)算機(jī)視覺技術(shù)在軌道檢測(cè)中的應(yīng)用

隨著世界鐵路運(yùn)營速度的不斷提高，列車在行駛時(shí)對(duì)軌道的撞擊、摩擦加劇，這就會(huì)造成軌道的變形、零件松動(dòng)、磨損乃至缺失等，這些都會(huì)對(duì)列車的安全性造成嚴(yán)重影響，極有可能會(huì)造成鐵路安全事故的發(fā)生。因此軌道設(shè)備具備良好的狀態(tài)是鐵路運(yùn)輸安全的重要保證。

隨著電子技術(shù)和檢測(cè)技術(shù)的發(fā)展，軌道檢測(cè)技術(shù)也經(jīng)歷了翻天覆地的變化，其中也有不少研究機(jī)構(gòu)將計(jì)算機(jī)視覺技術(shù)應(yīng)用于軌道檢測(cè)上，且取得了若干有效的檢測(cè)方法。

軌道表面缺陷對(duì)列車行駛的質(zhì)量和鐵路系統(tǒng)的安全性會(huì)造成嚴(yán)重的影響，文獻(xiàn)[7]提出了一種軌道表面缺陷檢測(cè)的實(shí)時(shí)視覺檢測(cè)系統(tǒng)。利用跟蹤提取算法分割出軌道的灰度圖像，然后用局部歸一化法增強(qiáng)軌道圖像的對(duì)比度，最后用基于投影輪廓的缺陷定位法檢測(cè)缺陷。該算法對(duì)噪聲有較強(qiáng)的魯棒性和計(jì)算速度快，在一定程度上克服了光照不均和軌道表面反射性質(zhì)不同對(duì)圖像的影響，但對(duì)局部歸一化過程中參數(shù)的選擇有待進(jìn)一步研究，以使該系統(tǒng)有更強(qiáng)的魯棒性。該系統(tǒng)在216km/h速度下能進(jìn)行實(shí)時(shí)檢測(cè)，但隨著檢測(cè)速度的提高檢測(cè)的準(zhǔn)確度會(huì)明顯下降且缺乏實(shí)時(shí)性。

文獻(xiàn)[8]利用一排結(jié)構(gòu)光視覺傳感器，將鋼軌輪廓的大圓周和小圓周的中心作為檢查點(diǎn)。首先結(jié)構(gòu)光視覺傳感器拍攝鐵軌側(cè)面并且將其標(biāo)記 在參考坐標(biāo)幀中，最后通過比較測(cè)量的鋼軌輪廓與參考輪廓的比較計(jì)算出鐵軌磨損程度。該方法簡(jiǎn)單快速精確且不需要特殊的圖像處理設(shè)備，在列車較高速度時(shí)仍然能達(dá)到良好效果。

5 計(jì)算機(jī)視覺技術(shù)在接觸網(wǎng)檢測(cè)中的應(yīng)用

接觸網(wǎng)是沿鐵路線上空架設(shè)的向電力機(jī)車供電的特殊形式的輸電線路。其由接觸懸掛、支持裝置、定位裝置、支柱與基礎(chǔ)幾部分組成。它是軌道交通的主要組成部分，主要為機(jī)車提供動(dòng)力，接觸網(wǎng)的連接件由于受外界因素的影響容易產(chǎn)生過熱現(xiàn)象，嚴(yán)重時(shí)會(huì)導(dǎo)致供電中斷，引發(fā)列車停運(yùn)事故。

我國的計(jì)算機(jī)視覺技術(shù)的接觸網(wǎng)檢測(cè)系統(tǒng)是基于德國相關(guān)技術(shù)而建立起來的，目前基于計(jì)算機(jī)視覺技術(shù)的接觸網(wǎng)磨耗檢測(cè)主要有兩種方案：(1)基于鏡面反射，激光照射接觸線，線性CCD照相機(jī)捕獲反射圖像；(2)基于漫反射原理和CMOS(互補(bǔ)金屬氧化物半導(dǎo)體)照相機(jī)。由于長(zhǎng)期的頻繁摩擦，接觸網(wǎng)與受電弓接觸部分很少被空氣氧化，所以用光進(jìn)行照射時(shí)該部分光反射率明顯高于其他部分，因此這也為計(jì)算機(jī)視覺技術(shù)用于接觸網(wǎng)檢測(cè)提供了可能。

基于機(jī)器視覺的接觸網(wǎng)檢測(cè)系統(tǒng)主要是建立在圖像識(shí)別和圖像處理等視覺技術(shù)基礎(chǔ)之上的，檢測(cè)的內(nèi)容涵蓋接觸網(wǎng)的所有基本幾何參數(shù)。隨著鐵路的發(fā)展，原有的檢測(cè)系統(tǒng)已經(jīng)暴露出了一些問題，已無法滿足需求，所以研究人員在系統(tǒng)硬件設(shè)備不變的情況下提出了許多改進(jìn)的算法，如文獻(xiàn)[9]針對(duì)現(xiàn)行的接觸網(wǎng)定位器傾斜度檢測(cè)方法效率低下、精確度不高的缺點(diǎn)，提出了一種基于計(jì)算機(jī)視覺的接觸網(wǎng)定位器傾斜度自動(dòng)測(cè)量裝置，應(yīng)用圖像分割、剔除干擾線、圖像細(xì)化等算法，對(duì)采集的圖像進(jìn)行處理，然后利用改進(jìn)的霍夫(Hough)變換檢測(cè)細(xì)化后的圖像，對(duì)相鄰的特征像素點(diǎn)進(jìn)行聚類并感知編組，最后用隨機(jī)Hough變換使感知編組后的每條線段更接近直線，進(jìn)而計(jì)算裝置中定位器的傾斜度，實(shí)驗(yàn)證明該算法精度高、速度快。

6 計(jì)算機(jī)視覺技術(shù)在電力機(jī)車檢測(cè)中的應(yīng)用

在列車的行進(jìn)過程中，機(jī)車車輪與鋼軌接觸面不斷發(fā)生摩擦，也就是輪緣與踏面的摩擦。從而會(huì)造成踏面的擦傷或剝離，而剝離會(huì)嚴(yán)重影響列車運(yùn)行的安全性和平穩(wěn)性以及軌道設(shè)施的使用壽命，因此需要對(duì)輪緣進(jìn)行定期的檢測(cè)和維修。

傳統(tǒng)的檢測(cè)方法需要人工逐項(xiàng)檢測(cè)，存在費(fèi)時(shí)費(fèi)力、工作量大、工作環(huán)境差、效率低等缺點(diǎn)，所以人們就提出了一種基于計(jì)算機(jī)視覺技術(shù)的檢測(cè)技術(shù)，該技術(shù)是一種非接觸式檢測(cè)方法，它能檢測(cè)出所有關(guān)于火車輪緣輪廓的幾何參數(shù)，從而計(jì)算出火車輪緣的磨損情況。這種檢測(cè)方法檢測(cè)速度快、準(zhǔn)確率高且大大減輕了勞動(dòng)強(qiáng)度，在實(shí)驗(yàn)中取得了滿意的效果，并且在實(shí)際檢測(cè)中也得到了廣泛的應(yīng)用。

文獻(xiàn)[10]中研發(fā)設(shè)計(jì)了一種利用CCD成像測(cè)量技術(shù)、圖像處理理論和計(jì)算機(jī)控制等相關(guān)技術(shù)，提出了一種非接觸式的在線測(cè)量系統(tǒng)。采用二元多項(xiàng)式方法對(duì)由于硬件裝置引起的誤差的圖像進(jìn)行幾何校正，用統(tǒng)計(jì)均值法對(duì)圖像進(jìn)行分割，從而求出車輪踏面的各項(xiàng)參數(shù)，通過在實(shí)驗(yàn)室對(duì)標(biāo)準(zhǔn)物進(jìn)行測(cè)試實(shí)驗(yàn)而得到的測(cè)量數(shù)據(jù)結(jié)果進(jìn)行分析而得出。此系統(tǒng)能夠完成對(duì)火車輪對(duì)幾何參數(shù)的測(cè)量，并且可得到相對(duì)準(zhǔn)確的測(cè)量結(jié)果。

為了解決檢測(cè)輪緣高度和寬度存在精度難以保證及穩(wěn)定性不高的問題，文獻(xiàn)[11]提出了一種基于三角法測(cè)量的在線監(jiān)測(cè)系統(tǒng)，該系統(tǒng)由CCD高速攝像機(jī)和結(jié)構(gòu)光發(fā)射器完成數(shù)據(jù)的采集，然后利用三角測(cè)量原理導(dǎo)出測(cè)量模型和計(jì)算模型，根據(jù)輪緣高度和寬度的定義完成對(duì)高度和寬度的測(cè)量，最終對(duì)輪緣磨損程度進(jìn)行量化，實(shí)驗(yàn)表明該算法測(cè)量精度高，結(jié)果穩(wěn)定可靠。

7 計(jì)算機(jī)視覺技術(shù)在站臺(tái)環(huán)境監(jiān)測(cè)中的應(yīng)用

近年來鐵路交通事業(yè)發(fā)展迅速，鐵路客流量也不斷增大，如中國每年的春運(yùn)期間都有上億人次通過火車返鄉(xiāng)，各種危害乘客安全的事故也時(shí)有發(fā)生，因此世界各國特別是中國站臺(tái)監(jiān)控就顯得越來越重要，目前的站臺(tái)監(jiān)控主要是依靠安裝在各個(gè)角落的閉路電視或?qū)I(yè)技術(shù)人員，這不僅需要專業(yè)技術(shù)知識(shí)還需要大量的人力物力。隨著計(jì)算機(jī)、圖像處理等技術(shù)的快速發(fā)展，對(duì)站臺(tái)的自動(dòng)監(jiān)控也逐漸成為發(fā)展趨勢(shì)。

近年來人們做了許多關(guān)于站臺(tái)人群檢測(cè)的研究，這些研究大都使用鐵路站臺(tái)中的閉路電視（CCTV）系統(tǒng)，在現(xiàn)代的CCTV系統(tǒng)中基本上使用的是數(shù)字化圖像，在人群監(jiān)測(cè)過程中大量使用了數(shù)字圖像處理技術(shù)，如邊緣檢測(cè)、細(xì)化、像素計(jì)算等，通過圖像的處理可以輕易的得到想要的結(jié)果。

文獻(xiàn)[12]仍采用原有的CCTV監(jiān)控系統(tǒng)拍攝的灰度圖像作為處理對(duì)象，利用基于視覺的經(jīng)過最小二乘法和全局搜索的混合算法訓(xùn)練的工業(yè)的額神經(jīng)網(wǎng)絡(luò)來估算站臺(tái)的擁擠程度，該系統(tǒng)在實(shí)際的運(yùn)行中獲得了較高的精確度，雖然不能計(jì)算人數(shù)但卻能實(shí)時(shí)的預(yù)測(cè)人群的密度。

文獻(xiàn)[13]所設(shè)計(jì)的系統(tǒng)就較為復(fù)雜，它利用多臺(tái)攝像頭對(duì)站臺(tái)進(jìn)行檢測(cè)。首先判斷站臺(tái)上列車的四種狀態(tài)，如：沒有列車、有列車、列車正在出站、列車正在入站等，然后對(duì)物體或行人檢測(cè)及跟蹤，最后對(duì)所檢測(cè)的結(jié)果綜合分析，做出合理的預(yù)警或警告。

8 計(jì)算機(jī)視覺技術(shù)在鐵路檢測(cè)上的發(fā)展趨勢(shì)

隨著計(jì)算機(jī)視覺技術(shù)的鐵路檢測(cè)中的應(yīng)用越來越廣泛和深入，并且隨著計(jì)算機(jī)視覺技術(shù)等關(guān)鍵技術(shù)的不斷發(fā)展，計(jì)算機(jī)視覺技術(shù)在鐵路檢測(cè)上應(yīng)用發(fā)揮更大的作用，它就目前而言在鐵路檢測(cè)的應(yīng)用上仍然存在技術(shù)難題需要研究：

第4篇：計(jì)算機(jī)視覺技術(shù)基礎(chǔ)范文

Abstract： This paper puts forward the camera calibration method in computer vision， through analysis of principle of computer vision， and analyzes the application of camera calibration methods in computer vision.

關(guān)鍵詞： 計(jì)算機(jī)；視覺；攝像機(jī)；定標(biāo)

Key words： computer；visual；camera；scaling

中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2013）24-0193-02

0 引言

在計(jì)算機(jī)技術(shù)快速發(fā)展的今天，人們?cè)絹碓揭蕾囉谟?jì)算機(jī)，計(jì)算機(jī)在人們的生活工作中占有重要的地位。計(jì)算機(jī)中的各種應(yīng)用層出不窮，廣泛應(yīng)用在各個(gè)領(lǐng)域，計(jì)算機(jī)視覺在攝像中的應(yīng)用為攝像機(jī)定標(biāo)方法提供了巨大的參考價(jià)值。由于人們對(duì)攝像機(jī)拍攝效果的要求，使得攝像機(jī)在不斷改革更新，攝像機(jī)的定標(biāo)方法是攝像機(jī)研究領(lǐng)域備受關(guān)注的話題。計(jì)算機(jī)視覺中攝像機(jī)的定標(biāo)方法是攝像機(jī)研究領(lǐng)域所推崇的，它受到了研究人員的高度重視。計(jì)算機(jī)視覺中攝像機(jī)的定標(biāo)方法呈現(xiàn)出了高質(zhì)量的攝像效果，極大地滿足了人們對(duì)攝像機(jī)攝像效果的要求。

1 計(jì)算機(jī)視覺投影原理

計(jì)算機(jī)視覺投影原理是利用光的折射現(xiàn)象，把視覺中呈現(xiàn)的影像投射到攝影機(jī)的屏幕上，形成了固定的圖像。在計(jì)算機(jī)視覺中攝影機(jī)的成像原理就是利用光的感應(yīng)，通過對(duì)攝像機(jī)的焦距進(jìn)行調(diào)整，確定拍攝目標(biāo)在攝像機(jī)鏡頭中的位置，然后利用光的折射形成固定的圖像。在進(jìn)行攝像時(shí)調(diào)整焦距是非常關(guān)鍵的，焦距就是鏡頭與目標(biāo)之間的距離，這兩者距離的遠(yuǎn)近決定了攝像的效果。如果焦距太遠(yuǎn)的話，目標(biāo)成像就會(huì)非常小甚至是模糊。如果焦距太近的話，目標(biāo)成像會(huì)很大也會(huì)導(dǎo)致無法看清圖像，所以調(diào)整焦距是非常必要的，只有調(diào)好了焦距才會(huì)形成高質(zhì)量的圖像。

2 計(jì)算機(jī)視覺中的攝像機(jī)定標(biāo)方法

2.1 三維立體定標(biāo)法 攝像機(jī)的成像往往都是三維立體的，把圖形通過每個(gè)立體面詳細(xì)的表現(xiàn)出來，以達(dá)到完美的效果。要想達(dá)到三維立體的效果在對(duì)攝像目標(biāo)的位置進(jìn)行確定時(shí)，就要找出目標(biāo)的三維坐標(biāo)點(diǎn)，以便接下來的攝像工作可以順利進(jìn)行。然后在圖像投影中找到對(duì)應(yīng)的三維坐標(biāo)，這一步?jīng)Q定了整個(gè)攝像過程的設(shè)計(jì)方案。最后確定目標(biāo)在攝影鏡頭中的實(shí)際三維坐標(biāo)，根據(jù)鏡頭中目標(biāo)的實(shí)際三維坐標(biāo)形成具體的圖像。三維立體定標(biāo)方法的操作原理就是把目標(biāo)的三維投影進(jìn)行分步成像，和實(shí)際成像效果相聯(lián)系，形成鏡頭中具體的三維圖像。在計(jì)算機(jī)視覺中把三維成像圖進(jìn)行處理，對(duì)三維定標(biāo)的參數(shù)進(jìn)行分析，找出最優(yōu)的三維成像方法，使攝像機(jī)呈現(xiàn)出高質(zhì)量的攝像效果。

2.2 平面定標(biāo)法 平面定標(biāo)法就是利用多個(gè)成像平面對(duì)目標(biāo)的位置進(jìn)行分析，選擇合適的成像平面對(duì)目標(biāo)進(jìn)行位置的確定。每個(gè)平面的成像都是不同的，由于每個(gè)平面的成像都是在運(yùn)動(dòng)的，所以應(yīng)該在攝像機(jī)與目標(biāo)之間的平面內(nèi)找到一個(gè)點(diǎn)，來分析目標(biāo)與攝像機(jī)之間的成像規(guī)律，然后根據(jù)這一規(guī)律對(duì)目標(biāo)進(jìn)行定標(biāo)，使攝像機(jī)中運(yùn)動(dòng)的目標(biāo)給人們帶來不一樣的感受。隨著目標(biāo)的不斷運(yùn)動(dòng)，攝像機(jī)與目標(biāo)之間平面內(nèi)的點(diǎn)會(huì)越來越多，對(duì)物體的定標(biāo)會(huì)受到這些點(diǎn)的影響，物體定標(biāo)的準(zhǔn)確度也越來越高，為攝像機(jī)定標(biāo)提供了可靠的信息支持，會(huì)減少攝像機(jī)定標(biāo)的成本，提高了攝像的經(jīng)濟(jì)效益。相比三維立體定標(biāo)法，平面定標(biāo)的精確度更高，定標(biāo)所用的時(shí)間相對(duì)較短，所以平面定標(biāo)法在攝像研究領(lǐng)域中值得推廣。

2.3 雙平面定標(biāo)法 所謂的雙平面定標(biāo)法就是利用鏡頭與目標(biāo)之間的兩個(gè)平面的成像點(diǎn)來進(jìn)行定標(biāo)，不需要成像平面上的光線通過平面中心，只要選取兩個(gè)平面之間任意兩點(diǎn)坐標(biāo)來對(duì)定標(biāo)參數(shù)進(jìn)行計(jì)算分析，得出具體的成像圖。這種定標(biāo)方式不受平面中心的影響可以在任意點(diǎn)上成像，減少了定標(biāo)參數(shù)的數(shù)量，提高了定標(biāo)的工作效率。但是由于雙平面定標(biāo)法只是任意選取兩平面上的點(diǎn)，對(duì)定標(biāo)的精確度造成了一定的影響，使計(jì)算機(jī)對(duì)參數(shù)的運(yùn)算缺少可靠的數(shù)據(jù)支持，一定程度上降低了攝像機(jī)的成像清晰度，使計(jì)算機(jī)視覺中攝像機(jī)的定標(biāo)精度存在一定的偏差，呈現(xiàn)出來的具體圖像質(zhì)量相對(duì)比較差。

2.4 直線兩點(diǎn)定標(biāo)法 在三維立體和平面定標(biāo)法的基礎(chǔ)上，又進(jìn)一步研究了直線兩點(diǎn)定標(biāo)法，極大程度上滿足了人們對(duì)攝像效果的要求。直線兩點(diǎn)定標(biāo)法是利用定標(biāo)物與攝像機(jī)鏡頭之間的直線上的兩點(diǎn)進(jìn)行定標(biāo)。然后通過計(jì)算機(jī)視覺對(duì)這兩點(diǎn)的坐標(biāo)參數(shù)進(jìn)行分析，然后攝像機(jī)利用這些參數(shù)對(duì)攝像機(jī)的焦距進(jìn)行調(diào)整，確定物體的具置。在三維立體和平面定標(biāo)的基礎(chǔ)上對(duì)計(jì)算機(jī)視覺程序進(jìn)行改進(jìn)升級(jí)，進(jìn)一步提高對(duì)物體定標(biāo)的精確度。對(duì)原有定標(biāo)方法進(jìn)行創(chuàng)新改進(jìn)得出了直線兩點(diǎn)定標(biāo)法使定標(biāo)參數(shù)的數(shù)量大幅度的下降，節(jié)省了很多的人工成本，攝像機(jī)的清晰度也會(huì)大大提高。

2.5 透視變換焦距的定標(biāo)法 透視變換焦距定標(biāo)法是通過分析鏡頭與目標(biāo)之間的距離，不斷調(diào)整兩者之間的距離使鏡頭里呈現(xiàn)出來的圖形清晰為止，然后就將現(xiàn)在的目標(biāo)設(shè)置為定標(biāo)物。由于這種定標(biāo)方法不用去分析具體的定標(biāo)參數(shù)被人們廣泛的應(yīng)用。隨著科技的發(fā)展現(xiàn)在的攝像機(jī)都有自動(dòng)調(diào)整焦距功能，不用人為的去調(diào)整焦距，使定標(biāo)物更快地呈現(xiàn)在鏡頭中，節(jié)省了大量的定標(biāo)時(shí)間，計(jì)算機(jī)的運(yùn)算速度也加快了。但是這種定標(biāo)方法也存在一定的缺陷，在實(shí)際操作如果不考慮攝像環(huán)境以及攝像鏡頭的變化，定標(biāo)的精確度會(huì)存在一定的偏差，導(dǎo)致鏡頭中的定標(biāo)物成像不清晰。

3 計(jì)算機(jī)視覺中攝像機(jī)定標(biāo)方法的應(yīng)用

3.1 在計(jì)算機(jī)視覺中攝像機(jī)的主動(dòng)定標(biāo) 計(jì)算機(jī)視覺中攝像機(jī)的定標(biāo)方法推動(dòng)了計(jì)算機(jī)技術(shù)在攝像機(jī)中的廣泛應(yīng)用。計(jì)算機(jī)視覺中攝像機(jī)的主動(dòng)定標(biāo)是計(jì)算機(jī)技術(shù)在攝像機(jī)中的顯著應(yīng)用。計(jì)算機(jī)技術(shù)使攝像機(jī)在定標(biāo)過程中主動(dòng)尋找定標(biāo)物，使焦距和視角很好地配合，充分發(fā)揮計(jì)算機(jī)視覺在攝像機(jī)中的成像原理，把定標(biāo)方法合理地運(yùn)用在攝像機(jī)主動(dòng)定標(biāo)過程中，使攝像機(jī)的清晰度得到大幅度地提升。

3.2 分層次進(jìn)行攝像機(jī)的定標(biāo) 隨著計(jì)算機(jī)技術(shù)在攝像機(jī)定標(biāo)中的不斷發(fā)展更新，攝影者喜歡分層次地進(jìn)行定標(biāo)，把自己的觀點(diǎn)融入到攝像機(jī)定標(biāo)過程中，用自己的思維對(duì)定標(biāo)參數(shù)進(jìn)行分析，利用計(jì)算機(jī)視覺成像原理把定標(biāo)物直觀的反映在計(jì)算機(jī)上，以便更好的對(duì)定標(biāo)物進(jìn)行分析，以其中一個(gè)定標(biāo)物的成像平面來確定定標(biāo)物的具體成像圖，使攝像機(jī)鏡頭中的定標(biāo)物圖像可以更清晰。這種分層次的定標(biāo)使計(jì)算機(jī)技術(shù)可以更好的應(yīng)用在攝像機(jī)定標(biāo)過程中，呈現(xiàn)出高質(zhì)量的攝像效果。

4 總結(jié)

在計(jì)算機(jī)視覺中攝像機(jī)的定標(biāo)方法都是可行的，但各種方法都存在一定的缺陷，所以在實(shí)際應(yīng)用中還應(yīng)該根據(jù)攝影環(huán)境以及攝影機(jī)的質(zhì)量選擇最優(yōu)的定標(biāo)方法，保證定標(biāo)參數(shù)的準(zhǔn)確性，在鏡頭里呈現(xiàn)出清晰的成像。針對(duì)計(jì)算機(jī)視覺中攝像機(jī)定標(biāo)方法的缺陷，攝像機(jī)的研究領(lǐng)域應(yīng)該要不斷更新攝像機(jī)定標(biāo)方法，提高攝像機(jī)定標(biāo)的精確度，不斷滿足人們對(duì)攝像機(jī)清晰度的要求，呈現(xiàn)出清晰的攝像效果。

參考文獻(xiàn)：

[1]邱茂林，馬頌德，李毅.計(jì)算機(jī)視覺中攝像機(jī)定標(biāo)綜述[J].自動(dòng)化學(xué)報(bào)，2000（1）.

[2]伍雪冬，蔣新華，李建興，黃靖.計(jì)算機(jī)視覺中傳統(tǒng)攝像機(jī)定標(biāo)方法綜述[J].福建工程學(xué)院學(xué)報(bào)，2007（1）.

第5篇：計(jì)算機(jī)視覺技術(shù)基礎(chǔ)范文

【關(guān)鍵詞】計(jì)算機(jī)視覺 運(yùn)動(dòng)目標(biāo) 跟蹤算法

在計(jì)算機(jī)等現(xiàn)代科學(xué)技術(shù)尚未出現(xiàn)以前，人們?cè)讷@取外界信息時(shí)往往主要依賴視覺，而在我國計(jì)算機(jī)技術(shù)水平不斷發(fā)展提升的背景之下，計(jì)算機(jī)視覺技術(shù)的出現(xiàn)使得人類肉眼視覺得到了進(jìn)一步的發(fā)展延伸，尤其是在各種傳感器技術(shù)的幫助之下，使得人們能夠?qū)Ρ３诌\(yùn)動(dòng)狀態(tài)的目標(biāo)進(jìn)行實(shí)時(shí)跟蹤，從而準(zhǔn)確掌握目標(biāo)的具體形態(tài)屬性。在此背景之下，本文將運(yùn)動(dòng)目標(biāo)設(shè)定為運(yùn)動(dòng)的人臉，通過探究基于計(jì)算機(jī)視覺的運(yùn)動(dòng)目標(biāo)跟蹤算法，希望能夠?yàn)橄嚓P(guān)研究人員提供相關(guān)參考和幫助。

1 Kalman filter目標(biāo)跟蹤算法的簡(jiǎn)要概述

Kalman filter目標(biāo)跟蹤算法是當(dāng)前眾多跟蹤算法當(dāng)中使用范圍較廣、使用頻率比較集中的一種跟蹤算法，這一算法最早可以追溯至上個(gè)世紀(jì)六十年代，人們通過將濾波理論與狀態(tài)空間模型相集合，從而得到的一種遞推估計(jì)的算法也就是卡爾曼濾波理論。其通過利用上一時(shí)刻獲取的預(yù)估值以及當(dāng)下獲取的實(shí)際觀測(cè)值，在信號(hào)與噪聲狀態(tài)空間模型當(dāng)中不斷更新狀態(tài)變量，進(jìn)而順利完成估計(jì)預(yù)測(cè)并獲得當(dāng)前時(shí)刻估計(jì)預(yù)測(cè)值。經(jīng)過不斷的發(fā)展，在計(jì)算機(jī)圖像處理以及其他運(yùn)動(dòng)目標(biāo)跟蹤當(dāng)中經(jīng)常會(huì)使用Kalman filter算法。如果在k時(shí)刻系統(tǒng)下的狀態(tài)向量用xk表示，那么在t0時(shí)刻下初始化的狀態(tài)預(yù)測(cè)方程為；在tk時(shí)刻下更新系統(tǒng)狀態(tài)的具體方程為

，其中Hk、Zk分別表示測(cè)量矩陣m×n維以及轉(zhuǎn)移矩陣n×n維的狀態(tài)向量。但在跟蹤計(jì)算機(jī)視覺運(yùn)動(dòng)目標(biāo)譬如說視頻目標(biāo)時(shí)，由于相鄰的兩幀視頻圖像本身時(shí)間間隔非常短，因此目標(biāo)在這一時(shí)間內(nèi)難以發(fā)生明顯的運(yùn)動(dòng)狀態(tài)變化，此時(shí)我們可以通過將此間隔時(shí)間設(shè)定為單位時(shí)間，同時(shí)目標(biāo)在單位時(shí)間內(nèi)一直保持勻速運(yùn)動(dòng)狀態(tài)，這時(shí)我們可以得到一個(gè)狀態(tài)轉(zhuǎn)移矩陣且

，定義系統(tǒng)觀測(cè)矩陣即為

，定義噪聲Wk以及Vk協(xié)方差矩陣則可以分別用

和表示。

如果在濾波器在經(jīng)過若干次卡爾曼濾波后仍然能夠恢復(fù)至原始狀態(tài)，則其具有較好的穩(wěn)定性，但如果在進(jìn)行運(yùn)動(dòng)目標(biāo)跟蹤實(shí)驗(yàn)的過程當(dāng)中，對(duì)于處于運(yùn)動(dòng)狀態(tài)的被跟蹤目標(biāo)，一旦出現(xiàn)遮擋行為則將在第一時(shí)間內(nèi)暫停估計(jì)參數(shù)，并將這一參數(shù)估計(jì)值直接代入到狀態(tài)方程當(dāng)中，使得運(yùn)動(dòng)目標(biāo)無論是否被遮擋均可以對(duì)其進(jìn)行精確跟蹤。

2 基于計(jì)算機(jī)視覺的運(yùn)動(dòng)目標(biāo)跟蹤算法

2.1 建立顏色概率模型

顏色囊括了諸多的信息量光柱點(diǎn)，尤其是在人類的視覺世界從本質(zhì)上來說也是一種用過感知自然界色彩以及明暗變化的世界，因此人們可以通過使用三基色原理獲得RGB顏色空間?？紤]到顏色與計(jì)算機(jī)視覺場(chǎng)景當(dāng)中各個(gè)場(chǎng)景和目標(biāo)之間有著緊密的關(guān)系，同時(shí)不同于目標(biāo)的大小、形態(tài)等其他視覺特征，顏色特征鮮少會(huì)受到包括觀察視角等在內(nèi)各因素的干擾影響，從某種角度上來說基于顏色特征的運(yùn)動(dòng)目標(biāo)具有較好的穩(wěn)定性。為了能夠保障目標(biāo)跟蹤既穩(wěn)定又迅速，需要選擇合適的顏色特征，否則將極有可能導(dǎo)致出現(xiàn)跟蹤失敗。在這一環(huán)節(jié)當(dāng)中人們通常使用的是RGB顏色空間以及HSI顏色空間，但由于二者均具有一定的局限性，因此本文在對(duì)人臉特征尤其是顏色特征進(jìn)行選取時(shí)，選擇了rgI顏色直方圖的方法，在解決兩N顏色空間自身缺陷的同時(shí)，盡量避免目標(biāo)人臉運(yùn)動(dòng)位置以及尺寸等變化因素對(duì)目標(biāo)追蹤造成的干擾影響。在rgI顏色直方圖當(dāng)中

，，，L=r+g+I其中R、G、B就是RGB顏色空間當(dāng)中的三原色，r、g、I有著相同的取值范圍即在0到1之間。保持間隔相等的情況下劃分L值即可得到rgI顏色直方圖。雖然rgI顏色直方圖與物體相對(duì)應(yīng)，但如果目標(biāo)只是位置以及尺寸等出現(xiàn)變化，rgI顏色直方圖并不會(huì)受到任何實(shí)質(zhì)性影響，因此在理想情況下，利用rgI顏色直方圖能夠?qū)σ曨l圖像中不同運(yùn)動(dòng)位置以及不同尺寸的人臉進(jìn)行目標(biāo)追蹤。

2.2 跟蹤算法

運(yùn)動(dòng)目標(biāo)的不斷變化將會(huì)使得模板圖像隨之發(fā)生相應(yīng)變化，因此需要不斷更新模板圖像才能夠有效完成對(duì)運(yùn)動(dòng)目標(biāo)的連續(xù)跟蹤，本文在對(duì)運(yùn)動(dòng)目標(biāo)的實(shí)際運(yùn)動(dòng)范圍進(jìn)行預(yù)測(cè)過程中選擇使用卡爾曼濾波，之后利用rgI顏色直方圖在預(yù)測(cè)運(yùn)動(dòng)范圍之內(nèi)搜索和匹配相應(yīng)目標(biāo)，從而通過此舉獲得與目標(biāo)模板有著最小歐式距離的區(qū)域，在此過程當(dāng)中存在一個(gè)特定閾值T，如果兩者的歐氏距離在進(jìn)行相減時(shí)差值沒有超過這個(gè)特定閾值，那么此時(shí)該區(qū)域就是運(yùn)動(dòng)目標(biāo)所在的實(shí)際位置，利用在這一區(qū)域當(dāng)中的rgI顏色直方圖并將其充當(dāng)下一幀運(yùn)動(dòng)目標(biāo)的匹配模板，在不斷重復(fù)的過程中模板能夠?qū)崿F(xiàn)不間斷地更新。由于相鄰的兩幀視頻圖像之間，時(shí)間間隔并不長(zhǎng)，因此目標(biāo)人臉在極短的時(shí)間間隔當(dāng)中基本上不會(huì)出現(xiàn)突然變化，此時(shí)我們可以認(rèn)為運(yùn)動(dòng)目標(biāo)人臉的運(yùn)動(dòng)連續(xù)性比較強(qiáng)，此時(shí)利用公式

可以進(jìn)行歐式距離的計(jì)算并用以衡量匹配的模板。其中匹配區(qū)域和模板的rgI顏色直方圖分別用l和l'表示，而rgI顏色直方圖中的維數(shù)則用n進(jìn)行表示。根據(jù)相關(guān)視頻圖像顯示，通過不斷更新模板確實(shí)可以對(duì)目標(biāo)運(yùn)動(dòng)人臉進(jìn)行實(shí)時(shí)跟蹤顯示。

3 結(jié)束語

總而言之，本文通過選擇當(dāng)前比較常見的目標(biāo)跟蹤算法即Kalman filter算法，利用卡爾曼濾波以及rgI顏色直方圖完成對(duì)運(yùn)動(dòng)人臉的跟蹤。事實(shí)證明，Kalman filter算法確實(shí)能夠在對(duì)各目標(biāo)之間的干擾進(jìn)行明確區(qū)分的基礎(chǔ)之上，準(zhǔn)確描述運(yùn)動(dòng)人臉目標(biāo)，從而較好地跟蹤運(yùn)動(dòng)目標(biāo)，但由于人臉之間本身存在一定的相似性，因此本文只是對(duì)理想狀態(tài)下的運(yùn)動(dòng)人臉進(jìn)行跟蹤實(shí)驗(yàn)，日后還需要對(duì)計(jì)算機(jī)視覺技術(shù)和Kalman filter算法進(jìn)行進(jìn)一步優(yōu)化以妥善解決多人臉目標(biāo)以及相似性問題。

參考文獻(xiàn)

[1]鄭薇.基于雙目視覺的運(yùn)動(dòng)目標(biāo)跟蹤算法研究及應(yīng)用[D].哈爾濱：哈爾濱工程大學(xué)，2014.

[2]李慧霞，李臨生，閆慶森，周景文.基于Mean Shift算法的目標(biāo)跟蹤綜述[J].計(jì)算機(jī)與現(xiàn)代化，2017（01）：65-70.

[3]李寰宇，畢篤彥，楊源，查宇飛，覃兵，張立朝.基于計(jì)算機(jī)視覺的運(yùn)動(dòng)目標(biāo)跟蹤算法研究[J].電子與信息學(xué)報(bào)，2015（09）：2033-2039.

[4]陳曦，殷華博.基于計(jì)算機(jī)視覺運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)分析[J].無線電工程，2014（06）：22-24+39.

第6篇：計(jì)算機(jī)視覺技術(shù)基礎(chǔ)范文

分布式計(jì)算是一種計(jì)算方法，和集中式計(jì)算是相對(duì)的。隨著計(jì)算技術(shù)的發(fā)展，有些計(jì)算應(yīng)用需要非常巨大的計(jì)算能力才能完成，如果采用集中式計(jì)算，需要耗費(fèi)相當(dāng)長(zhǎng)的時(shí)間來完成。簡(jiǎn)單來說，分布式計(jì)算將該應(yīng)用分解成許多小的部分，分配給多臺(tái)計(jì)算機(jī)進(jìn)行處理。這樣可以節(jié)約整體計(jì)算時(shí)間，大大提高計(jì)算效率。本書使用開源工具及相應(yīng)技術(shù)的開發(fā)并實(shí)現(xiàn)了大規(guī)模分布式處理系統(tǒng)，提出了構(gòu)建高性能分布式計(jì)算系統(tǒng)的先進(jìn)材料，提供實(shí)際的指導(dǎo)、相關(guān)練習(xí)以及軟件框架的理論描述。

全書分為2部分，共8章。第1部分 高性能分布式計(jì)算的編程基礎(chǔ)，包括1-4章：1.引言：包括分布式系統(tǒng)的介紹、分類，分布式計(jì)算體系結(jié)構(gòu)與分布式文件系統(tǒng)，最后指出分布式系統(tǒng)面對(duì)的挑戰(zhàn)與發(fā)展趨勢(shì)；2.開始使用Hadoop：包括Hadoop的發(fā)展歷史、生態(tài)系統(tǒng)、HDFS的特性、單個(gè)節(jié)點(diǎn)的集群安裝與多個(gè)節(jié)點(diǎn)的集群安裝，最后介紹Hadoop編程與流；3.從Spark開始：包括Spark裝置、應(yīng)用實(shí)例、Python編程及應(yīng)用等內(nèi)容；4.Spark和Scalding的內(nèi)部編程：包括其安裝步驟與編程指南。第2部分 使用Hadoop、Scalding和Spark的實(shí)例，包括5-8章：5. 案例研究1：使用Scalding和Spark進(jìn)行數(shù)據(jù)聚類：包括聚類技術(shù)、聚類過程、K均值算法和相應(yīng)的例子，最后進(jìn)行實(shí)現(xiàn)；6.案例研究2：使用Scalding和Spark進(jìn)行數(shù)據(jù)分類：包括分類及概率論的相關(guān)概念，樸素貝葉斯及其分類器的實(shí)現(xiàn)，最后對(duì)Scalding的實(shí)現(xiàn)進(jìn)行實(shí)驗(yàn)并說明結(jié)果；7.案例研究3：使用Scalding和Spark進(jìn)行回歸分析：包括線性回歸的代數(shù)方法和梯度下降法，并分別使用Scalding和Spark進(jìn)行了實(shí)現(xiàn)；8.案例研究4：使用Scalding和Spark的推薦系統(tǒng)：包括推薦系統(tǒng)的介紹、技術(shù)應(yīng)用、實(shí)現(xiàn)規(guī)則并使用Scalding和Spark進(jìn)行了實(shí)現(xiàn)。

作者K.G. Srinivasa是卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)科學(xué)學(xué)院機(jī)器人研究所的副教授；是電腦專業(yè)資格認(rèn)定協(xié)會(huì)（ICCP，International Conformity Certification Programm）、國際計(jì)算機(jī)視覺期刊（IJCV，International Journal Computer Vision）、國際計(jì)算機(jī)視覺與模式識(shí)別會(huì)議（CVPR，Computer Vision and Pattern Recognition）等多個(gè)國際會(huì)議的委員會(huì)委員，發(fā)表超過20篇期刊及會(huì)議論文。他的研究領(lǐng)域包括計(jì)算機(jī)視覺、圖像處理、動(dòng)態(tài)場(chǎng)景的計(jì)算機(jī)視覺監(jiān)控、基于人的行為和生物特征的人物識(shí)別與身份鑒定以及數(shù)字多媒體數(shù)據(jù)的水印處理等。

本書描述了構(gòu)建高性能分布式計(jì)算大規(guī)模數(shù)據(jù)處理的軟件系統(tǒng)新模式的基本原理；介紹了Hadoop生態(tài)系統(tǒng)并一步步地指導(dǎo)安裝、編程和執(zhí)行；對(duì)Spark的基礎(chǔ)知識(shí)，包括彈性分布式數(shù)據(jù)集進(jìn)行了介紹，并對(duì)使用Spark和Scalding進(jìn)行數(shù)據(jù)聚類、分類和回歸進(jìn)行了分析，提供了詳細(xì)的案例研究方法；最后使用Scalding和Spark實(shí)現(xiàn)了一個(gè)實(shí)用推薦系統(tǒng)。本書適合計(jì)算機(jī)體系結(jié)構(gòu)、計(jì)算智能、數(shù)據(jù)挖掘等專業(yè)的科研人員及研究生閱讀參考。

第7篇：計(jì)算機(jī)視覺技術(shù)基礎(chǔ)范文

【關(guān)鍵詞】視頻；圖像處理；智能交通系統(tǒng)

交通視頻監(jiān)控系統(tǒng)是一個(gè)國家交通正常運(yùn)行的有力保障。隨著我國城鎮(zhèn)化進(jìn)程的不斷推進(jìn)和汽車的普及，交通問題日益嚴(yán)峻，道路擁擠、事故頻發(fā)，加上不遵守交通規(guī)則的人比比皆是，使交通問題成為一直困擾我國的難題。而由于交通系統(tǒng)是一個(gè)相當(dāng)復(fù)雜的龐大系統(tǒng)，所以監(jiān)控起來十分困難。

隨著計(jì)算機(jī)技術(shù)的發(fā)展，計(jì)算機(jī)視覺處理技術(shù)興盛起來。計(jì)算機(jī)視覺處理技術(shù)是模擬人類視覺系統(tǒng)的一種技術(shù)，人類可以通過對(duì)視覺中感知到的信息進(jìn)行適當(dāng)?shù)慕M合和聯(lián)想以達(dá)到對(duì)外界信息進(jìn)行判斷的能力，計(jì)算機(jī)視覺處理技術(shù)就是要用計(jì)算機(jī)代替人類的大腦實(shí)現(xiàn)對(duì)采集到的信息進(jìn)行處理，從而使計(jì)算機(jī)具有外部感知的能力，這對(duì)于交通視頻監(jiān)控系統(tǒng)具有非常重要的意義。

在智能交通系統(tǒng)中，基于計(jì)算機(jī)視覺的圖像處理技術(shù)扮演著重要的角色，它以視頻圖像為分析對(duì)象，利用先進(jìn)的算法去除干擾，具有直觀、高效、精度高等特點(diǎn)。

1 交通視頻中進(jìn)行圖像處理的重要性

交通視頻檢測(cè)系統(tǒng)的攝像機(jī)在工作時(shí)面臨的是自然氣象條件，這就意味著它要受到各種自然條件的干擾，比如強(qiáng)光、霧霾、粉塵、街燈等，由于光照條件不同所引起的圖像差異遠(yuǎn)遠(yuǎn)大于由于人的不同所引起的圖像差異，即使是在相同光照條件下，由于鏡面反射的存在，同一物體的不同表面對(duì)光的反射不同，再加上粉塵、霧霾等的影響，從不同視角反映出來的圖像有很大差異。外界光照的方向和強(qiáng)度還會(huì)隨著時(shí)間不斷發(fā)生變化，這些因素會(huì)導(dǎo)致采集的圖像不清晰、重影、有陰影等，給基于視頻的檢測(cè)帶來很大的難度。而視覺檢測(cè)必須借助外界光線才能夠獲取圖像信息，所以要把圖像中的車輛信息完整清晰的反應(yīng)出來，就要對(duì)靜止的視頻圖像序列（即每幀圖像）進(jìn)行預(yù)處理。這些處理會(huì)涵蓋圖像色彩模式轉(zhuǎn)換、格式轉(zhuǎn)換、算法處理等。

2 交通視頻監(jiān)控系統(tǒng)的組成

交通視頻監(jiān)控系統(tǒng)一般由采集、傳輸、控制、顯示四部分組成。

2.1 圖像采集

圖像采集工作由前端的攝像機(jī)完成，采集質(zhì)量的好壞將直接影響視頻圖像處理的效果。如果視頻圖像中的車輛信息清楚，對(duì)比度好，無干擾信息或干擾信息少，將有利于車輛的檢測(cè)和跟蹤，反之，將不利于車輛的檢測(cè)和跟蹤。

2.2 傳輸

根據(jù)攝像機(jī)和控制中心之間距離的長(zhǎng)短，會(huì)采用不同的傳輸設(shè)備，一般的傳輸方式包括視頻基帶傳輸、射頻有線傳輸、光纖傳輸、電話線傳輸?shù)取?/p>

2.3 控制

控制部分是整個(gè)交通視頻監(jiān)控系統(tǒng)的中心，由總控制臺(tái)組成?？偪刂婆_(tái)可以進(jìn)行信號(hào)的縮放、矯正、補(bǔ)償、切換、遙控、記錄存儲(chǔ)圖像等。

2.4 顯示

顯示部分的功能就是把傳送過來的圖像顯示出來，由若干臺(tái)監(jiān)視器組成。

3 交通視頻監(jiān)控系統(tǒng)中視頻圖像處理技術(shù)的應(yīng)用

3.1 車輛檢測(cè)

對(duì)運(yùn)動(dòng)車輛的檢測(cè)是交通視頻監(jiān)控系統(tǒng)的核心功能，通過對(duì)視頻圖像中的連續(xù)畫面的變化分析能抽出運(yùn)動(dòng)車輛的特征，從而實(shí)現(xiàn)檢測(cè)。但是由于運(yùn)動(dòng)的車輛受光線、灰塵、霧霾、陰影等因素的影響，給圖像分割帶來很大的困難。所以在進(jìn)行車輛檢測(cè)時(shí)，要對(duì)獲得的視頻圖像進(jìn)行處理，來提取目標(biāo)車輛信息，常用的方法有幀間差分法、背景差分法、邊緣檢測(cè)法等。

3.2 車輛跟蹤

對(duì)車輛進(jìn)行檢測(cè)的目的是辨別運(yùn)動(dòng)車輛，然而要想了解目標(biāo)的運(yùn)動(dòng)參數(shù)，還要對(duì)車輛進(jìn)行跟蹤。車輛跟蹤的核心內(nèi)容是根據(jù)目標(biāo)運(yùn)動(dòng)車輛的某些特征在不同的圖像幀中進(jìn)行目標(biāo)匹配，用于匹配的特征包括位置、大小、形狀，以及局部的點(diǎn)、線特征和整體輪廓特征等[1]。常用的車輛跟蹤方法有基于區(qū)域的方法、基于特征的方法、基于運(yùn)動(dòng)估計(jì)的方法、基于模型的方法、基于輪廓的方法等。

3.3 陰影檢測(cè)

陰影檢測(cè)是交通視頻監(jiān)控系統(tǒng)的一項(xiàng)重要且具有挑戰(zhàn)性的工作。運(yùn)動(dòng)目標(biāo)車輛由于受各種光源的影響會(huì)產(chǎn)生陰影，而陰影與運(yùn)動(dòng)目標(biāo)車輛具有相似的視覺特征和運(yùn)動(dòng)特征，所以前面介紹的車輛檢測(cè)方法都不能有效地將陰影檢測(cè)出來。陰影的存在會(huì)使車輛檢測(cè)和跟蹤產(chǎn)生誤差，給交通參數(shù)的提取帶來很大誤差，因而陰影的檢測(cè)與去除是視頻檢測(cè)的重點(diǎn)和難點(diǎn)。根據(jù)陰影形成的不同原理可以把陰影分成不同的類型，而不同類型的陰影又有不同的特點(diǎn)，這給陰影的檢測(cè)和提取提供了可能。目前，陰影檢測(cè)方法通常包括兩大類：一類是基于陰影屬性如顏色不變性、紋理不變性、低頻性質(zhì)等屬性的檢測(cè)技術(shù)，另一類是基于應(yīng)用場(chǎng)景先驗(yàn)知識(shí)的模型的陰影檢測(cè)[2]。

3.4 交通參數(shù)的檢測(cè)

交通參數(shù)可以分為兩類，一類是針對(duì)某一具體車輛的，如該車輛的車型、顏色、車牌、速度、重量等；另一類是針對(duì)某一具體路段的，如該這段的固定時(shí)間內(nèi)的車流量、平均速度、車輛密度、車輛數(shù)目、路面占有率等?；趫D像處理的交通參數(shù)檢測(cè)需要實(shí)時(shí)處理大量的圖像數(shù)據(jù)，這些參數(shù)的獲得可以為交通執(zhí)法提供依據(jù)，增加交通道路的容量。目前應(yīng)用較為廣泛的交通參數(shù)獲取方法為虛擬線圈檢測(cè)方法，很多學(xué)者都在此基礎(chǔ)之上設(shè)計(jì)算法更加精密的檢測(cè)系統(tǒng)。

3.5 車牌識(shí)別

車牌識(shí)別技術(shù)（Vehicle License Plate Recognition，VLPR） 是計(jì)算機(jī)視頻圖像識(shí)別技術(shù)在車輛牌照識(shí)別中的一種應(yīng)用。車牌識(shí)別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一，應(yīng)用十分廣泛。它以數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺等技術(shù)為基礎(chǔ)，對(duì)攝像機(jī)所拍攝的車輛圖像或者視頻序列進(jìn)行分析，得到每一輛汽車唯一的車牌號(hào)碼，從而完成識(shí)別過程。通過車牌識(shí)別可以實(shí)現(xiàn)對(duì)停車場(chǎng)的收費(fèi)管理、車輛定位、交通違法行為監(jiān)控等功能，對(duì)于維護(hù)交通安全、實(shí)現(xiàn)交通自動(dòng)化管理有很重要的意義。

視頻圖像處理技術(shù)在交通視頻監(jiān)控系統(tǒng)中應(yīng)用的已經(jīng)十分廣泛，隨著計(jì)算機(jī)視覺、人工智能理論的發(fā)展，對(duì)包含運(yùn)動(dòng)目標(biāo)的圖像序列進(jìn)行分析和處理，能夠?qū)崿F(xiàn)交通管理的高效智能化。隨著視頻圖像處理技術(shù)硬件的不斷發(fā)展，我們所面臨的挑戰(zhàn)是如何找出與硬件相匹配的高效的軟件技術(shù)（即先進(jìn)的算法），使智能交通系統(tǒng)的功能更加強(qiáng)大和完善。

【參考文獻(xiàn)】

[1]梁曉愛.基于視頻的車輛檢測(cè)與跟蹤技術(shù)研究[D].山東師范大學(xué)，2010.

[2]許潔瓊.基于視頻圖像處理的車輛檢測(cè)與跟蹤方法研究[D].中國海洋大學(xué)，2012.

[3]衛(wèi)小偉.視頻圖像處理技術(shù)在智能交通系統(tǒng)中的運(yùn)用[J].電子測(cè)試，2015（6）.

[4]姜旭.視頻圖像處理技術(shù)在智能交通系統(tǒng)中的應(yīng)用[D].蘇州大學(xué)，2009.

第8篇：計(jì)算機(jī)視覺技術(shù)基礎(chǔ)范文

關(guān)鍵詞關(guān)鍵詞：OpenCV；人臉檢測(cè)；微笑檢測(cè)；JNI

DOIDOI：10.11907/rjdk.162330

中圖分類號(hào)：TP319文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：16727800（2017）001011502

隨著人工智能技術(shù)的發(fā)展，機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺等領(lǐng)域也逐漸成為計(jì)算機(jī)科學(xué)中的熱點(diǎn)問題，人臉檢測(cè)便是計(jì)算機(jī)視覺中的一個(gè)分支。OpenCV作為一個(gè)開源的視覺庫，提供了不少關(guān)于人臉檢測(cè)的模型與處理接口，而大部分接口與算法均采用C/C++語言編寫。Java雖有其跨平臺(tái)的巨大優(yōu)勢(shì)，但是這種特性也給Java帶來了局限性，在調(diào)用動(dòng)態(tài)數(shù)據(jù)庫文件時(shí)存在不便。因此，通過JNI工具，可以利用C/C++語言的特性彌補(bǔ)Java的不足[13]。

1相關(guān)技術(shù)原理

1.1JNI技術(shù)分析

JNI（Java Native Interface）提供了若干API 實(shí)現(xiàn)Java與其它語言的通信（主要是C/C++）。從Java 1.1開始，JNI標(biāo)準(zhǔn)成為Java平臺(tái)的一部分，它允許Java和其它語言編寫的代碼進(jìn)行交互。然而使用Java與本地已編譯的代碼交互，通常會(huì)喪失平臺(tái)可移植性[45]。

通常遇到以下幾種情況需要使用JNI：①所開發(fā)的程序需要用到其它平臺(tái)屬性，但在Java的標(biāo)準(zhǔn)庫中不支持此屬性；②程序?qū)τ谶\(yùn)行效率要求較高，因此希望能用較低級(jí)的語言（如C/C++）來實(shí)現(xiàn)；③Java已經(jīng)擁有實(shí)現(xiàn)需要的程序和庫，希望C/C++對(duì)其直接進(jìn)行調(diào)用[67]。

1.2JNI技術(shù)架構(gòu)

JNI允許運(yùn)行在Java虛擬機(jī)上的應(yīng)用程序調(diào)用其它語言（如C/C++語言）來編寫需要的方法或類庫，也能將Java虛擬機(jī)嵌入到本地應(yīng)用程序中。

圖1是JNI在本地應(yīng)用程序與Java應(yīng)用之間各自扮演的角色圖。從圖中可以看出，JNI作為Java與C/C++函悼庵間的橋梁，可以實(shí)現(xiàn)Java代碼與C/C++庫函數(shù)當(dāng)中本地代碼之間的交互。然而JNI沒有改變Java語言的屬性，只是讓Java語言擁有一種能夠?qū)ν庹{(diào)用的形式[89]。

1.3OpenCV介紹

OpenCV（Open Source Computer Vision Library）是一個(gè)基于BSD許可發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺庫。它輕量而且高效，由C函數(shù)與C++類構(gòu)成，同時(shí)提供了Python、Java等語言的接口，可實(shí)現(xiàn)圖像處理和計(jì)算機(jī)視覺方面的很多通用算法。OpenCV中對(duì)于人臉的檢測(cè)方法是基于處理成的灰度圖像的弱特征檢測(cè)方法。該方法建立在Haar特征[10]檢測(cè)方法基礎(chǔ)上，可以獲得檢測(cè)人臉的實(shí)時(shí)處理速度。

OpenCV中也提供了訓(xùn)練分類器[1112]的程序及方法來檢測(cè)特征。使用者可以將此方法應(yīng)用于一些項(xiàng)目中的二次開發(fā)，比如雙目視覺的三維重構(gòu)、物體識(shí)別，協(xié)助機(jī)器人完成復(fù)雜任務(wù)，以及在智能監(jiān)控中的人臉檢測(cè)、智能交通中的行人檢測(cè)等。

2開發(fā)工具選擇

選用的工具是eclipse，Java版本為JDK1.7，C++使用的是VS2010。另外PC端需要具備內(nèi)置或外置攝像頭，PC機(jī)配置為Inter Core i5-3230M CPU 2.6GHz。

3實(shí)現(xiàn)過程

從圖2中編寫JNI代碼的大致步驟可以看出Java需要將字節(jié)碼文件通過javah生成頭文件，再與C代碼共同生成動(dòng)態(tài)鏈接庫，進(jìn)而與Java中的代碼進(jìn)行交互。

3.4人臉檢測(cè)實(shí)驗(yàn)結(jié)果

第9篇：計(jì)算機(jī)視覺技術(shù)基礎(chǔ)范文

【關(guān)鍵詞】 運(yùn)動(dòng)目標(biāo)檢測(cè) 視頻圖像 OpenCV

一、緒論

隨著計(jì)算機(jī)技術(shù)日新月異的發(fā)展，計(jì)算機(jī)視覺，模式識(shí)別，人工智能，多媒體技術(shù)，越來越受到人們的重視的快速發(fā)展。廣泛地被定位對(duì)象使用運(yùn)動(dòng)跟蹤和檢測(cè)，監(jiān)測(cè)和智能人機(jī)交互和分析他們的行為，一旦發(fā)現(xiàn)有異常行為的對(duì)象，監(jiān)控系統(tǒng)發(fā)出警報(bào)，提醒人們注意和及時(shí)的治療，改善人類的人工監(jiān)督注意力浪費(fèi)資源等問題。計(jì)算機(jī)視覺是通過計(jì)算機(jī)代替人的眼睛和大腦感知外部環(huán)境，分析和理解。

1.1 OpenCV技術(shù)介紹

視覺處理算法的OpenCV提供了非常豐富的，它部分是用C寫的，有它的開源特性，妥善處理，無需添加新的外部支持進(jìn)行編譯和鏈接，生成程序的完整實(shí)現(xiàn)，所以很多人們用它做算術(shù)移植，OpenCV的可正常運(yùn)行的系統(tǒng)DSP和MCU系統(tǒng)正常重寫代碼。

二、運(yùn)動(dòng)目標(biāo)檢測(cè)

運(yùn)動(dòng)目標(biāo)的檢測(cè)在整個(gè)視頻監(jiān)控系統(tǒng)的底層，各種高級(jí)應(yīng)用，如目標(biāo)跟蹤，目標(biāo)分類，目標(biāo)行為的隨訪，了解互惠的基礎(chǔ)。運(yùn)動(dòng)對(duì)象檢測(cè)裝置，從在實(shí)時(shí)目標(biāo)視頻流中提取，目標(biāo)通常設(shè)置面積和顏色特性。結(jié)果運(yùn)動(dòng)目標(biāo)檢測(cè)是描述一些靜態(tài)功能的“靜態(tài)”的目標(biāo)前景。根據(jù)上下文，其中環(huán)境可分為兩大類靜態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測(cè)和動(dòng)態(tài)背景運(yùn)動(dòng)目標(biāo)檢測(cè)，本章與實(shí)際紙工作主攝像機(jī)靜態(tài)背景運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)結(jié)合，不會(huì)發(fā)生前景對(duì)象的運(yùn)動(dòng)目標(biāo)檢測(cè)檢測(cè)算法。

2.1運(yùn)動(dòng)目標(biāo)檢測(cè)的基本方法

目標(biāo)檢測(cè)和提取已在目標(biāo)跟蹤應(yīng)用程序中的重要地位。目標(biāo)檢測(cè)和提取的精度直接影響結(jié)果和準(zhǔn)確性的跟蹤。一個(gè)良好的各種環(huán)境動(dòng)目標(biāo)檢測(cè)算法的應(yīng)能適用于監(jiān)測(cè)，在正常情況下，移動(dòng)體檢測(cè)算法可以根據(jù)場(chǎng)景被監(jiān)視在室內(nèi)或室外監(jiān)測(cè)算法被分成室內(nèi)和室外監(jiān)視算法，則可以按照使用特定算法的方法分為連續(xù)幀差分方法，背景減除法和光流法。

2.1.1幀間差分法

對(duì)于許多應(yīng)用，圖像的連續(xù)幀之間的差檢測(cè)出圖像的順序是非常重要的一步。場(chǎng)景中的任何可觀察到的運(yùn)動(dòng)將反映在場(chǎng)景圖像序列的變化，如果能檢測(cè)到這種變化，我們可以分析的運(yùn)動(dòng)特性。

2.1.2背景差法

基于該原理的背景差分方法非常簡(jiǎn)單，基本操作過程示于（4.2）如下：首先使用式（4.3）來計(jì)算背景圖像之間的差fbk當(dāng)前幀fk，然后根據(jù)下式（4.4）是差分圖像的Dk值化和形態(tài)學(xué)濾波處理，并獲得當(dāng)該區(qū)域的通信區(qū)域比給定的閾值RK進(jìn)行連通區(qū)域分析的結(jié)果，它成為檢測(cè)對(duì)象，并且該區(qū)域是區(qū)域目標(biāo)在區(qū)間的，你能確定的最小邊界矩形的目標(biāo)。

其中T 是二值化設(shè)定閥值。

2.1.3光流法

光流是指在圖像模式（或表觀的）運(yùn)動(dòng)的表觀亮度。用“表觀運(yùn)動(dòng)”，主要是由于光流的運(yùn)動(dòng)圖像不能有部分信息只以確定，例如，區(qū)域性或亮度輪廓點(diǎn)更均勻的亮度不能唯一確定的運(yùn)動(dòng)對(duì)應(yīng)的點(diǎn)，但觀察到的運(yùn)動(dòng)。這解釋了光流和該流不一定是由物體的運(yùn)動(dòng)所產(chǎn)生的光，而運(yùn)動(dòng)的主體不一定會(huì)產(chǎn)生光流體育場(chǎng)不一定是唯一的。

三、目標(biāo)跟蹤算法的研究

目標(biāo)對(duì)象的運(yùn)動(dòng)信息的條件的先驗(yàn)知識(shí)下跟蹤，通過從信息源的實(shí)時(shí)數(shù)據(jù)來估計(jì)所述目標(biāo)狀態(tài)，以實(shí)現(xiàn)所述目標(biāo)位置和運(yùn)動(dòng)趨勢(shì)判定。運(yùn)動(dòng)目標(biāo)跟蹤問題是一個(gè)復(fù)雜的估計(jì)。研究精度高，性能穩(wěn)定，目標(biāo)跟蹤方法的適用性仍面臨巨大挑戰(zhàn)，具有重要的理論意義和實(shí)用價(jià)值。

3.1圖像匹配法

通過圖像匹配方法可以識(shí)別要跟蹤的運(yùn)動(dòng)對(duì)象，并確定它們的相對(duì)位置。早期跟蹤涉及的目標(biāo)位置的變化的兩個(gè)圖像之間的測(cè)量計(jì)算出的相關(guān)函數(shù)，跟蹤點(diǎn)是，這兩個(gè)圖象相匹配的最佳位置，這是相關(guān)函數(shù)的峰值。

3.2基于團(tuán)塊的目標(biāo)跟蹤

基于團(tuán)塊（BLOB）的基本原理是用于圖像分割候選像素跟蹤算法，它決定像素是否屬于背景或?qū)儆诙ㄎ换驅(qū)儆谄渌麉^(qū)域?；诟櫵惴ǖ馁|(zhì)量也可稱為基于圖像分割的跟蹤，分割結(jié)果剛夠目標(biāo)和背景之間的區(qū)分，而傳統(tǒng)的圖像分割算法需要目標(biāo)輪廓的精確顯示。分裂臺(tái)球在目標(biāo)，紋理特征和圖像的深度信息的一般特性。

四、結(jié)語

隨著在軍事領(lǐng)域的計(jì)算機(jī)視覺，智能交通監(jiān)控，視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的發(fā)展必將得到更廣泛的應(yīng)用和發(fā)展。在本文中，歷時(shí)四個(gè)月中，主要研究的OpenCV實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的應(yīng)用，實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)具有良好的魯棒性和準(zhǔn)確性，實(shí)現(xiàn)畢業(yè)設(shè)計(jì)的預(yù)期目標(biāo)，在工作和問題結(jié)合起來實(shí)際應(yīng)用中。

參 考 文 獻(xiàn)

[1]劉瑞禎， 于仕琪. OpenCV教程基礎(chǔ)篇[M]. 北京： 北京航空航天大學(xué)出版社，2007.

[2]彭達(dá). Visual C++多媒體編程技術(shù)[M]. 北京： 人民郵電出版社， 1999.

[3]丁金鑄. 基于圖像處理的運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 華中師范大學(xué)， 2007.

[4]王建中， 姜昱明. 基于塊匹配的運(yùn)動(dòng)對(duì)象檢測(cè)算法[J]. 微電子與計(jì)算機(jī)， 2005， 22（1）： 10-12.

[5]林少丹. VC++程序設(shè)計(jì)基礎(chǔ)[M]. 北京： 人民交通出版社， 2009.

[6]唐雙發(fā). 基于OpenCV的車輛視頻檢測(cè)技術(shù)研究[D]. 華中科技大學(xué)， 2009.

[7]李慶忠，陳顯華，王立紅. 視頻監(jiān)視中運(yùn)動(dòng)目標(biāo)檢測(cè)與識(shí)別方法[J]. 計(jì)算機(jī)工程， 2004， 30（16）：30-33.

[8]胡曉峰， 吳玲達(dá)， 老松楊， 司光亞. 多媒體技術(shù)教程[M]. 北京： 人民郵電出版社， 2002.

[9]韓鴻哲， 王志良， 劉冀偉， 李郴， 韓忠濤. 陰影消除的自適應(yīng)背景建模[C]. 第二屆全國智能視覺監(jiān)控學(xué)術(shù)會(huì)議論文集， 2003， 35-39.[10]張玲， 葉海炳， 何偉. 一種基于邊緣信息的改進(jìn)車輛檢測(cè)方法[J]. 重慶大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2004， 27（11）： 56-58.

[11] J.B.Kim， H.J.Kim. Efficient Region―based Motion Segmentation for Video Monitoring System [J]. Pattern Recognition Letters， 2003， 3（24）：113-128.

[12]王春平， 朱元昌，黃允華. 基于圖像信息的跟蹤算法分析[J]. 火力與指揮控制， 2000， 25（1）： 64-67.

[13]楊枝靈， 王開. Visual C++數(shù)字圖像獲取處理及實(shí)踐應(yīng)用[M].北京： 人民郵電出版社， 2003.