導(dǎo)語：如何才能寫好一篇計(jì)算機(jī)視覺的作用，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：計(jì)算機(jī)；視覺技術(shù)；圖書館；應(yīng)用探討

引言

俗話說“書是人類進(jìn)步的階梯”，各大高校以及各大城市都建有圖書館，圖書館可以滿足人們對(duì)各種知識(shí)的需求，因此對(duì)圖書館的管理工作也是十分重要。如今科技不斷的發(fā)展，計(jì)算機(jī)視覺技術(shù)被運(yùn)用到圖書館管理中。計(jì)算機(jī)視覺是用攝影機(jī)和電腦來代替人眼進(jìn)行檢測(cè)、監(jiān)控、識(shí)別和測(cè)量等的機(jī)器視覺，它能夠?qū)κ占瘉淼膱D片和視頻進(jìn)行處理，然后獲得相應(yīng)的三維信息。計(jì)算機(jī)視覺是一門綜合性的學(xué)科也是一個(gè)富有挑戰(zhàn)性的領(lǐng)域，它已經(jīng)被應(yīng)用到各個(gè)領(lǐng)域中，它的重要性不言而喻。

一、計(jì)算機(jī)視覺技術(shù)的特點(diǎn)

（一）檢測(cè)范圍廣泛

人眼的檢測(cè)范圍畢竟有限，有些細(xì)微的方面人眼是檢測(cè)不到的，比如紅外線、超聲波等，但是計(jì)算機(jī)視覺技術(shù)卻是可以檢測(cè)到人眼所檢測(cè)不到的范圍。計(jì)算機(jī)視覺技術(shù)可以將紅外線和超聲波處理成圖像呈現(xiàn)出來，它的檢測(cè)范圍十分廣泛而且是不加選擇的進(jìn)行檢測(cè)，可以說它的使用大大拓展了人眼的視野。

（二）檢測(cè)安全可靠

我們都知道電子產(chǎn)品如果接觸使用必然是會(huì)受到一定輻射的，但是計(jì)算機(jī)視覺與以往的檢測(cè)機(jī)器不同，它是不需要與被測(cè)者進(jìn)行接觸的，觀測(cè)者和被測(cè)者都是十分安全不會(huì)受到絲毫損傷的，而且它在使用的過程中并不會(huì)像人眼一樣感到疲憊，它可以一直進(jìn)行高效率的工作，因此對(duì)其檢測(cè)結(jié)果也是十分的可靠的。

二、視覺技術(shù)在圖書館工作中的應(yīng)用分析

（一）圖書剔舊和修補(bǔ)

圖書館是人們知識(shí)的殿堂，是思想文化知識(shí)不斷擴(kuò)展的地方，因此圖書館的剔舊是一項(xiàng)十分重要的工作。圖書館的空間畢竟有限，一些相對(duì)陳舊而利用率較低的參考文獻(xiàn)是需要不定期的進(jìn)行篩選的，這些資料通常都是表面發(fā)黃、布滿灰塵和封面破舊等，而圖書館的剔舊工作大多是由工作人員親自到書庫中進(jìn)行挑選，這樣不僅工作量大、耗時(shí)長(zhǎng)還有可能會(huì)存在遺漏的現(xiàn)象，而且資料上的灰塵也會(huì)給工作人員的身體健康帶來影響。

圖書館會(huì)收藏一些珍貴的古籍和字畫，但是時(shí)間一長(zhǎng)，受到溫度、濕度等的影響會(huì)造成古籍和字畫表面發(fā)黃、紙張變脆甚至?xí)霈F(xiàn)蟲眼，這時(shí)候就需要對(duì)古籍字畫進(jìn)行修補(bǔ)工作。這項(xiàng)工作大多由工作人員親力親為，會(huì)給工作人員帶來一定的健康影響，如果使用計(jì)算機(jī)視覺技術(shù)代替人們來進(jìn)行工作，會(huì)大大減少工作人員的工作強(qiáng)度，同時(shí)也保證了工作效率。

（二）管理職工人員

圖書館中職工人員的正常有序的工作是保證圖書館正常運(yùn)行的關(guān)鍵之處，在進(jìn)行圖書館職工人員的管理上可以引用計(jì)算機(jī)視覺技術(shù)。以往的職工簽到可能會(huì)出現(xiàn)代簽現(xiàn)象，而計(jì)算機(jī)視覺技術(shù)可以采用圖像視覺處理技術(shù)對(duì)職員進(jìn)行磁卡、眼膜、人臉識(shí)別等進(jìn)行簽到，杜絕了以往簽到工作所存在的弊端。同時(shí)，在圖書館工作處理中，計(jì)算機(jī)視覺技術(shù)也可以幫助職工人員處理一些難題，讓圖書館工作能夠有序高效的進(jìn)行。

（三）監(jiān)控檢測(cè)系統(tǒng)

如今圖書館的書籍是完全向人們開放的，人們可以自由進(jìn)行借閱，以往的人工檢測(cè)會(huì)造成猜疑和尷尬，也會(huì)加大圖書館管理人員與讀者之間的磨擦。計(jì)算機(jī)視覺技術(shù)的使用可以全自動(dòng)化進(jìn)行監(jiān)控和檢測(cè)，避免了以往人工監(jiān)測(cè)所出現(xiàn)的問題。圖書館的書籍借閱管理工作異常重要，計(jì)算機(jī)視覺技術(shù)可以全程自動(dòng)化進(jìn)行高效工作，可以進(jìn)行無人看管檢測(cè)讀者進(jìn)出攜帶書籍文獻(xiàn)和借閱空間的監(jiān)控等，大大提高了工作效率，讓圖書館的借閱工作順利有序的進(jìn)行。

三、視覺技術(shù)在圖書館工作中的應(yīng)用問題的研究

（一）循序漸進(jìn)的結(jié)合

計(jì)算機(jī)視覺作為一個(gè)新興技術(shù)，雖然已經(jīng)被運(yùn)用到各個(gè)領(lǐng)域內(nèi)，但是在引進(jìn)入圖書館的管理中，如果想要快速的取代傳統(tǒng)的管理模式，無論是工作人員還是工作理念都不可能及時(shí)接受這種改變的。新技術(shù)的融入必須要循序漸進(jìn)，找到與傳統(tǒng)的管理模式的結(jié)合點(diǎn)，然后進(jìn)行慢慢磨合，達(dá)到與傳統(tǒng)相結(jié)合的效果，這樣人們才能夠接受一種新技術(shù)的使用，不僅提高了工作效率減輕了工作人員的工作負(fù)擔(dān)，也能夠更好的發(fā)揮出計(jì)算機(jī)視覺技術(shù)的真正作用。

（二）提高專業(yè)人員的業(yè)務(wù)水平

新的技術(shù)需要新的業(yè)務(wù)水平來支持，如果沒有相應(yīng)的業(yè)務(wù)水平是沒有辦法發(fā)揮出新技術(shù)應(yīng)有的作用。計(jì)算機(jī)視覺技術(shù)通過計(jì)算機(jī)成像系統(tǒng)來代替人類的視覺感官，能夠自主適應(yīng)環(huán)境、自主工作的能力。計(jì)算機(jī)視覺技術(shù)在不斷的更新中，它的使用功能也是越來越多，操作方法越來越復(fù)雜，這時(shí)就需要圖書館的工作人員對(duì)計(jì)算機(jī)視覺技術(shù)有細(xì)的了解，能夠熟練操作和運(yùn)用計(jì)算機(jī)視覺技術(shù)。圖書館管理階層應(yīng)該組織工作人員進(jìn)行培訓(xùn)工作，讓他們接收新的知識(shí)掌握新的技術(shù)，不斷的提高圖書館工作人員的業(yè)務(wù)水平，才能夠保證圖書館工作高效進(jìn)行。

（三）讀者素質(zhì)和應(yīng)用手段的提高

現(xiàn)代化圖書館要想實(shí)現(xiàn)工作和服務(wù)的全面自動(dòng)化，就需要有現(xiàn)代化技術(shù)的支持，計(jì)算機(jī)視覺技術(shù)的引用雖然是一個(gè)現(xiàn)代化技術(shù)的支持，但是如今僅停留在生物特征的識(shí)別領(lǐng)域。比如圖書館如今普遍有門禁系統(tǒng)，這也僅停留在計(jì)數(shù)功能和監(jiān)控可沖消磁條的識(shí)別和認(rèn)定上，如果有些讀者素質(zhì)不高故意去掉這些生物識(shí)別，圖書館的門禁系統(tǒng)就沒有辦法阻止這些讀者的進(jìn)入進(jìn)出。因此，提高讀者的素質(zhì)和計(jì)算機(jī)視覺技術(shù)的應(yīng)用手段，才能夠保證計(jì)算機(jī)視覺技術(shù)在圖書館被廣泛的進(jìn)行使用。

結(jié)束語

篇2

關(guān)鍵詞：計(jì)算機(jī)視覺；課程創(chuàng)新；教學(xué)改革

中圖分類號(hào)：G642.0 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-9324（2016）20-0118-02

計(jì)算機(jī)視覺課程是人工智能學(xué)科的分支學(xué)科，對(duì)互聯(lián)網(wǎng)技術(shù)的發(fā)展有著重要的推進(jìn)作用。隨著時(shí)代的飛速變遷，越來越多的學(xué)生對(duì)這一領(lǐng)域產(chǎn)生了濃厚的興趣，計(jì)算機(jī)視覺課程在信息專業(yè)中也開始占據(jù)重要的地位。如何讓學(xué)生對(duì)這門課程保持長(zhǎng)久的興趣，如何培養(yǎng)學(xué)生的專業(yè)能力和實(shí)踐能力，是當(dāng)前高校應(yīng)該考慮的問題。經(jīng)過近幾年的教學(xué)實(shí)踐后，很多高校已經(jīng)逐步確定了通過實(shí)際應(yīng)用培養(yǎng)學(xué)生興趣的教學(xué)方法，在滿足學(xué)生對(duì)計(jì)算機(jī)視覺應(yīng)用需求的同時(shí)，加深了學(xué)生對(duì)理論知識(shí)的理解，這已經(jīng)成為了當(dāng)前高校計(jì)算機(jī)視覺課程教學(xué)的重要模式。

一、計(jì)算機(jī)視覺課程的特點(diǎn)

近年來，隨著計(jì)算機(jī)網(wǎng)絡(luò)的飛速發(fā)展，計(jì)算機(jī)視覺的應(yīng)用也越來越廣泛，成為了信息相關(guān)專業(yè)學(xué)生的一門必修課。計(jì)算機(jī)視覺課程涉及眾多領(lǐng)域，包括人工智能與模式識(shí)別、應(yīng)用數(shù)學(xué)等，其覆蓋范圍廣，綜合性較強(qiáng)。具體來說，計(jì)算機(jī)視覺課程有以下幾個(gè)特點(diǎn)：一是內(nèi)容廣泛，理論抽象。計(jì)算機(jī)視覺是一門新技術(shù)，隨著時(shí)代的變遷，互聯(lián)網(wǎng)新技術(shù)的更新日新月異，這就使得課程內(nèi)容的更新過快，內(nèi)容廣泛，教師很難在第一時(shí)間向?qū)W生輸送所有的課程知識(shí)。二是計(jì)算機(jī)視覺課程涉及多個(gè)學(xué)科領(lǐng)域，并且所涉及的領(lǐng)域知識(shí)內(nèi)容復(fù)雜，表達(dá)抽象，這對(duì)學(xué)生的學(xué)習(xí)來說是一個(gè)較大的障礙。三是實(shí)踐性強(qiáng)。計(jì)算機(jī)視覺課程的知識(shí)內(nèi)容來源于各種專業(yè)不同的領(lǐng)域，操作性極強(qiáng)，學(xué)生只有在具有一定的工程項(xiàng)目綜合能力后，才能進(jìn)行計(jì)算機(jī)視覺應(yīng)用和操作。

二、計(jì)算機(jī)視覺與計(jì)算機(jī)圖形學(xué)、數(shù)字圖像處理之間的聯(lián)系和區(qū)別

1.計(jì)算機(jī)視覺與計(jì)算機(jī)圖形學(xué)的聯(lián)系與區(qū)別。計(jì)算機(jī)視覺一般輸入的都是圖像或圖像序列，其輸入資料主要來自u(píng)sb攝像頭或是相機(jī)。經(jīng)過處理后，計(jì)算機(jī)視覺輸出的是對(duì)圖像序列和圖像對(duì)應(yīng)的對(duì)真實(shí)世界的一種理解，在這一方面，計(jì)算機(jī)視覺有識(shí)別車牌、人臉的作用。而計(jì)算機(jī)圖形學(xué)則是一種對(duì)虛擬場(chǎng)景的描述。它一般是由多個(gè)多邊性數(shù)組組成，每個(gè)多邊性有三個(gè)頂點(diǎn)，輸出的是二維像素?cái)?shù)組。在增強(qiáng)現(xiàn)實(shí)的應(yīng)用中，人們不僅需要用計(jì)算機(jī)視覺來提高對(duì)物體識(shí)別和姿態(tài)獲取的效率，還需要用到計(jì)算機(jī)圖形學(xué)對(duì)虛擬三維物體的疊加方法。

2.計(jì)算機(jī)視覺與數(shù)字圖像處理的聯(lián)系和區(qū)別。首先，計(jì)算機(jī)視覺與數(shù)字圖像處理之間的聯(lián)系在于數(shù)字圖像處理是計(jì)算機(jī)視覺處理的基礎(chǔ)，而計(jì)算機(jī)視覺的研究成果也可以作為數(shù)字處理的素材。其次，計(jì)算機(jī)視覺與數(shù)字圖像處理之間的區(qū)別在于圖形是一種純數(shù)字化、矢量的單位，而圖像則不僅包括圖形，有時(shí)還包括來自現(xiàn)實(shí)世界的信號(hào)，并且圖形的處理不是一種簡(jiǎn)單的堆積，計(jì)算機(jī)視覺的處理要從圖像中找到一些統(tǒng)計(jì)數(shù)據(jù)和信息，并做進(jìn)一步的數(shù)據(jù)分析。

三、高校計(jì)算機(jī)視覺課程教學(xué)的創(chuàng)新策略

1.以工程應(yīng)用為導(dǎo)向的課程內(nèi)容。鑒于學(xué)習(xí)本課程的學(xué)生在畢業(yè)之后多數(shù)會(huì)進(jìn)入相關(guān)工程企業(yè)或者研究院工作，因此，在對(duì)學(xué)生進(jìn)行培養(yǎng)時(shí)，高校一方面要考慮到學(xué)生的知識(shí)接受度，另一方面要設(shè)置以工程應(yīng)用為導(dǎo)向的課程內(nèi)容，幫助學(xué)生更好的進(jìn)入企業(yè)或研究院開展工作。高校在進(jìn)行計(jì)算機(jī)視覺課程教學(xué)創(chuàng)新時(shí)，首先要?jiǎng)?chuàng)新課程教材，摒棄以往枯燥的理論書籍，多選取一些實(shí)踐性和應(yīng)用性強(qiáng)的教材?？紤]到國(guó)內(nèi)教材的滯后性和學(xué)生基礎(chǔ)的薄弱性，高校應(yīng)該選擇以下兩本書作為學(xué)生的專用教材：一本是我國(guó)著名教授賈云得編纂的《機(jī)器學(xué)習(xí)》，這部教材深刻體現(xiàn)了時(shí)展的教學(xué)要求，書中不僅詳細(xì)講述了計(jì)算機(jī)視覺中的一些基本知識(shí)，包括計(jì)算機(jī)視覺的基本概念、算法及其應(yīng)用，還有一些經(jīng)典的數(shù)字圖像處理方法和視覺應(yīng)用分析，對(duì)學(xué)生了解基礎(chǔ)知識(shí)和實(shí)踐內(nèi)容有著重要的意義；另外一本是國(guó)內(nèi)外十分推崇的計(jì)算機(jī)視覺著作，它是美國(guó)教授Richard Szeliski教授的作品。該書在2010年出版，獲得了眾多業(yè)界人士的好評(píng)。Richard Szeliski教授是華盛頓大學(xué)的兼職教授，也是微軟研究院交互視覺與多媒體的主任，他對(duì)計(jì)算機(jī)視覺的發(fā)展和未來走向十分清楚，也深刻了解產(chǎn)業(yè)界和大學(xué)需要什么樣的計(jì)算機(jī)視覺課程教材。因此，這本教材面向應(yīng)用，與當(dāng)今最新的科技成果緊密相連，綜合論述了計(jì)算機(jī)視覺在各個(gè)領(lǐng)域的發(fā)展，展示了計(jì)算機(jī)視覺的最新研究成果和未來的發(fā)展趨勢(shì)。此外，本書中還有詳細(xì)的國(guó)外研究案例和更加深入的應(yīng)用案例，適合學(xué)生開展探究性學(xué)習(xí)。兩本教材都是遵循以工程應(yīng)用為導(dǎo)向的原則，對(duì)學(xué)生開放性思維的培養(yǎng)有著重要的意義。

2.面向科技最新成果的課程定位。計(jì)算機(jī)視覺是一門新技術(shù)，科技創(chuàng)新是其發(fā)展的原動(dòng)力，因此，高校在進(jìn)行課程安排時(shí)，應(yīng)該將當(dāng)今計(jì)算機(jī)視覺領(lǐng)域的重要的科技成果作為計(jì)算機(jī)課程的基本教學(xué)內(nèi)容。要想以科技最新成果定位計(jì)算機(jī)視覺課程，高校要做到以下兩個(gè)方面：（1）選取涵蓋最新成果的教材。考慮到不同學(xué)生的數(shù)字圖像處理基礎(chǔ)不一的問題，學(xué)?？梢栽谡n程中補(bǔ)充一些有關(guān)數(shù)字圖像處理的基礎(chǔ)內(nèi)容。在選擇教材內(nèi)容時(shí)，計(jì)算機(jī)視覺課程的內(nèi)容應(yīng)該包括數(shù)字圖像處理、視覺學(xué)習(xí)和模式識(shí)別這三大部分。數(shù)字圖像處理是視覺課程的基礎(chǔ)內(nèi)容，主要向?qū)W生介紹數(shù)字圖像處理和計(jì)算機(jī)視覺所涉及的一些基礎(chǔ)知識(shí)，包括圖像的分割和檢測(cè)、圖像濾波的處理等。數(shù)字圖像處理是整個(gè)計(jì)算機(jī)課程學(xué)習(xí)的重要基礎(chǔ)內(nèi)容，其課時(shí)可占總課時(shí)的二分之一。其次，視覺部分是近幾年來計(jì)算機(jī)視覺的最新科技成果，內(nèi)容主要包括攝像機(jī)的幾何設(shè)定和計(jì)算機(jī)攝影機(jī)的序列處理等。作為最前沿的科技領(lǐng)域，視覺部分將會(huì)是該課程后期的重點(diǎn)內(nèi)容，與實(shí)踐作業(yè)緊密結(jié)合。而模式識(shí)別則更多的是新技術(shù)的一種工程應(yīng)用，學(xué)生會(huì)更多的涉及到實(shí)踐操作，更好的培養(yǎng)學(xué)生的實(shí)踐能力。（2）強(qiáng)化學(xué)生自學(xué)和調(diào)研能力。課程調(diào)研和實(shí)踐是信息專業(yè)學(xué)生強(qiáng)化能力的重要方法之一，高?？梢栽谡n程項(xiàng)目中引入新技術(shù)的探究，在使課程在具有基礎(chǔ)性、研究性的同時(shí)，具有一定的前沿性，還能讓學(xué)生在第一時(shí)間了解到最新的科技成果和互聯(lián)網(wǎng)應(yīng)用技術(shù)。在課程調(diào)研和實(shí)踐中，高校必須要強(qiáng)化學(xué)生的自學(xué)和調(diào)研能力，在調(diào)研時(shí)給每一個(gè)小組安排一位高年級(jí)研究生作為指導(dǎo)，每組學(xué)生獨(dú)立完成任務(wù)，高年級(jí)研究生只做引導(dǎo)和輔助的作用。學(xué)生在自我設(shè)置調(diào)研程序，查找資料，理解和熟悉相關(guān)程序的時(shí)候，能夠更加掌握最新科技成果的內(nèi)容，同時(shí)還提高了學(xué)生的自學(xué)能力和團(tuán)隊(duì)協(xié)作能力。

3.工程實(shí)踐化的教學(xué)形式。工程項(xiàng)目綜合能力是信息專業(yè)的學(xué)生必須具備的素質(zhì)之一，因此在計(jì)算機(jī)視覺課程的教學(xué)過程中，培養(yǎng)學(xué)生的工程實(shí)踐能力是教學(xué)目標(biāo)之一。高?？梢圆扇∫韵聝煞N方法：（1）選取適當(dāng)?shù)墓こ虒?shí)例。對(duì)于信息專業(yè)的學(xué)生而言，計(jì)算機(jī)視覺課程各個(gè)獨(dú)立的算法和方法較多，彼此沒有過多的聯(lián)系。這對(duì)學(xué)生來說過于抽象，不易理解，因此教師不應(yīng)當(dāng)僅僅限于知識(shí)的傳授，還應(yīng)該選取一些適當(dāng)?shù)墓こ虒?shí)例，將知識(shí)體系串聯(lián)在一起，加深學(xué)會(huì)對(duì)教學(xué)內(nèi)容的理解，從而達(dá)到良好的教學(xué)效果。例如，在教學(xué)過程中，教師可以著重介紹手機(jī)制造的例子。手機(jī)是現(xiàn)在學(xué)生十分熟悉的產(chǎn)品，用手機(jī)舉例更加貼近學(xué)生的生活，教師可以詳細(xì)介紹手機(jī)鍵盤和主板的制造過程，并在這一過程中將所學(xué)的算法和理論融合進(jìn)去，加深學(xué)生對(duì)知識(shí)的理解。其次，教師在手機(jī)講解時(shí)，還可以引導(dǎo)學(xué)生思考類似的產(chǎn)品制造，從而引出數(shù)碼相機(jī)的制造原理，和學(xué)生一起探討其制造算法。這種做法不僅可以幫助學(xué)生學(xué)習(xí)，還可以讓學(xué)生拓寬思路，發(fā)散思維，不斷創(chuàng)新計(jì)算機(jī)視覺領(lǐng)域。（2）選擇合適的實(shí)際應(yīng)用。計(jì)算機(jī)視覺課程是一門實(shí)踐性和操作性極強(qiáng)的學(xué)科，因此，為了學(xué)生更好的學(xué)習(xí)，教師要將理論工程實(shí)踐化，選擇合適的實(shí)際應(yīng)用來提高學(xué)生的實(shí)踐能力。教師可以安排學(xué)生進(jìn)入手機(jī)制造廠房，給學(xué)生上一堂別開生面的實(shí)踐課，詳細(xì)介紹每個(gè)制造流程，并向?qū)W生不斷拋出與課程有關(guān)的問題，引發(fā)學(xué)生的思考，比如選擇什么樣的模板匹配法可以更為簡(jiǎn)單。學(xué)生在不斷的解答和提問中，對(duì)學(xué)科知識(shí)的了解也會(huì)逐步加深。其次，高?？梢越ｉT的實(shí)訓(xùn)基地，學(xué)生可以在基地里實(shí)踐操作，將理論轉(zhuǎn)化為實(shí)物，親自嘗試做出模型，這種做法可以極大地提高學(xué)生的實(shí)踐能力，使學(xué)生更快的將理論轉(zhuǎn)化為實(shí)際。

四、結(jié)語

在新形勢(shì)下，高校應(yīng)不斷創(chuàng)新計(jì)算機(jī)視覺課程的教學(xué)模式，并以此展開教學(xué)活動(dòng)，培養(yǎng)學(xué)生的實(shí)踐能力和創(chuàng)新精神。將工程應(yīng)用和科技最新成果結(jié)合的教學(xué)模式，有利于解決理論和實(shí)踐相脫節(jié)的問題，在增強(qiáng)學(xué)生學(xué)習(xí)興趣、提高學(xué)生獨(dú)立分析能力的同時(shí)，還使學(xué)生接觸了國(guó)際最新的研究成果，拓寬了學(xué)生的思路，這對(duì)學(xué)生未來的發(fā)展有著重要的意義。

參考文獻(xiàn)：

[1]郭小勤，曹廣忠.計(jì)算機(jī)視覺課程的CDIO教學(xué)改革實(shí)踐[J].理工高教研究，2010，（05）.

[2]倫向敏，侯一民.高?！队?jì)算機(jī)視覺》課程輔助教學(xué)系統(tǒng)的研究[J].教育教學(xué)論壇，2012，（18）.

[3]陳芳林，劉亞東，沈輝.在《計(jì)算機(jī)視覺》課程中引入研討式教學(xué)模式[J].當(dāng)?shù)亟逃碚摵蛯?shí)踐，2013，（07）.

[4]楊晨.視覺傳達(dá)設(shè)計(jì)專業(yè)插畫設(shè)計(jì)課程創(chuàng)新與實(shí)踐人才培養(yǎng)機(jī)制探究[J].藝術(shù)科技，2015，（05）.

[5]蔣辰.基于數(shù)字媒體環(huán)境的視覺傳達(dá)設(shè)計(jì)專業(yè)綜合實(shí)驗(yàn)課程改革探證[J].文藝生活：中旬刊，2015，（07）.

[6]張勝利.視覺傳達(dá)設(shè)計(jì)專業(yè)中色彩風(fēng)景寫生課程多元立體化教學(xué)模式的構(gòu)建[J].美術(shù)教育研究，2015，（08）.

篇3

1.1自動(dòng)化程度高

計(jì)算機(jī)視覺可以實(shí)現(xiàn)對(duì)農(nóng)產(chǎn)品的多個(gè)外形和內(nèi)在品質(zhì)指標(biāo)進(jìn)行同時(shí)檢測(cè)分析，可以進(jìn)行整體識(shí)別、增強(qiáng)對(duì)目標(biāo)識(shí)別的準(zhǔn)確性。

1.2實(shí)現(xiàn)無損檢測(cè)

由于計(jì)算機(jī)視覺技術(shù)對(duì)農(nóng)產(chǎn)品的識(shí)別是通過掃描、攝像，而不需要直接接觸，可以減少對(duì)所檢測(cè)食品的傷害。

1.3穩(wěn)定的檢測(cè)精度

設(shè)計(jì)的運(yùn)行程序確定后，計(jì)算機(jī)視覺技術(shù)的識(shí)別功能就會(huì)具有統(tǒng)一的識(shí)別標(biāo)準(zhǔn)，具有穩(wěn)定的檢測(cè)精度，避免了人工識(shí)別和檢測(cè)時(shí)主觀因素所造成的差異。

2計(jì)算機(jī)視覺技術(shù)在食品檢測(cè)中的應(yīng)用

20世紀(jì)70年代初，學(xué)者開始研究計(jì)算機(jī)視覺技術(shù)在食品工業(yè)中的應(yīng)用，近幾十年電子技術(shù)得到快速發(fā)展，計(jì)算機(jī)視覺技術(shù)也越來越成熟。國(guó)內(nèi)外學(xué)者在研究計(jì)算機(jī)視覺技術(shù)在食品工業(yè)中的應(yīng)用方面主要集中在該技術(shù)對(duì)果蔬的外部形態(tài)（如形狀、重量、外觀損傷、色澤等）的識(shí)別、內(nèi)部無損檢測(cè)等方面。國(guó)內(nèi)有關(guān)計(jì)算機(jī)視覺技術(shù)在食品業(yè)中的應(yīng)用研究起始于90年代，比國(guó)外發(fā)達(dá)國(guó)家晚20多年，但是發(fā)展很快。

2.1計(jì)算機(jī)視覺技術(shù)在果蔬分級(jí)中的應(yīng)用研究

計(jì)算機(jī)視覺技術(shù)在食品檢測(cè)中的應(yīng)用研究相當(dāng)廣泛，從外部直徑、成熟度的檢測(cè)到內(nèi)部腐爛程度的檢測(cè)都有研究。韓偉等［4］采用分割水果的拍攝圖像和新的計(jì)算機(jī)算法計(jì)算水果的半徑，進(jìn)而得出果蔬的最大直徑。研究表明，該算法不僅降低了計(jì)算量而且提高了計(jì)算精度，此方法用于水果分級(jí)的誤差不超過2mm，高于國(guó)際水果分級(jí)標(biāo)準(zhǔn)所規(guī)定的5mm分類標(biāo)準(zhǔn)差，可在工業(yè)生產(chǎn)中很好應(yīng)用。李慶中［5］也利用圖像的缺陷分割算法研究了計(jì)算機(jī)視覺技術(shù)在蘋果檢測(cè)與分級(jí)中的應(yīng)用，結(jié)果表明此算法能快速、有效地分割出蘋果的表面缺陷。孫洪勝等［6］以蘋果色澤特征比率的變化規(guī)律為理論基礎(chǔ)，結(jié)合模糊聚類知識(shí)利用計(jì)算機(jī)視覺技術(shù)來檢測(cè)蘋果缺陷域，檢測(cè)不僅快速而且結(jié)果精確。劉禾等［7］通過研究認(rèn)為蘋果的表面缺陷可以利用計(jì)算機(jī)視覺技術(shù)進(jìn)行檢測(cè)，計(jì)算機(jī)視覺技術(shù)還可以將蘋果按照檢測(cè)結(jié)果進(jìn)行分級(jí)，把檢測(cè)過的蘋果分成裂果、刺傷果、碰傷果和蟲傷果等類別。梨的果梗是否存在是梨類分級(jí)的重要特征之一，應(yīng)義斌等［8］通過計(jì)算機(jī)視覺技術(shù)、圖象處理技術(shù)、傅立葉描述子的方法來描述和識(shí)別果形以及有無果柄，其識(shí)別率達(dá)到90%。楊秀坤等［9］綜合運(yùn)用計(jì)算機(jī)視覺技術(shù)、遺傳算法、多層前饋神經(jīng)網(wǎng)絡(luò)系統(tǒng)，實(shí)現(xiàn)了具有精確度高、靈活性強(qiáng)和速度快等優(yōu)點(diǎn)的蘋果成熟度自動(dòng)判別。陳育彥等［10］采用半導(dǎo)體激光技術(shù)、計(jì)算機(jī)視覺技術(shù)和圖像分析技術(shù)相結(jié)合的方法檢測(cè)蘋果表面的機(jī)械損傷和果實(shí)內(nèi)部的腐爛情況，初步驗(yàn)證了計(jì)算機(jī)視覺技術(shù)檢測(cè)蘋果表面的損傷和內(nèi)部腐爛是可行的。馮斌等［11］通過計(jì)算機(jī)視覺技術(shù)對(duì)水果圖像的邊緣進(jìn)行檢測(cè)，然后確定水果的大小用以水果分級(jí)。試驗(yàn)表明，該方法比傳統(tǒng)的檢測(cè)方法速度快、準(zhǔn)確率高，適用于計(jì)算機(jī)視覺的實(shí)時(shí)檢測(cè)。朱偉［12］在模糊顏色的基礎(chǔ)上，分析西紅柿損傷部分和完好部分模糊顏色的差別，用分割方法對(duì)西紅柿的缺陷進(jìn)行分割，結(jié)果顯示準(zhǔn)確率高達(dá)96%。曹樂平等［13］人研究了溫州蜜柑的果皮顏色與果實(shí)可滴定酸含量以及糖分含量之間的相關(guān)性，然而根據(jù)相關(guān)性，樣品檢測(cè)的正確識(shí)別率分別只有約74%和67%。劉剛等［14］從垂直和水平兩個(gè)方向獲取蘋果的圖像，并通過計(jì)算機(jī)自動(dòng)分析圖像數(shù)據(jù)，對(duì)蘋果的外徑、體積、以及圓形度等參數(shù)進(jìn)行處理，與人工檢測(cè)相比，計(jì)算機(jī)視覺技術(shù)具有檢測(cè)效率高，檢測(cè)標(biāo)準(zhǔn)統(tǒng)一性好等優(yōu)點(diǎn)。Blasco.J［15］通過計(jì)算機(jī)視覺技術(shù)分析柑橘果皮的缺陷，進(jìn)而對(duì)其在線分級(jí)，正確率約為95%。趙廣華等［16］人綜合計(jì)算機(jī)視覺識(shí)別系統(tǒng)、輸送轉(zhuǎn)換系統(tǒng)、輸送翻轉(zhuǎn)系統(tǒng)、差速勻果系統(tǒng)和分選系統(tǒng)，研制出一款適于實(shí)時(shí)監(jiān)測(cè)、品質(zhì)動(dòng)態(tài)的智能分級(jí)系統(tǒng)，能夠很好地實(shí)現(xiàn)蘋果分級(jí)。王江楓等［17］建立了芒果重量與攝影圖像的相互關(guān)系，應(yīng)用計(jì)算機(jī)視覺技術(shù)檢測(cè)桂香芒果和紫花芒果的重量和果面損傷，按重量分級(jí)其準(zhǔn)確率均為92%，按果面損傷分級(jí)的準(zhǔn)確率分別為76%和80%。

2.2計(jì)算機(jī)視覺技術(shù)在禽蛋檢測(cè)中的應(yīng)用研究

禽蛋企業(yè)在生產(chǎn)過程中，產(chǎn)品的分級(jí)、品質(zhì)檢測(cè)主要采用人工方法，不僅需要大量的物力人力，而且存在勞動(dòng)強(qiáng)度大、人為誤差大、工作效率低等缺點(diǎn)，計(jì)算機(jī)視覺技術(shù)可以很好的解決這類產(chǎn)品工業(yè)生產(chǎn)中存在的困擾。歐陽靜怡等［18］利用計(jì)算機(jī)視覺技術(shù)來檢測(cè)雞蛋蛋殼裂紋，利用攝像機(jī)獲取雞蛋圖像后，采用fisher、同態(tài)濾波和BET算法等優(yōu)化后的圖像處理技術(shù)，獲得裂紋形狀并判斷，試驗(yàn)結(jié)果表明，計(jì)算機(jī)視覺技術(shù)對(duì)雞蛋蛋殼裂紋的檢測(cè)準(zhǔn)確率高達(dá)98%。汪俊德等［19］以計(jì)算機(jī)視覺技術(shù)為基礎(chǔ)，設(shè)計(jì)出一套雙黃雞蛋檢測(cè)系統(tǒng)。該系統(tǒng)獲取蛋黃指數(shù)、蛋黃特征和蛋形尺寸等特征，和設(shè)計(jì)的數(shù)學(xué)模型對(duì)比來實(shí)現(xiàn)雙黃雞蛋的檢測(cè)和識(shí)別，檢測(cè)準(zhǔn)確率高達(dá)95%。鄭麗敏等［20］人通過高分辨率的數(shù)字?jǐn)z像頭獲取雞蛋圖像，根據(jù)圖像特征建立數(shù)學(xué)模型來預(yù)測(cè)雞蛋的新鮮度和貯藏期，結(jié)果表明，計(jì)算機(jī)視覺技術(shù)對(duì)雞蛋的新鮮度、貯藏期進(jìn)行預(yù)測(cè)的結(jié)果準(zhǔn)確率為94%。潘磊慶等［21］通過計(jì)算機(jī)視覺技術(shù)和聲學(xué)響應(yīng)信息技術(shù)相結(jié)合的方法檢測(cè)裂紋雞蛋，其檢測(cè)準(zhǔn)確率達(dá)到98%。MertensK等［22］人基于計(jì)算機(jī)視覺技術(shù)研發(fā)了雞蛋的分級(jí)檢測(cè)系統(tǒng)，該系統(tǒng)識(shí)別帶污漬雞蛋的正確率高達(dá)99%。

2.3計(jì)算機(jī)視覺技術(shù)在檢測(cè)食品中微生物含量的應(yīng)用研究

計(jì)算機(jī)技術(shù)和圖像處理技術(shù)在綜合學(xué)科中的應(yīng)用得到快速發(fā)展，在微生物快速檢測(cè)中的應(yīng)用也越來越多，主要是針對(duì)微生物微菌落的處理。食品工業(yè)中計(jì)算機(jī)視覺技術(shù)在微生物檢測(cè)方面的研究和應(yīng)用以研究單個(gè)細(xì)胞為主，并在個(gè)體細(xì)胞的研究上取得了一定的進(jìn)展。殷涌光等［23］以顏色特征分辨技術(shù)為基礎(chǔ)，設(shè)計(jì)了一套應(yīng)用計(jì)算機(jī)視覺技術(shù)快速定量檢測(cè)食品中大腸桿菌的系統(tǒng)，該系統(tǒng)檢測(cè)結(jié)果與傳統(tǒng)方法的檢測(cè)結(jié)果具有很好的相關(guān)性，但與傳統(tǒng)方法相比，可以節(jié)省5d時(shí)間，檢測(cè)時(shí)間在18h以內(nèi)，并且能夠有效提高產(chǎn)品品質(zhì)。Lawless等［24］人等時(shí)間段測(cè)定培養(yǎng)基上的細(xì)胞密度，然后通過計(jì)算機(jī)技術(shù)建立時(shí)間和細(xì)胞密度之間的動(dòng)態(tài)關(guān)聯(lián)，利用該關(guān)聯(lián)可以預(yù)測(cè)和自動(dòng)檢測(cè)微生物的生長(zhǎng)情況，如通過計(jì)算機(jī)控制自動(dòng)定量采集檢測(cè)對(duì)象，然后分析菌落的邊緣形態(tài)，根據(jù)菌落的邊緣形態(tài)計(jì)算機(jī)可以顯示被檢測(cè)菌落的具置，并且根據(jù)動(dòng)態(tài)關(guān)聯(lián)計(jì)算機(jī)視覺系統(tǒng)可以同時(shí)處理多個(gè)不同的樣品。郭培源等［25］人對(duì)計(jì)算機(jī)視覺技術(shù)用于豬肉的分級(jí)進(jìn)行了研究，結(jié)果顯示計(jì)算機(jī)視覺技術(shù)在識(shí)別豬肉表面微生物數(shù)量上與國(guó)標(biāo)方法檢測(cè)的結(jié)果顯著相關(guān)，該技術(shù)可以有效地計(jì)算微生物的數(shù)量。Bayraktar.B等［26］人采用計(jì)算機(jī)視覺技術(shù)、光散射技術(shù)（BARDOT）和模式識(shí)別技術(shù)相結(jié)合的方法來快速檢測(cè)李斯特菌，在獲取該菌菌落中的形態(tài)特征有，對(duì)圖像進(jìn)行分析處理達(dá)到對(duì)該菌的分類識(shí)別。殷涌光等［27］人綜合利用計(jì)算機(jī)視覺、活體染色、人工神經(jīng)網(wǎng)絡(luò)、圖像處理等技術(shù)，用分辨率為520萬像素的數(shù)字?jǐn)z像機(jī)拍攝細(xì)菌內(nèi)部的染色效果，并結(jié)合新的圖像處理算法，對(duì)細(xì)菌形態(tài)學(xué)的8個(gè)特征參數(shù)進(jìn)行檢測(cè)，檢測(cè)結(jié)果與傳統(tǒng)檢測(cè)結(jié)果顯著相關(guān)（相關(guān)系數(shù)R=0.9987），和傳統(tǒng)檢測(cè)方法相比該方法具有操作簡(jiǎn)單、快速、結(jié)果準(zhǔn)確、適合現(xiàn)場(chǎng)快速檢測(cè)等特點(diǎn)。魯靜［28］和劉侃［29］利用顯微鏡和圖像采集儀器，獲取乳制品的掃描圖像，然后微生物的圖像特征和微生物數(shù)量進(jìn)行識(shí)別，并以此作為衡量乳制品質(zhì)量是否達(dá)標(biāo)的依據(jù)，并對(duì)產(chǎn)品進(jìn)行分級(jí)。

2.4計(jì)算機(jī)視覺技術(shù)在其他食品產(chǎn)業(yè)中的應(yīng)用研究

里紅杰等［30］通過提取貝類和蝦類等海產(chǎn)品的形狀、尺寸、紋理、顏色等外形特征，對(duì)照數(shù)學(xué)模型，采用數(shù)字圖像處理技術(shù)、計(jì)算機(jī)識(shí)別技術(shù)實(shí)現(xiàn)了對(duì)貝類和蝦類等海產(chǎn)品的無損檢測(cè)和自動(dòng)化分類、分級(jí)和質(zhì)量評(píng)估，并通過實(shí)例詳細(xì)闡述了該技術(shù)的實(shí)現(xiàn)方法，證實(shí)了此項(xiàng)技術(shù)的有效性。計(jì)算機(jī)視覺技術(shù)還可以檢驗(yàn)玉米粒形和玉米種子質(zhì)量、識(shí)別玉米品種和玉米田間雜草［31］。晁德起等［32］通過x射線照射獲取毛葉棗的透視圖像后，運(yùn)用計(jì)算機(jī)視覺技術(shù)對(duì)圖像進(jìn)行分析評(píng)估，毛葉棗可食率的評(píng)估結(jié)果與運(yùn)用物理方法測(cè)得的結(jié)果平均誤差僅為1.47％，因此得出結(jié)論：計(jì)算機(jī)視覺技術(shù)可以應(yīng)用于毛葉棗的自動(dòng)分級(jí)。GokmenV等［33-34］通過對(duì)薯片制作過程中圖像像素的變化來研究薯片的褐變率，通過分析特色參數(shù)來研究薯片中丙烯酰胺的含量和褐變率的關(guān)系，結(jié)果顯示兩項(xiàng)參數(shù)相關(guān)性為0.989，從而可以應(yīng)用計(jì)算機(jī)視覺技術(shù)來預(yù)測(cè)加熱食品中丙烯酰胺的含量，該方法可以在加熱食品行業(yè)中得到廣泛應(yīng)用。韓仲志等［35］人拍攝和掃描11類花生籽粒，每類100顆不同等級(jí)的花生籽粒的正反面圖像，利用計(jì)算機(jī)視覺技術(shù)對(duì)花生內(nèi)部和外部采集圖像，并通過圖像對(duì)其外在品質(zhì)和內(nèi)在品質(zhì)進(jìn)行分析，并建立相應(yīng)的數(shù)學(xué)模型，該技術(shù)在對(duì)待檢樣品進(jìn)行分級(jí)檢測(cè)時(shí)的正確率高達(dá)92%。另外，郭培源等［36］人以國(guó)家標(biāo)準(zhǔn)為依據(jù)，通過數(shù)字?jǐn)z像技術(shù)獲取豬肉的細(xì)菌菌斑面積、脂肪細(xì)胞數(shù)、顏色特征值以及氨氣等品質(zhì)指標(biāo)來實(shí)現(xiàn)豬肉新鮮程度的分級(jí)辨認(rèn)。

3展望

新技術(shù)的研究與應(yīng)用必然伴隨著坎坷，從70年代初計(jì)算機(jī)視覺技術(shù)在食品工業(yè)中進(jìn)行應(yīng)用開始，就遇到了很多問題。計(jì)算機(jī)視覺技術(shù)在食品工業(yè)中的研究及應(yīng)用主要存在以下幾方面的問題。

3.1檢測(cè)指標(biāo)有限

計(jì)算機(jī)視覺技術(shù)在檢測(cè)食品單一指標(biāo)或者以一個(gè)指標(biāo)作為分級(jí)標(biāo)準(zhǔn)進(jìn)行分級(jí)時(shí)具有理想效果，但以同一食品的多個(gè)指標(biāo)共同作為分級(jí)標(biāo)準(zhǔn)進(jìn)行檢測(cè)分級(jí)，則分級(jí)結(jié)果誤差較大［37］。例如，Davenel等［38］通過計(jì)算機(jī)視覺對(duì)蘋果的大小、重量、外觀損傷進(jìn)行分析，但研究結(jié)果顯示，系統(tǒng)會(huì)把花萼和果梗標(biāo)記為缺陷，還由于蘋果表面碰壓傷等缺陷情況復(fù)雜，造成分級(jí)誤差很大，分級(jí)正確率只有69%。Nozer［39-40］等以計(jì)算機(jī)視覺為主要技術(shù)手段，獲取水果的圖像，進(jìn)而通過分析圖像來確定水果的形狀、大小、顏色和重量，并進(jìn)行分級(jí)，其正確率僅為85.1%。

3.2兼容性差

計(jì)算機(jī)視覺技術(shù)針對(duì)單一種類的果蔬分級(jí)檢測(cè)效果顯著，但是，同一套系統(tǒng)和設(shè)備很難用于其它種類的果蔬，甚至同一種類不同品種的農(nóng)產(chǎn)品也很難公用一套計(jì)算機(jī)視覺設(shè)備。Reyerzwiggelaar等［41］利用計(jì)算機(jī)視覺檢查杏和桃的損傷程度，發(fā)現(xiàn)其檢測(cè)桃子的準(zhǔn)確率顯著高于杏的。Majumdar.S等［42］利用計(jì)算機(jī)視覺技術(shù)區(qū)分不同種類的麥粒，小麥、燕麥、大麥的識(shí)別正確率有明顯差異。

3.3檢測(cè)性能受環(huán)境制約

篇4

關(guān)鍵詞：計(jì)算機(jī)； 交通運(yùn)輸； 視覺； 信號(hào)控制

中圖分類號(hào)：TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-3315（2013）06-175-001

近20年來，隨著我國(guó)經(jīng)濟(jì)社會(huì)的快速發(fā)展，大家直接的感覺是交通和運(yùn)輸行業(yè)呈現(xiàn)出井噴式的發(fā)展：在1990年的時(shí)候，我國(guó)機(jī)動(dòng)車保有量是1476.26萬輛，我國(guó)公路的總里程102.83萬公里；到了2010年，我國(guó)汽車的保有量已經(jīng)達(dá)到了2706.13萬輛，我國(guó)公路總里程已經(jīng)達(dá)到了482萬公里。交通運(yùn)輸對(duì)經(jīng)濟(jì)的發(fā)展起著至關(guān)重要的作用，高效的運(yùn)輸保障能力是促進(jìn)經(jīng)濟(jì)發(fā)展的重要措施；自上世紀(jì)計(jì)算機(jī)技術(shù)在交通運(yùn)輸領(lǐng)域應(yīng)用以來，其高運(yùn)算性、集成性為交通運(yùn)輸系統(tǒng)的發(fā)展提供了充分的技術(shù)支持，提高了運(yùn)輸效率，緩解了交通運(yùn)輸壓力。隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，在交通運(yùn)輸系統(tǒng)中將會(huì)有更為廣泛的運(yùn)用。

1.計(jì)算機(jī)視覺技術(shù)在交通運(yùn)輸中的應(yīng)用

基于圖像處理的計(jì)算機(jī)視覺技術(shù)是通過攝像機(jī)獲取場(chǎng)景圖像，并借助于計(jì)算機(jī)軟件構(gòu)建一個(gè)自動(dòng)化或半自動(dòng)化的圖像/視頻理解和分析系統(tǒng)，并提供及時(shí)準(zhǔn)確的圖像/視頻處理結(jié)果，以模仿人的視覺功能。采用人工值守的方式來處理交通問題是一種勞動(dòng)力成本高昂且效率極為低下的一種工作模式，為了極大地提高工作效率并降低勞動(dòng)力成本，計(jì)算機(jī)視覺技術(shù)應(yīng)用于交通領(lǐng)域則成為了近年來的熱點(diǎn)之一，其主要應(yīng)用于以下幾個(gè)方面：

①基于計(jì)算機(jī)視覺技術(shù)的車輛牌照自動(dòng)識(shí)別。

②基于計(jì)算機(jī)視覺技術(shù)的車輛檢測(cè)與流量統(tǒng)計(jì)。

③基于計(jì)算機(jī)視覺技術(shù)的公交車輛乘客人數(shù)統(tǒng)計(jì)。

④基于計(jì)算機(jī)視覺技術(shù)的公交專用道非法占道抓拍。

⑤基于計(jì)算機(jī)視覺技術(shù)的駕駛員工作狀態(tài)判斷。

⑥基于計(jì)算機(jī)視覺技術(shù)的行人檢測(cè)。

隨著圖像處理、模式識(shí)別與人工智能技術(shù)的發(fā)展，更多的基于計(jì)算機(jī)視覺新技術(shù)將在智能交通系統(tǒng)中涌現(xiàn)，并以此進(jìn)一步便利人們的出行方式與交通職能部門管理水平與工作效率。

2.車輛收費(fèi)系統(tǒng)中計(jì)算機(jī)技術(shù)的應(yīng)用

在近期我國(guó)興起的不停車收費(fèi)系統(tǒng)（ETC系統(tǒng)）是一種先進(jìn)的電子收費(fèi)系統(tǒng)，它包括自動(dòng)車輛識(shí)別系統(tǒng)、計(jì)算機(jī)網(wǎng)絡(luò)、監(jiān)控系統(tǒng)和車道系統(tǒng)4個(gè)部分。與之前人工的收費(fèi)系統(tǒng)相比，節(jié)約資源、減少污染、杜絕票款流失、減少車輛延誤、提高通行能力與服務(wù)水平；該系統(tǒng)普遍采用非接觸式的射頻卡，以天線的方式對(duì)車輛上卡中信息進(jìn)行讀寫，采用高速率的半雙工協(xié)議來進(jìn)行車輛識(shí)別與數(shù)據(jù)交換，實(shí)現(xiàn)車輛不停車收費(fèi)，不停車收費(fèi)系統(tǒng)將是未來收費(fèi)系統(tǒng)的發(fā)展趨勢(shì)，具有極其廣闊的應(yīng)用前景。

3.在交通信號(hào)控制領(lǐng)域計(jì)算機(jī)技術(shù)的應(yīng)用

隨著大、中城市不斷增加的車輛和有限的道路空間矛盾日益加劇，交通系統(tǒng)面臨著越來越多的問題。合理的運(yùn)用計(jì)算機(jī)控制管理技術(shù)是緩解城市交通問題的重要措施之一，交通信號(hào)自動(dòng)控制是交通控制的重要組成部分。智能交通中的信號(hào)燈控制顯示出了越來越多的重要性，采用計(jì)算機(jī)技術(shù)、自動(dòng)化控制技術(shù)和現(xiàn)代網(wǎng)絡(luò)通訊技術(shù)，使車輛行駛和道路導(dǎo)航實(shí)現(xiàn)智能化，從而緩解道路交通擁堵，減少交通事故，改善道路交通環(huán)境，節(jié)約交通能源，減輕駕駛疲勞等功能，最終實(shí)現(xiàn)安全、舒適、快速、經(jīng)濟(jì)的交通環(huán)境。

隨著我國(guó)交通建設(shè)的發(fā)展，未來的交通控制將在道路、車輛和駕駛員之間建立快速通訊聯(lián)系。哪里發(fā)生了交通事故，哪里交通擁擠，哪條路最為暢通，會(huì)以最快的速度提供給駕駛員和交通管理人員。同時(shí)專為外出旅行人員及時(shí)提供各種交通信息，提供信息的媒介是多種多樣的，如電腦、電視、電話、路標(biāo)、無線電、車內(nèi)顯示屏等，任何一種方式都可以。無論你是在辦公室、大街上、家中、汽車上，只要采用其中任何一種方式，你都能從信息系統(tǒng)中獲得所需要的信息。有了該系統(tǒng)，外出旅行者就可以眼觀六路、耳聽八方了。

4.總結(jié)

21世紀(jì)將是計(jì)算機(jī)技術(shù)高速發(fā)展并更加廣泛應(yīng)用的世紀(jì)，也是公路交通智能化的世紀(jì)，人們將要利用計(jì)算機(jī)技術(shù)，構(gòu)建更加智能的交通運(yùn)輸體系。計(jì)算機(jī)技術(shù)在將來的交通運(yùn)輸管理中將發(fā)揮更加重要的作用。計(jì)算機(jī)技術(shù)將使未來的車輛靠自己的智能系統(tǒng)和道路交通管理體系在道路上自由行駛；公路交通依靠自身的計(jì)算機(jī)視頻傳感技術(shù)將交通流量調(diào)整至最佳狀態(tài)。計(jì)算機(jī)技術(shù)使得交通運(yùn)輸?shù)男矢?，更好的為?jīng)濟(jì)飛速發(fā)展做好支持。

參考文獻(xiàn)：

篇5

農(nóng)業(yè)機(jī)械化不僅是人類的解放，解放勞動(dòng)力。這些年輕的勞動(dòng)力投入到其他領(lǐng)域，促進(jìn)中國(guó)的經(jīng)濟(jì)發(fā)展可以提高農(nóng)業(yè)生產(chǎn)的效率，優(yōu)化操作質(zhì)量和增加作物產(chǎn)量，有利于農(nóng)業(yè)發(fā)展和農(nóng)民收入，因此，今后應(yīng)重視先進(jìn)技術(shù)的推廣，提高農(nóng)業(yè)機(jī)械化水平。目前農(nóng)業(yè)機(jī)械的使用，一些機(jī)械在使用過程中不能清楚地確定作物的位置，機(jī)器在關(guān)閉過程中很容易錯(cuò)過，所以利用新技術(shù)在農(nóng)業(yè)機(jī)械有利于彌補(bǔ)農(nóng)業(yè)機(jī)械的脆弱性，提高機(jī)器的運(yùn)作效率。

目前，高新技術(shù)的應(yīng)用范圍擴(kuò)大，農(nóng)業(yè)機(jī)械行業(yè)也開始使用高新技術(shù)，引入計(jì)算機(jī)視覺技術(shù)、自動(dòng)控制技術(shù)、信息網(wǎng)絡(luò)技術(shù)、人工智能技術(shù)、機(jī)器人技術(shù)和液壓技術(shù)在農(nóng)業(yè)機(jī)械的應(yīng)用現(xiàn)狀。

2 農(nóng)業(yè)機(jī)械的應(yīng)用技術(shù)

2.1 農(nóng)業(yè)機(jī)械的應(yīng)用計(jì)算機(jī)視覺技術(shù)

農(nóng)業(yè)機(jī)械的應(yīng)用計(jì)算機(jī)視覺技術(shù)，主要是利用計(jì)算機(jī)視覺技術(shù)在農(nóng)產(chǎn)品質(zhì)量、品位等農(nóng)業(yè)產(chǎn)品檢查，是基于圖像處理，計(jì)算機(jī)視覺的學(xué)科，主要是視覺信息處理理論。表達(dá)和計(jì)算方法研究，近年來，圖像處理，計(jì)算機(jī)硬件和軟件，等可視化仿真技術(shù)的逐漸發(fā)展計(jì)算機(jī)視覺技術(shù)的使用功能也擴(kuò)大，計(jì)算機(jī)視覺技術(shù)是用來檢查農(nóng)產(chǎn)品的質(zhì)量不僅是現(xiàn)階段和分級(jí)產(chǎn)品還用于收割、種植等。

2.2 農(nóng)業(yè)機(jī)械的CAD技術(shù)

CAD技術(shù)在我國(guó)已廣泛應(yīng)用于機(jī)械工程設(shè)計(jì)制造從上個(gè)世紀(jì)60年代，我國(guó)40多年后獨(dú)立研究開發(fā)和推廣應(yīng)用。但由于我國(guó)機(jī)械工程設(shè)計(jì)CAD系統(tǒng)的開發(fā)過程的社會(huì)主義改革開放的影響，以便后期的完美程度我國(guó)機(jī)械工程設(shè)計(jì)CAD系統(tǒng)程度的效率和其他性能大大受到限制，相對(duì)于我國(guó)的國(guó)外機(jī)械工程設(shè)計(jì)CAD系統(tǒng)仍處于較低水平。

2.3 農(nóng)業(yè)機(jī)械的信息網(wǎng)絡(luò)技術(shù)

信息網(wǎng)絡(luò)技術(shù)在農(nóng)業(yè)機(jī)械中的應(yīng)用非常成功，信息網(wǎng)絡(luò)技術(shù)和地理信息系統(tǒng)，結(jié)合自動(dòng)化技術(shù)等技術(shù)，可以監(jiān)測(cè)作物和土壤的農(nóng)業(yè)生產(chǎn)，也可以生產(chǎn)作物的發(fā)展，植物病蟲害，和實(shí)時(shí)監(jiān)控等等，然后依靠定位系統(tǒng)和地理信息系統(tǒng)來完成現(xiàn)場(chǎng)操作。

農(nóng)業(yè)機(jī)械、機(jī)器人技術(shù)應(yīng)用、信息網(wǎng)絡(luò)、計(jì)算機(jī)視覺、自動(dòng)控制技術(shù)的融合。目前，已經(jīng)開發(fā)了采摘機(jī)器人，嫁接機(jī)器人，機(jī)器人除草，施肥機(jī)器人噴涂機(jī)器人，等。對(duì)肥料和噴涂機(jī)器人的使用，可以避免肥料、殺蟲劑和其他化學(xué)品危害人體，達(dá)到改善環(huán)境的目的。目前雖然我國(guó)機(jī)器人技術(shù)落后于發(fā)達(dá)國(guó)家，取得了一些就，但由于現(xiàn)代機(jī)械機(jī)器人的購(gòu)買成本非常高，所以這項(xiàng)技術(shù)并沒有得到普及。

在農(nóng)業(yè)機(jī)械的設(shè)計(jì)、制造和測(cè)試，虛擬現(xiàn)實(shí)技術(shù)具有非常廣闊的發(fā)展前景，利用虛擬現(xiàn)實(shí)技術(shù)建立三維模型的農(nóng)業(yè)機(jī)械設(shè)計(jì)師不僅可以了解每一個(gè)部分的質(zhì)量，也可以完全滿足的每一部分的運(yùn)行性能三維農(nóng)業(yè)機(jī)械模型具有很高的精度，和農(nóng)業(yè)機(jī)械制造商大規(guī)模生產(chǎn)的計(jì)算機(jī)數(shù)據(jù)的基礎(chǔ)上。

在虛擬制造系統(tǒng)中，虛擬現(xiàn)實(shí)技術(shù)的基礎(chǔ)，虛擬制造系統(tǒng)是由多種學(xué)科知識(shí)，利用計(jì)算機(jī)技術(shù)綜合建模、仿真、生產(chǎn)、制造汽車。與此同時(shí)，虛擬制造系統(tǒng)還可以制定合理的產(chǎn)品檢驗(yàn)和測(cè)試程序。目前，虛擬制造技術(shù)應(yīng)用范圍廣泛，涉及開始工裝及模具生產(chǎn)設(shè)備，和其他領(lǐng)域，可以在生產(chǎn)部門系統(tǒng)，在這一過程中完成建模、修改、分析和優(yōu)化的四個(gè)工作。此外，虛擬現(xiàn)實(shí)技術(shù)用于柔性制造系統(tǒng)和計(jì)算機(jī)集成制造系統(tǒng)的設(shè)計(jì)。

2.4 人工智能技術(shù)

近年來，全球高端技術(shù)獲得了農(nóng)業(yè)機(jī)械在農(nóng)業(yè)的快速發(fā)展，管理，挖掘和采摘等實(shí)現(xiàn)智能化，使用人工智能技術(shù)研究和開發(fā)的激光拖拉機(jī)、內(nèi)部導(dǎo)航設(shè)備，等等，可以拖拉機(jī)的方向和具置測(cè)量，并通過建立計(jì)算機(jī)數(shù)據(jù)庫將記錄相關(guān)數(shù)據(jù)，使用數(shù)據(jù)庫了解排水位置、土壤濕度、等等。了解土地信息后，制定合理的土地種植方案，計(jì)算機(jī)化化肥消費(fèi)，數(shù)量的農(nóng)藥和種子。

3 先進(jìn)技術(shù)的應(yīng)用在農(nóng)業(yè)機(jī)械化操作的保障措施

得到更好的應(yīng)用程序?yàn)榱舜龠M(jìn)先進(jìn)技術(shù)，提高農(nóng)業(yè)機(jī)械化水平，未來應(yīng)該完善的技術(shù)推廣體系，提高農(nóng)業(yè)機(jī)械化水平，促進(jìn)農(nóng)業(yè)生產(chǎn)和發(fā)展。完善的技術(shù)推廣體系，高度重視農(nóng)業(yè)技術(shù)推廣，建立試驗(yàn)示范基地，發(fā)揮作用的指導(dǎo)，讓農(nóng)民參觀和學(xué)習(xí)。讓他們意識(shí)到農(nóng)業(yè)機(jī)械設(shè)備的重要作用，加強(qiáng)農(nóng)業(yè)機(jī)械化的意識(shí)，接受和使用機(jī)械設(shè)備，技術(shù)推廣和培訓(xùn)活動(dòng)。讓廣大農(nóng)民掌握農(nóng)業(yè)機(jī)械和設(shè)備的使用，提高思想認(rèn)識(shí)和應(yīng)用技能、農(nóng)業(yè)機(jī)械和農(nóng)業(yè)技術(shù)應(yīng)用于農(nóng)業(yè)生產(chǎn)。

構(gòu)建技術(shù)環(huán)境，當(dāng)?shù)卣畱?yīng)該高度重視農(nóng)業(yè)機(jī)械和農(nóng)業(yè)技術(shù)推廣的作用。提高思想認(rèn)識(shí)，加強(qiáng)規(guī)劃和指導(dǎo)，增加資本投資，培訓(xùn)專業(yè)人才，創(chuàng)新工作方法，對(duì)許多人來說，完善的技術(shù)推廣體系，認(rèn)真履行職責(zé)，并擴(kuò)大先進(jìn)技術(shù)的影響。完善法律法規(guī)，充分利用其在技術(shù)和人才優(yōu)勢(shì)，重視技術(shù)的宣傳和推廣活動(dòng)，增強(qiáng)服務(wù)意識(shí)，擴(kuò)展廣泛的服務(wù)渠道，更好的滿足實(shí)際工作的需要，對(duì)農(nóng)業(yè)技術(shù)的發(fā)展，為推廣農(nóng)業(yè)機(jī)械和設(shè)備創(chuàng)造便利。

4 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)展是為了提高農(nóng)業(yè)的生產(chǎn)力服務(wù)，所以農(nóng)業(yè)機(jī)械新技術(shù)的發(fā)展主要是以下幾點(diǎn)：

首先，加快新技術(shù)的使用和推廣?？茖W(xué)技術(shù)是第一生產(chǎn)力，加快計(jì)算機(jī)視覺技術(shù)、自動(dòng)控制技術(shù)和智能技術(shù)等新技術(shù)在農(nóng)業(yè)機(jī)械的使用，同時(shí)引進(jìn)國(guó)外先進(jìn)的機(jī)械、新技術(shù)，促進(jìn)我國(guó)農(nóng)業(yè)的發(fā)展，提高農(nóng)業(yè)的生產(chǎn)效率具有重要意義。

第二，政府補(bǔ)貼。購(gòu)買新機(jī)器的個(gè)人組織生產(chǎn)、資本壓力，使得他們很難機(jī)械技術(shù)推廣，所以對(duì)于農(nóng)業(yè)機(jī)械推廣使用新技術(shù)，政府將給予補(bǔ)貼材料，擴(kuò)大新機(jī)器的使用。

第三，提高農(nóng)業(yè)資源的利用效率。機(jī)械使用以提高農(nóng)業(yè)生產(chǎn)的效率，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)過程中，和處理農(nóng)作物秸稈，絕大多數(shù)情況下燃燒，不僅浪費(fèi)資源，還污染空氣。但農(nóng)業(yè)機(jī)械的使用新技術(shù)的農(nóng)作物秸稈粉碎加工、作物秸稈可以轉(zhuǎn)化成脂肪不僅材料，提高農(nóng)業(yè)資源的使用效率，也減少了空氣污染。

篇6

關(guān)鍵詞：計(jì)算機(jī)視覺；手勢(shì)交互；膚色模型；靜態(tài)識(shí)別

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）35-0193-02

1 研究背景

隨著信息化的高速發(fā)展，人們的生活也進(jìn)入了網(wǎng)絡(luò)時(shí)代。大數(shù)據(jù)，云計(jì)算也進(jìn)入了人們的生活，其標(biāo)志性的現(xiàn)象就是各類智能終端設(shè)備的不斷涌現(xiàn)，它使人機(jī)交互的方式正發(fā)生著深層次改變。人機(jī)交互的方式正在從傳統(tǒng)的鼠標(biāo)搭配鍵盤的方式往觸控、語音交互、動(dòng)作識(shí)別等技術(shù)為主導(dǎo)的更自然的方式轉(zhuǎn)變。其中語音與計(jì)算機(jī)視覺尤為突出，它使計(jì)算機(jī)變得更加的靈性化。而這兩者中計(jì)算機(jī)視覺又更能夠傳情表意，它能夠“看”明白用戶的肢體語言或者表情。國(guó)內(nèi)外的自然交互研究涉及了人臉識(shí)別、眼神識(shí)別、表情識(shí)別、手勢(shì)識(shí)別、肢體語言識(shí)別等。手勢(shì)識(shí)別作為一種人類普遍使用的交流方式，應(yīng)用在計(jì)算機(jī)交互上能給人一種直觀和自然的感覺。這種自然的輸入方式把人們從傳統(tǒng)的與輸入設(shè)備接觸交互方式中解放出來，使人們與計(jì)算機(jī)交互更加的輕松愉悅。

計(jì)算機(jī)視覺是讓計(jì)算機(jī)可以替代人眼的技術(shù)。更進(jìn)一步說，就是利用視頻采集設(shè)備和電腦代替人眼對(duì)指定的目標(biāo)進(jìn)行識(shí)別，并進(jìn)一步做出計(jì)算。其中，手勢(shì)識(shí)別技術(shù)是計(jì)算機(jī)視覺的一個(gè)的重要的研究方向，它是一種常用并且合理的人機(jī)交互方式。隨著計(jì)算機(jī)視覺，包括圖像處理技術(shù)以及人工智能等技術(shù)，特別是虛擬現(xiàn)實(shí)技術(shù)的迅速發(fā)展，手勢(shì)識(shí)別的實(shí)現(xiàn)更加成為可能。由于客觀環(huán)境的多變及人手和手勢(shì)的多樣性，如何在限制較少的條件準(zhǔn)確識(shí)別手勢(shì)并能保證其精度、效率以及穩(wěn)定性是研究的關(guān)鍵。

手勢(shì)識(shí)別按照手勢(shì)輸入設(shè)備分類，可以分為基于數(shù)據(jù)手套的手勢(shì)識(shí)別和基于視X的手勢(shì)識(shí)別?；谝曈X的手勢(shì)識(shí)別中，最常見的手勢(shì)分類是將手勢(shì)分為靜態(tài)手勢(shì)和動(dòng)態(tài)手勢(shì)。靜態(tài)手勢(shì)是一種較簡(jiǎn)單的手勢(shì)，當(dāng)用戶做出一個(gè)固定和靜止的動(dòng)作時(shí)計(jì)算機(jī)將其處理后識(shí)別出來。動(dòng)態(tài)手勢(shì)相對(duì)要復(fù)雜一些，它可以看做是由一系列的靜態(tài)手勢(shì)組成的序列。如果將靜態(tài)手勢(shì)和動(dòng)態(tài)手勢(shì)組合，將可以形成語義很豐富的手勢(shì)系統(tǒng)。

1目前人機(jī)交互的不足

人與計(jì)算機(jī)之間的交互方式是人機(jī)交互研究的核心。從現(xiàn)在的姿勢(shì)交互和語音交互往前追溯，有觸摸交互、手寫交互、鼠標(biāo)和鍵盤交互。姿勢(shì)交互又細(xì)分為手勢(shì)交互、表情交互、身體姿勢(shì)交互。

傳統(tǒng)的輸入設(shè)備有很多的不足之處。鼠標(biāo)和鍵盤，由于它們的使用需要接觸，在某些環(huán)境下使用不方便。用戶在車站、餐廳、購(gòu)物商場(chǎng)等場(chǎng)景下要與計(jì)算機(jī)交互時(shí)，使用傳統(tǒng)交互方式十分的不便。而且在公共場(chǎng)合下，接觸性的使用會(huì)有很大的衛(wèi)生問題。不僅需要占用很大的空間，同時(shí)也會(huì)有設(shè)備損耗的問題。

手寫交互和觸摸交互改善了傳統(tǒng)的機(jī)械性輸入，它們是更符合人類的使用習(xí)慣的。但是它們?nèi)稳灰笥脩粢c設(shè)備接觸，這不免會(huì)在接觸設(shè)備的過程中損壞到設(shè)備。所以同樣有著易損耗等問題。

基于視覺的手勢(shì)交互很好克服了上述交互方式的不足之處。手勢(shì)交互是不需要接觸的，沒有損耗問題，也不會(huì)有接觸帶來的衛(wèi)生問題。手勢(shì)交互有符合人類動(dòng)作習(xí)慣和直觀自然的優(yōu)點(diǎn)，使其成為了下一代自然交互方式研究的焦點(diǎn)。

2目前國(guó)內(nèi)外手勢(shì)識(shí)別狀況

基于視覺的手勢(shì)識(shí)別不需要昂貴的設(shè)備，僅僅需要攝像頭和PC機(jī)器就夠了。其廉價(jià)的輸入設(shè)備會(huì)使其將來應(yīng)用范圍十分廣泛。手勢(shì)識(shí)別在計(jì)算機(jī)視覺的研究中是熱點(diǎn)。國(guó)內(nèi)外都有很多的學(xué)者在不斷研究。這些研究在手勢(shì)的分割、跟蹤、識(shí)別和應(yīng)用中有很多的進(jìn)展。

國(guó)外對(duì)基于視覺的手勢(shì)識(shí)別的研究工作起步很早。L.H.Howe等人使用膚色閾值和幀相減的技術(shù)實(shí)現(xiàn)了手的檢測(cè)和分割。J.Zaletel等人提出了靜態(tài)手勢(shì)特征的方法，這種方法是用于提取手指的位置的。它先計(jì)算出掌心的位置，然后將掌心的位置作為極坐標(biāo)的原點(diǎn)，將手掌的輪廓映射到這個(gè)極坐標(biāo)，然后利用極坐標(biāo)上的局部最大值來提取手指的位置。Huang使用3D神經(jīng)網(wǎng)絡(luò)創(chuàng)建的手勢(shì)識(shí)別系統(tǒng)實(shí)現(xiàn)了15個(gè)不同手勢(shì)的識(shí)別[1]。

在技術(shù)的應(yīng)用上面，從上世紀(jì)九十年代開始，國(guó)外的科學(xué)家就開始不斷研究手勢(shì)識(shí)別技術(shù)，并且研制出一些實(shí)體來進(jìn)行試驗(yàn)，例如：可以模仿人進(jìn)行手勢(shì)操作的機(jī)器人；電視控制的傳感系統(tǒng)，無需遙控，利用手勢(shì)識(shí)別左右上下進(jìn)行對(duì)電視的遙控；體感游戲，更是完美的利用手勢(shì)識(shí)別，在信息交互中完全釋放出手勢(shì)識(shí)別的優(yōu)勢(shì)。

我國(guó)相對(duì)于國(guó)外的研究起步要晚，但是目前也取得了很大的研究成果。朱建偉[1]使用兩個(gè)攝像頭正交放置，實(shí)現(xiàn)了三維手勢(shì)的識(shí)別，并實(shí)現(xiàn)了使用手勢(shì)實(shí)現(xiàn)對(duì)照片的瀏覽。孫玉[3]使用Hu矩特征手勢(shì)識(shí)別和CamShift算法對(duì)手勢(shì)跟蹤，實(shí)現(xiàn)了手勢(shì)對(duì)Word的輸入和操作。

3意義

本文主要研究基于視覺的手勢(shì)識(shí)別技術(shù)和對(duì)這種技術(shù)的應(yīng)用。目標(biāo)跟蹤識(shí)別是計(jì)算機(jī)視覺領(lǐng)域中的關(guān)鍵技術(shù)，多應(yīng)用于人機(jī)交互。手勢(shì)識(shí)別必將使人與機(jī)器之間的溝通變得智能化、信息化，與傳統(tǒng)的輸入設(shè)備相比，手勢(shì)操作則顯得直觀和自然，更符合人類習(xí)慣。

手勢(shì)識(shí)別作為新型的人機(jī)交互技術(shù)，手勢(shì)識(shí)別技術(shù)越來越廣泛應(yīng)用到各個(gè)行業(yè)。體感游戲首先成熟使用的，改變了傳統(tǒng)的手持物體操作。更加互動(dòng)，真實(shí)。使得人與游戲美妙結(jié)合，身臨其境。

手勢(shì)識(shí)別還可以用于手語識(shí)別。手語是聾啞人使用的語言，是聾啞人與正常人交流的平臺(tái)。在醫(yī)療領(lǐng)域中，具有語言交流障礙的患者，可以通過手勢(shì)識(shí)別，在預(yù)設(shè)好系統(tǒng)中，自助掛號(hào)，表達(dá)病情。更加體現(xiàn)人性化。綜上所述，手勢(shì)識(shí)別技術(shù)越來越被研發(fā)人員重視，在日常生活中涉及的領(lǐng)域也越來越多，研究?jī)r(jià)值也越來越突出。這項(xiàng)技術(shù)也將被廣泛的普及推廣到人們生活中的方方面面。

4結(jié)束語

基于計(jì)算機(jī)視覺的識(shí)別的功能還可以不斷拓展，可以實(shí)現(xiàn)攝像頭檢測(cè)人與電腦的距離（當(dāng)計(jì)算機(jī)識(shí)別出人坐在計(jì)算機(jī)前時(shí)顯示器顯示，當(dāng)人離開的時(shí)候關(guān)閉顯示器，達(dá)到節(jié)約電能的作用）等等。手勢(shì)識(shí)別還可以應(yīng)用于虛擬鍵盤，使用一個(gè)投影的鍵盤，然后通過攝像頭識(shí)別手在虛擬鍵盤上的相關(guān)操作?？梢杂迷谥腔坩t(yī)療中，解決傳統(tǒng)的診療掛號(hào)方式。從根本上尋找解決病人就醫(yī)難的狀況的合理方案將健康的養(yǎng)生知識(shí)傳播到更遠(yuǎn)更廣。

參考文獻(xiàn)：

[1] Guan Ran and Xu Xiangmin， A Computer Vision-Based Gesture Detectio And Recognition Technique[J]. Computer Applications and Software.2013，30（1）：155-164.

篇7

（東北石油大學(xué)，黑龍江 大慶 163318）

摘 要：以排球運(yùn)動(dòng)軌跡為研究對(duì)象，將計(jì)算機(jī)視覺、視頻分析處理技術(shù)相結(jié)合，研究了基于視頻的排球軌跡獲取關(guān)鍵技術(shù)，通過視頻幀處理、運(yùn)動(dòng)目標(biāo)檢測(cè)、識(shí)別跟蹤、軌跡提取等一系列步驟從視頻中精準(zhǔn)提取排球運(yùn)動(dòng)軌跡信息，采用Intel OpenCV及Matlab設(shè)計(jì)并實(shí)現(xiàn)一套排球智能分析系統(tǒng)，為排球比賽分析及球隊(duì)?wèi)?zhàn)術(shù)訓(xùn)練等提供決策支持.

關(guān)鍵詞 ：視頻；目標(biāo)檢測(cè)；識(shí)別跟蹤；軌跡提取

中圖分類號(hào)：G842文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1673-260X（2015）02-0182-02

隨著計(jì)算機(jī)視覺技術(shù)和圖像處理技術(shù)的飛速發(fā)展，基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤技術(shù)在排球等體育項(xiàng)目中應(yīng)用越來越廣泛.針對(duì)排球比賽技術(shù)分析和指導(dǎo)的應(yīng)用需求，本文以排球的檢測(cè)跟蹤及運(yùn)動(dòng)軌跡為研究對(duì)象，將計(jì)算機(jī)視覺技術(shù)、圖像處理技術(shù)相結(jié)合，提出基于視頻的排球檢測(cè)、跟蹤、軌跡獲取整體解決方案，采用Intel OpenCV及matlab開發(fā)一套排球智能分析系統(tǒng).系統(tǒng)采用雙攝像機(jī)同步讀取兩個(gè)攝像頭實(shí)時(shí)捕獲的視頻，獲取不同方位的排球運(yùn)動(dòng)圖像信息.通過標(biāo)定兩臺(tái)攝像機(jī)的內(nèi)外參數(shù)獲得排球的三維坐標(biāo).從系統(tǒng)實(shí)時(shí)性和魯棒性要求出發(fā)，使用背景差分法實(shí)現(xiàn)對(duì)排球的快速檢測(cè).同時(shí)結(jié)合排球的形狀、顏色、亮度等特性實(shí)現(xiàn)對(duì)排球的識(shí)別與空間定位.利用排球的運(yùn)動(dòng)特性，建立并修正其運(yùn)動(dòng)軌跡方程.通過兩個(gè)攝像頭同步獲得的軌跡曲線實(shí)現(xiàn)排球三維運(yùn)動(dòng)軌跡的曲線合成.該曲線不僅可以記錄每一時(shí)刻球體的位置信息，而且包含球體的運(yùn)動(dòng)方向、運(yùn)動(dòng)速度、輪廓參數(shù)等信息.最后，分析球體軌跡曲線特征，并將軌跡模型包含的信息作為智能分析系統(tǒng)的輸入，用于戰(zhàn)略戰(zhàn)術(shù)分析、隊(duì)員動(dòng)作分析等，為排球運(yùn)動(dòng)研究提供準(zhǔn)確依據(jù)和決策支持，進(jìn)而提高了比賽研究人員的工作效率.

1 關(guān)鍵技術(shù)分析實(shí)現(xiàn)

基于視頻的排球智能分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)主要涉及視頻幀處理、運(yùn)動(dòng)目標(biāo)檢測(cè)識(shí)別、運(yùn)動(dòng)軌跡提取等幾方面技術(shù).整個(gè)系統(tǒng)的工作流程如下：

(1)進(jìn)行攝像機(jī)標(biāo)定和場(chǎng)地標(biāo)定，獲得攝像機(jī)內(nèi)外參數(shù)以及場(chǎng)地邊界數(shù)據(jù)，同時(shí)將圖像的像素坐標(biāo)映射成實(shí)際場(chǎng)地坐標(biāo).

(2)接收由攝像機(jī)和圖像采集卡等視頻設(shè)備獲取的數(shù)字信號(hào)，并將采集到的每幀數(shù)據(jù)保存為靜態(tài)圖像.

(3)比賽開始后啟動(dòng)系統(tǒng)，利用運(yùn)動(dòng)目標(biāo)檢測(cè)算法檢測(cè)是否有運(yùn)動(dòng)目標(biāo).

(4)通過特定的運(yùn)動(dòng)目標(biāo)跟蹤識(shí)別算法從圖像中分割并提取出運(yùn)動(dòng)目標(biāo).

(5)根據(jù)雙目攝像機(jī)所獲取的目標(biāo)質(zhì)心坐標(biāo)得到排球的三維坐標(biāo)值，記錄其運(yùn)動(dòng)軌跡數(shù)據(jù)和軌跡特征，建立運(yùn)動(dòng)軌跡方程.

(6)將軌跡曲線特征作為智能分析系統(tǒng)的輸入，用于比賽訓(xùn)練等的裁判決策和智能分析.

1.1 視頻信息的獲取

本系統(tǒng)要根據(jù)采集到的視頻信息獲得排球的運(yùn)動(dòng)軌跡曲線圖，因此要通過攝像機(jī)標(biāo)定實(shí)現(xiàn)從視頻設(shè)備中獲得的二維圖像到運(yùn)動(dòng)目標(biāo)三維坐標(biāo)信息的對(duì)應(yīng)轉(zhuǎn)換[1].系統(tǒng)首先采用線性標(biāo)定或張正友標(biāo)定等傳統(tǒng)標(biāo)定法對(duì)攝像機(jī)進(jìn)行標(biāo)定，獲取攝像機(jī)的內(nèi)外參數(shù)以及雙目攝像機(jī)的位姿關(guān)系[2].完成攝像機(jī)和場(chǎng)地的標(biāo)定后，接收由視頻設(shè)備獲取的數(shù)字信號(hào)，按一定的采樣間隔進(jìn)行采樣，得到時(shí)變序列圖像集，并將采集到的每幀數(shù)據(jù)保存為靜態(tài)圖像.系統(tǒng)通過雙目攝相機(jī)可同時(shí)從不同角度獲取兩幅圖像，然后基于視差原理恢復(fù)運(yùn)動(dòng)目標(biāo)的三維幾何信息[3].視頻在生成以及傳輸過程中，會(huì)因外界環(huán)境的影響產(chǎn)生一些噪聲，預(yù)處理階段可采用圖像濾波方法等對(duì)圖像幀進(jìn)行去噪處理，提高視頻幀的質(zhì)量，便于后期的分析處理.

1.2 運(yùn)動(dòng)目標(biāo)檢測(cè)

由于攝像機(jī)和運(yùn)動(dòng)場(chǎng)地背景處于相對(duì)靜止?fàn)顟B(tài)，而當(dāng)前在靜止背景下常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法有背景差分法、幀間差分法、光流法和運(yùn)動(dòng)能量法等[4].背景差分法是基于圖像序列和參考背景模型相減實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)的，是當(dāng)前最常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法之一.它首先抓取圖像作為背景圖像，之后利用當(dāng)前圖像與背景圖像差分從而檢測(cè)出運(yùn)動(dòng)物體.該方法能夠較完整地提取出運(yùn)動(dòng)目標(biāo)，位置精確，實(shí)時(shí)性好，因此本系統(tǒng)設(shè)計(jì)中采用了背景差分法來提取排球運(yùn)動(dòng)模型，使用Intel公司提供的計(jì)算機(jī)視覺函數(shù)庫OpenCV進(jìn)行圖像處理和計(jì)算機(jī)視覺方面的算法.首先采集圖像，然后統(tǒng)計(jì)特征點(diǎn)，檢測(cè)當(dāng)前系統(tǒng)狀態(tài)下是否有運(yùn)動(dòng)目標(biāo).若有，則采集視頻數(shù)據(jù)，并保存成序列圖像.若無運(yùn)動(dòng)目標(biāo)則保存背景繼續(xù)檢測(cè)判斷.得到背景圖像和含有目標(biāo)的一幀圖像后，利用圖像減運(yùn)算可得到背景差分圖像.之后進(jìn)行噪音去除、連通區(qū)域標(biāo)記、基于排球亮度形狀顏色等的特征匹配，對(duì)連續(xù)圖像中的排球目標(biāo)進(jìn)行檢測(cè)，通過分析排球?qū)ο笤诒荣愐曨l中的面積、形態(tài)等屬性范圍目標(biāo)區(qū)域邊緣提取等篩選出候選排球?qū)ο?，最終將目標(biāo)識(shí)別出來.

1.3 運(yùn)動(dòng)目標(biāo)跟蹤識(shí)別

國(guó)內(nèi)外相關(guān)研究人員已經(jīng)在球體的檢測(cè)與識(shí)別方面做了相應(yīng)的研究.劉斐等人提出一種混合顏色空間查找表的顏色分類方法，用于對(duì)圖像進(jìn)行顏色分割，并建立顏色查找表，依據(jù)顏色信息實(shí)現(xiàn)在線快速分類，識(shí)別球體.也有依據(jù)形狀進(jìn)行邊緣信息提取來識(shí)別球體的.常用的邊緣提取方法有Prewitt算子、Sobel算子、Laplacian算子和Canny算子等，其中Canny算子能很好地提取出圖像的單邊緣信息，具有較快的速度.賽場(chǎng)上常用的“鷹眼”技術(shù)已經(jīng)發(fā)展得比較成熟，主要用于體育賽事的即時(shí)回放，但回放時(shí)間的長(zhǎng)度有限，且需要多個(gè)高速攝像機(jī)，價(jià)格比較昂貴.Lipton等使用空間差減法在真實(shí)的視頻流中檢測(cè)并跟蹤運(yùn)動(dòng)目標(biāo).此外，有一種改進(jìn)方法是使用三幀差分代替兩幀差分.該算法計(jì)算非?？欤趫D像序列中檢測(cè)運(yùn)動(dòng)對(duì)象非常有效.

1.4 軌跡曲線提取

近年來，在眾多學(xué)者的努力下，多種軌跡提取方法得以誕生.清華大學(xué)劉曉東等人成功研制了一種基于計(jì)算機(jī)系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)、目標(biāo)跟蹤及目標(biāo)分類的智能監(jiān)控系統(tǒng).湖南大學(xué)萬琴等人提出一種針對(duì)固定監(jiān)控場(chǎng)景的運(yùn)動(dòng)檢測(cè)與目標(biāo)跟蹤方法，利用運(yùn)動(dòng)預(yù)測(cè)技術(shù)實(shí)現(xiàn)目標(biāo)匹配，但該方法在復(fù)雜環(huán)境下對(duì)多個(gè)目標(biāo)進(jìn)行跟蹤時(shí)算法精確度大幅度降低[5].北航郝久月等人研究了監(jiān)控場(chǎng)景中運(yùn)動(dòng)目標(biāo)軌跡聚類算法.浙江大學(xué)的肖俊等人利用單個(gè)攝像機(jī)對(duì)人體未被遮擋部位的動(dòng)作進(jìn)行跟蹤.熊榮炎等人通過分析視頻序列圖像的灰度特征，結(jié)合背景差分減法，提出一種靜止攝像機(jī)條件下，基于特征值快速檢測(cè)與跟蹤目標(biāo)的方法.

本文著重研究排球比賽視頻中球體檢測(cè)與軌跡提取的精確性、魯棒性以及實(shí)時(shí)性等方面的問題.系統(tǒng)針對(duì)實(shí)際需要建立了基于球體運(yùn)動(dòng)方向、運(yùn)動(dòng)速度、輪廓參數(shù)等信息的多元組軌跡模型.分析并總結(jié)了經(jīng)典的軌跡提取算法的優(yōu)缺點(diǎn)，有針對(duì)性地研究如何利用候選球體的X、Y坐標(biāo)值分布建立排球軌跡方程，并利用軌跡方程輔助、矯正排球的檢測(cè)和跟蹤，將識(shí)別出的球體的運(yùn)動(dòng)軌跡提取出來，提升算法運(yùn)行速度，實(shí)現(xiàn)運(yùn)動(dòng)軌跡魯棒提取，并將跟蹤結(jié)果及運(yùn)動(dòng)軌跡以視頻幀的形式展示出來.

1.5 智能分析模塊

智能分析模塊可依據(jù)對(duì)排球運(yùn)動(dòng)軌跡變化情況的分析，研究排球比賽中運(yùn)動(dòng)員擊球行為的檢測(cè)、擊球動(dòng)作的分類、識(shí)別與分析技術(shù)等.

2 基于視頻的排球智能分析系統(tǒng)

2.1 系統(tǒng)軟硬件架構(gòu)

基于視頻的排球智能分析系統(tǒng)的硬件組成主要是由兩個(gè)攝像機(jī)和計(jì)算機(jī)組成的雙目視覺系統(tǒng).兩臺(tái)智能攝像機(jī)與上位機(jī)組成一個(gè)局域網(wǎng)，其中PC機(jī)作為服務(wù)器，兩臺(tái)智能相機(jī)作為客戶端，系統(tǒng)主要的運(yùn)算任務(wù)如視頻圖像的采集處理等都在兩臺(tái)攝像機(jī)中并行完成，極大地分擔(dān)了上位機(jī)的運(yùn)算負(fù)荷，起到了平衡負(fù)載的作用，解決了常規(guī)兩目視覺中的運(yùn)算瓶頸問題.本系統(tǒng)中上位機(jī)不進(jìn)行圖像處理，只進(jìn)行簡(jiǎn)單的運(yùn)算如三維坐標(biāo)計(jì)算、曲線擬合等.

軟件部分使用Intel公司支持的開源計(jì)算機(jī)視覺庫OpenCV提供的函數(shù)進(jìn)行計(jì)算機(jī)視覺算法方面的開發(fā)，采用VC++編程實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)跟蹤算法，完成了攝像機(jī)及場(chǎng)地的標(biāo)定、圖像序列的獲取、排球目標(biāo)的檢測(cè)、排球運(yùn)動(dòng)軌跡的提取、軌跡特征信息的分析等.

2.2 系統(tǒng)實(shí)現(xiàn)

系統(tǒng)深入研究雙攝像頭下排球的識(shí)別檢測(cè)跟蹤與軌跡提取方法，為裁判輔助智能分析系統(tǒng)提供有效的數(shù)據(jù)輸入和決策支持，同時(shí)滿足系統(tǒng)的精確性、魯棒性、實(shí)時(shí)性等方面的問題.

本系統(tǒng)采用張氏標(biāo)定法對(duì)攝像機(jī)進(jìn)行標(biāo)定，分別獲取兩個(gè)攝像機(jī)的內(nèi)外參數(shù)，進(jìn)而用于排球三維坐標(biāo)的獲取.排球視頻的采集采用高性能視頻采集卡，采集方式有多種，常用的是采用VFW (Video For Windows)硬件驅(qū)動(dòng)開發(fā)包提供的接口或源代碼開發(fā).VFW使用簡(jiǎn)單方便，但可控性差.因此，系統(tǒng)采用基于源碼的DirectX完成視頻采集，它是微軟開發(fā)的基于Windows的一組API，通過DirectShow對(duì)象創(chuàng)建視頻端口，可以靈活方便地操作硬件并獲得各種所需的視頻數(shù)據(jù)，實(shí)現(xiàn)視頻流的壓縮傳輸.系統(tǒng)使用Intel公司支持的開源計(jì)算機(jī)視覺庫OpenCV提供的函數(shù)進(jìn)行計(jì)算機(jī)視覺算法方面的開發(fā)[6]，排球檢測(cè)與跟蹤模塊采用VC++編程實(shí)現(xiàn)，運(yùn)行于Windows操作系統(tǒng)上.背景差分法的實(shí)現(xiàn)過程中結(jié)合了排球的形狀顏色等特征信息，及時(shí)更新背景圖像，提高了排球的檢測(cè)精度.運(yùn)用形態(tài)學(xué)濾波去除噪音，并進(jìn)行高斯濾波平滑圖像，實(shí)現(xiàn)了排球的檢測(cè)識(shí)別.最后通過卡爾曼預(yù)測(cè)原理對(duì)排球運(yùn)動(dòng)軌跡進(jìn)行跟蹤預(yù)測(cè)，得到排球運(yùn)動(dòng)軌跡曲線方程，并將軌跡曲線作為特征信息輸入智能分析系統(tǒng).整個(gè)智能分析系統(tǒng)的人機(jī)交互界面中可以設(shè)定攝像機(jī)的幀速率、場(chǎng)地信息等參數(shù).攝像機(jī)控制區(qū)可控制兩個(gè)雙目攝像機(jī)的啟動(dòng)、關(guān)閉、捕獲和載入視頻等.同時(shí)，運(yùn)用Matlab在人機(jī)交互界面還可以顯示通過雙目攝像機(jī)得到的排球運(yùn)動(dòng)軌跡曲線圖[7].

3 小結(jié)

由于排球比賽視頻背景復(fù)雜，鏡頭切換頻繁，排球運(yùn)動(dòng)過程中其顏色、大小等特征信息會(huì)經(jīng)常變化，且運(yùn)動(dòng)目標(biāo)提取容易受到背景、光線變化、陰影、運(yùn)動(dòng)速度等因素影響，因此很難以單個(gè)球?yàn)閷?duì)象建立一個(gè)有效的模型來檢測(cè)運(yùn)動(dòng)球體.且許多運(yùn)動(dòng)對(duì)象或者某些區(qū)域在外形上與排球很相似，當(dāng)球與球員和球場(chǎng)線接觸或被球員遮擋時(shí)，會(huì)給球的檢測(cè)造成很大的困難.因此，為了提高排球跟蹤算法的精確性和魯棒性，降低算法復(fù)雜性，必須提出新的目標(biāo)識(shí)別檢測(cè)跟蹤算法，并保證系統(tǒng)的實(shí)時(shí)、準(zhǔn)確、穩(wěn)定等.此外，由于排球運(yùn)動(dòng)中存在自旋以及外界不確定因素的干擾，難以建立準(zhǔn)確的運(yùn)動(dòng)學(xué)方程.因此，如何對(duì)一些經(jīng)典的濾波算法進(jìn)行改進(jìn)，提出魯棒性更高的軌跡獲取方法，根據(jù)視頻幀信息獲得排球每時(shí)每刻的位置坐標(biāo)和瞬時(shí)速度值等生成排球運(yùn)動(dòng)軌跡，也是系統(tǒng)的一個(gè)技術(shù)關(guān)鍵難題.結(jié)合排球軌跡信息，對(duì)視頻進(jìn)行更高層的語義分析是下一步需要研究的內(nèi)容.

參考文獻(xiàn)：

〔1〕張虎.機(jī)器視覺中二維圖像的三維重建[D].北京:北方工業(yè)大學(xué)，2006.

篇8

關(guān)鍵詞：涂膠機(jī) 雙目立體視覺 圖像標(biāo)定

中圖分類號(hào)：TP273 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2015）01（b）-0000-00

隨著現(xiàn)代機(jī)器視覺處理技術(shù)發(fā)展，目視系統(tǒng)制造工藝得到巨大進(jìn)步，高分辨率、低非線性失真目視系統(tǒng)價(jià)格已大大降低。飛速發(fā)展的計(jì)算機(jī)視覺系統(tǒng)在汽車生產(chǎn)領(lǐng)域使用日愈廣泛，雙目視系統(tǒng)通過圖像定位獲取物體的精確坐標(biāo)，并將物置信息提供給機(jī)器操作分支進(jìn)行精確操作。在計(jì)算機(jī)視覺系統(tǒng)和工業(yè)檢測(cè)中需要對(duì)景物進(jìn)行三維立體坐標(biāo)測(cè)量、精確定位和定量分析。雙目視系統(tǒng)是計(jì)算機(jī)視覺的重要部分，能夠?qū)σ曈X范圍內(nèi)的物體進(jìn)行自動(dòng)識(shí)別定位，對(duì)數(shù)據(jù)進(jìn)行分析后實(shí)現(xiàn)系統(tǒng)現(xiàn)場(chǎng)標(biāo)定。目視系統(tǒng)需要將三維場(chǎng)景中的物體和二維圖像進(jìn)行連接，具有高效率、高精確度和低成本等特點(diǎn)，在現(xiàn)代工業(yè)中得到廣泛應(yīng)用。一般常用的目視系統(tǒng)模型分為線性針孔模型、擬透視投影模型和正交投影模型三類。

1 透視變換模型標(biāo)定

雙目視系統(tǒng)的需要從二維圖像中計(jì)算出空間物體的三維信息，運(yùn)用透視變換模型需要獲取物體圖像信息，再根據(jù)所獲取的圖像信息分析物體的三維立體坐標(biāo)，從而進(jìn)行識(shí)別并得到物體準(zhǔn)確的位置信息。所謂的目視系統(tǒng)標(biāo)定是指通過幾何模型參數(shù)將空間物體和圖像進(jìn)行點(diǎn)對(duì)點(diǎn)連接后，進(jìn)行數(shù)據(jù)分析標(biāo)定的過程。幾何模型參數(shù)決定了空間物體表面的幾何位置和圖像對(duì)應(yīng)點(diǎn)間的相互關(guān)系，對(duì)雙目視系統(tǒng)定位具有關(guān)鍵性的作用[1]。

在視覺導(dǎo)航、監(jiān)控跟蹤等立體視覺系統(tǒng)應(yīng)用中，對(duì)圖像定位處理的效率要求較高，建立高效快捷的雙目視系統(tǒng)模型是社會(huì)發(fā)展的現(xiàn)實(shí)要求。在實(shí)際應(yīng)用中，常使用線性目視系統(tǒng)模式進(jìn)行圖像標(biāo)定處理，反而忽視了目視系統(tǒng)非線性因素的影響。

2 目視系統(tǒng)標(biāo)定重要性

目視系統(tǒng)標(biāo)定具有如下幾個(gè)重要作用：

1：從計(jì)算機(jī)圖像中導(dǎo)出三維信息

目視系統(tǒng)標(biāo)定經(jīng)過多次試驗(yàn)和計(jì)算能夠得到一個(gè)目視系統(tǒng)模型參數(shù)，該參數(shù)決定了計(jì)算機(jī)圖像和空間物體表面進(jìn)行點(diǎn)對(duì)點(diǎn)連接的相互關(guān)系，能夠提供給定坐標(biāo)點(diǎn)的圖像坐標(biāo)，并確定實(shí)際物體目標(biāo)點(diǎn)的空間位置信息。目視系統(tǒng)標(biāo)定在機(jī)電元件自動(dòng)裝配、機(jī)器人標(biāo)定、軌跡分析及在線檢測(cè)等方面運(yùn)用廣泛。

2：確定自動(dòng)行駛車輛上的空間位置

利用目視系統(tǒng)標(biāo)定可以確定自動(dòng)行駛車輛和移動(dòng)機(jī)器人的空間位置信息，如果知道目標(biāo)點(diǎn)的空間坐標(biāo)和圖像坐標(biāo)，可以通過目視系統(tǒng)參數(shù)標(biāo)定技術(shù)進(jìn)行分析，從而得到目視系統(tǒng)的方向信息。

3：已知物體的三維信息可導(dǎo)出物體的二維計(jì)算機(jī)圖像坐標(biāo)

在進(jìn)行模型驅(qū)動(dòng)的機(jī)器視覺檢測(cè)和裝配中，有關(guān)于物體的方向假設(shè)和立體空間坐標(biāo)問題時(shí)，可以利用目視系統(tǒng)參數(shù)轉(zhuǎn)化為該圖像的假設(shè)，然后將假設(shè)的圖像和物體三維圖像進(jìn)行比較，如果假設(shè)圖像滿足物體三維信息，則可確認(rèn)或拒絕對(duì)該物體和物體空間位置假設(shè)成立。

3 目視系統(tǒng)的標(biāo)定原則

目視系統(tǒng)的標(biāo)定包括圖像獲取、參數(shù)計(jì)算、圖像預(yù)處理等關(guān)鍵步驟，在進(jìn)行圖像標(biāo)定時(shí)一般需要在目視系統(tǒng)前放置特制的標(biāo)定參照物，獲取該物體圖像后計(jì)算內(nèi)、外部系統(tǒng)參數(shù)[2]。采用點(diǎn)特征提取方式標(biāo)定參照物，并根據(jù)每個(gè)特征點(diǎn)相對(duì)于世界坐標(biāo)系OwXwYwZw 的位置進(jìn)行精確的測(cè)量。得到物體坐標(biāo)點(diǎn)的數(shù)據(jù)進(jìn)而可以解出目視系統(tǒng)內(nèi)、外部參數(shù)。

下面用矩陣形式寫出這些方程：

（1）

從以上方程中可以知道， M矩陣乘以任意一個(gè)不為零的常數(shù)都不會(huì)影響 與 的關(guān)系，我們可以任意使m34=1，可以得到M矩陣中其他元素的2n個(gè)線性方程。這些未知元素的個(gè)數(shù)為11個(gè)，將其記為11維向量，可以將（1）式簡(jiǎn)寫成：Km = U

其中，K為（1）式左邊2n×11矩陣；m指代未知的11維向量；U為（4）式右邊的2n維向量，K，U為已知向量。當(dāng)2n>11時(shí)，用最小二乘法可以求出上述線性方程解為： m =（KTK）-1KTU 。

m向量與 =1構(gòu)成了所求解的M矩陣。從以上式子可知，若有空間6個(gè)以上的已知點(diǎn)和它們的二維圖像坐標(biāo)匹配的話，就可以求出M矩陣。一般在進(jìn)行標(biāo)定時(shí)都會(huì)使標(biāo)定模板上有數(shù)十個(gè)已知坐標(biāo)點(diǎn)，使方程的個(gè)數(shù)遠(yuǎn)遠(yuǎn)多于未知數(shù)的個(gè)數(shù)，用最小二乘法求方程解，從而降低誤差。

求出M矩陣后，如果需要解目視系統(tǒng)的內(nèi)部、外部參數(shù)，可由（4）式表示的關(guān)系算出目視系統(tǒng)的全部的內(nèi)部、外部參數(shù)。不過，所求得的M矩陣與（4）式所表示的矩陣M相差一個(gè)常數(shù)因子 。指定 =1雖然并不影響投影關(guān)系，但在分解M矩陣時(shí)必須進(jìn)行考慮。將（1）式M矩陣與目視系統(tǒng)內(nèi)部、外部參數(shù)的關(guān)系寫成

（2）

其中，miT（i=1～3）從式子（1）中解出，作為M矩陣第i行的前三個(gè)元素組成的行向量。二mi4是M矩陣第i行第四列元素；riT（i=1～3）是作為旋轉(zhuǎn)矩陣R的第i行；tx，ty，tz分別為平移向量T的三個(gè)分量。且r1T ，r2T ，r3T ，之間有如下的約束關(guān)系：

， ， ，

， ， （3）

由式（2）可以得到

（4）

比較以上式子可知： m3= ，由 是正交單位矩陣的第三行， ，因此，可以從 求出 即 ，再由以下式子可以求得 ， ， ， ， ：

（5）

（5）式中的×表示向量運(yùn)算符號(hào)，根據(jù)（5）所得參數(shù)可以得到（6）式中的參數(shù)。

（6）

從以上方程式中可以知道，根據(jù)空間6個(gè)以上一直點(diǎn)及其坐標(biāo)信息和圖像，可以按照方程（5）和（6）求出目視系統(tǒng)的內(nèi)、外部參數(shù)。

4 總結(jié)

本文根據(jù)汽車涂膠機(jī)目視系統(tǒng)圖像坐標(biāo)和針孔目視系統(tǒng)模型定位等方面展開討論。在此基礎(chǔ)上，說明通過目視系統(tǒng)標(biāo)定和圖像點(diǎn)坐標(biāo)可以唯一地確定空間中的一條射線。利用兩個(gè)標(biāo)定過的目視系統(tǒng)觀察同一個(gè)待測(cè)點(diǎn)，它的空間三維坐標(biāo)可以用兩條這樣的射線的交點(diǎn)計(jì)算出來，說明了雙目視覺的基本原理，并討論了投影矩陣的求解方法。

參考文獻(xiàn)

篇9

關(guān)鍵詞： 三維人臉；特征區(qū)域檢測(cè)；特征提取；Itti視覺注意模型；計(jì)算機(jī)視覺

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）03-0621-06

人臉在日常的情感表達(dá)與交流中扮演著重要的角色，它是語言和復(fù)雜情感的表情載體。人類自身對(duì)人臉非常熟悉和敏感，人類視覺系統(tǒng)（Human Visual System， HVS）具備分辨復(fù)雜環(huán)境下人臉的能力，僅通過少量圖片信息就能準(zhǔn)確快速地在大腦中重建人臉的三維形狀，進(jìn)而實(shí)現(xiàn)身份辨識(shí)。然而這種對(duì)人來說與生俱來的分析合成能力對(duì)計(jì)算機(jī)而言卻顯得尤為困難。如何更好地借鑒人類的認(rèn)知機(jī)理和相關(guān)的計(jì)算機(jī)科學(xué)最新理論研究成果，建立新的人臉認(rèn)知計(jì)算模型和方法，實(shí)現(xiàn)從圖像、視頻中準(zhǔn)確、高效地重建三維人臉是當(dāng)前計(jì)算機(jī)視覺、人工智能等領(lǐng)域的一個(gè)關(guān)鍵問題。20世紀(jì)90年代以來，隨著信息技術(shù)的發(fā)展和需求的增加，借助計(jì)算機(jī)系統(tǒng)強(qiáng)大的計(jì)算能力，并結(jié)合在認(rèn)知科學(xué)、計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)等領(lǐng)域的研究成果，使計(jì)算機(jī)在一定程度上具備對(duì)人臉的感知能力，成為一個(gè)熱門的研究課題，涌現(xiàn)了大量的研究成果，其中涉及人臉檢測(cè)、人臉識(shí)別、特征提取、三維重建等，研究方法和手段也逐漸豐富和成熟。

近年來，隨著三維圖像系統(tǒng)的發(fā)展，三維成像設(shè)備從實(shí)驗(yàn)室走向市場(chǎng)，逐漸普及，使三維數(shù)據(jù)獲取變得便捷。研究人員已逐漸認(rèn)識(shí)到，相比于二維人臉分析方法，三維人臉能更精確地描述人的臉部特征，提供了人臉曲面的解剖結(jié)構(gòu)信息，在光照、姿態(tài)和表情變化等方面具有明顯的優(yōu)勢(shì)，利用人臉的三維信息是克服二維人臉分析的技術(shù)瓶頸最有效的方法。同時(shí)，隨著對(duì)人類視覺神經(jīng)系統(tǒng)、認(rèn)知心理和認(rèn)知過程研究的不斷深入，建立人類視覺系統(tǒng)感知信息過程的計(jì)算理論和計(jì)算模型，并將計(jì)算機(jī)視覺與人類視覺聯(lián)系起來，建立可與人類視覺系統(tǒng)水平相當(dāng)?shù)耐ㄓ靡曈X模型，正成為計(jì)算機(jī)視覺研究的新課題和新挑戰(zhàn)。

由于傳統(tǒng)的對(duì)人類視覺注意（Human Visual Attention）的研究主要針對(duì)二維圖像，該文將視覺注意模型引入到對(duì)三維人臉模型的分析，借鑒了Itti視覺注意模型[][][][]的思想，并結(jié)合計(jì)算機(jī)視覺中對(duì)三維人臉圖像的處理算法，提出了一種改進(jìn)的模型。該模型能夠?qū)θS人臉數(shù)據(jù)進(jìn)行顯著性分析，快速定位人臉特征分布的候選區(qū)域，進(jìn)而進(jìn)行特征點(diǎn)提取。

1 相關(guān)技術(shù)及分析

1.1 三維人臉特征點(diǎn)提取

人臉特征點(diǎn)的選擇應(yīng)根據(jù)應(yīng)用需求而定，在MPEG-4中定義了人臉特征點(diǎn)的國(guó)際標(biāo)準(zhǔn)[]：FDP（Facial Definition Parameters）和FAP（Facial Animation Parameters）。其中FDP定義了人臉的形狀、紋理等特征，提供人臉特征點(diǎn)、網(wǎng)格、紋理、人臉動(dòng)畫定義表等數(shù)據(jù)。MPEG-4定義了FDP的84個(gè)人臉的特征點(diǎn)，如圖1所示。

圖1 MPEG-4中定義的FDP特征點(diǎn)

三維人臉特征提取是將三維人臉數(shù)據(jù)模型轉(zhuǎn)化為特征表示，利用特征來體現(xiàn)原始數(shù)據(jù)模型的特點(diǎn)。特征點(diǎn)能否準(zhǔn)確定位對(duì)進(jìn)一步的研究工作（如三維人臉檢測(cè)和識(shí)別、三維人臉重建等）的效率、可靠性和魯棒性都有很大的影響。特征點(diǎn)定位主要分為三類：1、基于人臉“三庭五等”的幾何對(duì)稱性，從獲取人臉的對(duì)稱平面開始，進(jìn)而定位其他的特征點(diǎn)；2、基于人臉的幾何特征，利用特征點(diǎn)處的深度、曲率和法線等進(jìn)行特征點(diǎn)定位；3、基于人臉特征點(diǎn)的統(tǒng)計(jì)分布，利用人臉的特征點(diǎn)分布區(qū)域的共性，定位特征點(diǎn)分布候選區(qū)域，再進(jìn)行特征點(diǎn)提取。

王躍明等人[6]將特征束的思想引入到三維人臉特征點(diǎn)定位，通過手工標(biāo)定訓(xùn)練集的特征點(diǎn)，計(jì)算特征點(diǎn)處的Point Signature，構(gòu)成特征束，以此判定人臉特征點(diǎn)的平均區(qū)域。A.B. Moreno等人[]使用平均曲率和高斯曲率對(duì)三維人臉進(jìn)行分割，得到人臉特征點(diǎn)分布的候選區(qū)域，然后通過五官分布特征，去掉非標(biāo)準(zhǔn)區(qū)域，得到真正的特征區(qū)域。GaileG. Gordon[]將三維人臉深度圖轉(zhuǎn)換到圓柱坐標(biāo)系中，在圓柱坐標(biāo)參數(shù)下計(jì)算每一點(diǎn)的高斯曲率和平均曲率。Dorai等人[]提出SI（Shape Index）特征，該特征用來表示每一點(diǎn)的凹凸程度，點(diǎn)p的Shape Index是由其最大和最小曲率計(jì)算得到。鼻尖的候選點(diǎn)集由SI值在0.85～1之間的點(diǎn)組成，鼻尖點(diǎn)定位于該區(qū)域的質(zhì)心；內(nèi)眼角的候選點(diǎn)集由SI值在0～0.27之間的點(diǎn)組成，內(nèi)眼角定位于該區(qū)域的質(zhì)心：

S. Gupta等人[]將人體測(cè)量學(xué)原理應(yīng)用于三維人臉的特征提取。通過手工標(biāo)定25個(gè)測(cè)量學(xué)上常用的特征點(diǎn)，計(jì)算這些特征點(diǎn)之間的測(cè)地線距離（ISO-Geodesic Distance），選擇其中23組距離比例組合成特征向量，最后用線性判別分析（Linear Discriminative Analysis， LDA）對(duì)特征進(jìn)行分類。人體測(cè)量學(xué)上的基準(zhǔn)點(diǎn)和度量富含更多的三維人臉特征。

2.2 Itti視覺注意模型

視覺注意機(jī)制是靈長(zhǎng)類動(dòng)物處理視覺信息的本質(zhì)特征，人類視網(wǎng)膜對(duì)圖像是非均勻采樣的，這是視覺注意機(jī)制的生物基礎(chǔ)。同時(shí)，由于高層視覺處理只是對(duì)初始視覺傳感器信息的一個(gè)子集進(jìn)行處理，因此需要對(duì)初始得到的視覺信息進(jìn)行選擇。

視覺注意的計(jì)算模型用顯著圖（Saliency Map）來表示視覺區(qū)域的顯著性。顯著圖不僅通過其像素值表示原圖像對(duì)應(yīng)點(diǎn)在視覺區(qū)域的顯著性大小，而且通過顯著性的空間分布來引導(dǎo)注意區(qū)域的選擇[1]。顯著圖最初是由Koch和Ullman[]在1985年提出的，其模型利用顏色、方向特征信息構(gòu)造出一組特征圖。Itti顯著圖模型（IttiSaliency Map）是Laurent Itti等人于1998年提出的[1]，該模型框圖如圖2所示。他采用bottom-up控制策略的注意模型，在Koch和Ullman模型的基礎(chǔ)上，提出一個(gè)適合自然圖像處理的計(jì)算模型。該模型主要包括特征提取、顯著圖生成和注意焦點(diǎn)轉(zhuǎn)移三個(gè)模塊：首先采用高斯金字塔結(jié)構(gòu)對(duì)輸入圖像進(jìn)行多尺度表示，去除圖像中的冗余信息，得到顏色、亮度和方向的初級(jí)視覺特征提取圖，然后利用生物的中心-環(huán)繞（Center-Surround）計(jì)算策略在每種特征圖的內(nèi)部進(jìn)行競(jìng)爭(zhēng)，通過在多個(gè)空間尺度上提取初級(jí)特征，將得到的多種特征、多種尺度的視覺空間的特征顯著圖通過組合形成一幅最終的顯著圖來引導(dǎo)注意；最后采用WTA（Winner-Take-All）機(jī)制控制注意轉(zhuǎn)移。WTA機(jī)制中被檢測(cè)出來的勝者，即為顯著度更高的注意焦點(diǎn)。由于待注意目標(biāo)在所有參與競(jìng)爭(zhēng)的目標(biāo)中總是最顯著的，在競(jìng)爭(zhēng)中總是會(huì)獲得勝利，所以需要采用抑制返回檢測(cè)的機(jī)制、就近轉(zhuǎn)移的原則和注意區(qū)域尺寸的確定來實(shí)現(xiàn)焦點(diǎn)的注意和轉(zhuǎn)移。

在Itti等人最初的論文中[1]，針對(duì)無top-down外部命令的情況下，提出了一個(gè)特征圖歸一化算子，以增強(qiáng)顯著峰較少的特征圖、削弱存在大量顯著峰的特征圖。在Itti等人后來的工作中[2][3]，比較了多種特征組合策略，發(fā)現(xiàn)歸一化每一特征圖至固定動(dòng)態(tài)范圍后再相加將在檢測(cè)復(fù)雜景象中的突出目標(biāo)時(shí)表現(xiàn)出較差的檢測(cè)性能。于是在歸一化的基礎(chǔ)上，Itti等人給出了一種新的特征組合策略，通過各特征圖內(nèi)的局部非線性競(jìng)爭(zhēng)增強(qiáng)現(xiàn)顯著峰較少的特征圖，而削弱存在大量顯著峰的特征圖。這種特征內(nèi)競(jìng)爭(zhēng)模式與電生理學(xué)所觀察到的非經(jīng)典抑制相互作用類似。

3 基于Itti視覺注意模型的三維人臉特征檢測(cè)

3.1 三維人臉數(shù)據(jù)表示

本文的研究中采用點(diǎn)云（Point Cloud）來表示三維人臉數(shù)據(jù)。點(diǎn)云數(shù)據(jù)是指在一個(gè)三維坐標(biāo)系統(tǒng)中的一組三維元組的集合，這些元組通常以（x， y， z）三維坐標(biāo)的形式表示，一般主要用來代表一個(gè)物體的外表面形狀。除（x， y， z）代表集合位置信息以外，點(diǎn)云數(shù)據(jù)還可以附加一個(gè)點(diǎn)的RGB顏色通道信息、灰度值、深度等。

假設(shè)p=（x，y，z）∈[?]3表示三維人臉點(diǎn)云數(shù)據(jù)p中的一個(gè)三維的點(diǎn)。由于一個(gè)三維的點(diǎn)可以表示成一個(gè)三維的向量[p]，所以可以將三維人臉點(diǎn)云數(shù)據(jù)表示為：

3.2 三維人臉數(shù)據(jù)預(yù)處理

一個(gè)典型的三維人臉點(diǎn)云數(shù)據(jù)往往包含十幾萬個(gè)頂點(diǎn)，并且獲取的數(shù)據(jù)往往包含噪聲和毛刺，所以需要對(duì)這些頂點(diǎn)進(jìn)行預(yù)處理操作。該文采用的預(yù)處理操作主要有：

1）向下采樣（Downsampleing）：首先定義一個(gè)三維的體素網(wǎng)格（3D Voxel Grid），將這個(gè)網(wǎng)格在點(diǎn)云數(shù)據(jù)中移動(dòng)，并計(jì)算落在網(wǎng)格內(nèi)的點(diǎn)的質(zhì)心，以這個(gè)質(zhì)心來表示落在網(wǎng)格中的所有點(diǎn)；

2）重采樣（Resampling）：采用MLS（Move Least Square）方法對(duì)三維人臉點(diǎn)云數(shù)據(jù)進(jìn)行規(guī)整化。

3）姿態(tài)校正（Pose Correction）：原始三維人臉的姿態(tài)并不一致，所以需要對(duì)獲得的三維人臉數(shù)據(jù)進(jìn)行姿態(tài)校正，使其正面與z軸垂直。

4）面部區(qū)域裁剪（Face Segmentation）：該文采用P.Bagchi等人[]的方法找到鼻尖位置。在得到鼻尖的位置之后，采用P. Nair等人[]提出的方法進(jìn)行人臉面部區(qū)域的裁剪。

3.3 改進(jìn)的Itti視覺注意模型

為了讓Itti視覺注意模型能夠處理三維人臉數(shù)據(jù)，該文對(duì)Itti模型進(jìn)行了改進(jìn)。改進(jìn)后的模型如圖3所示。

1）從紋理圖像數(shù)據(jù)[T]獲取顏色顯著圖。三維人臉點(diǎn)云數(shù)據(jù)p中點(diǎn)i在紋理數(shù)據(jù)中對(duì)應(yīng)的顏色值：

[rgb（i）=f（ui，vi），i=0，1，2，...，n ] （10）

得到點(diǎn)i的顏色后，用該點(diǎn)的灰度值歸一化各個(gè)顏色通道，然后建立4個(gè)寬調(diào)諧（Broadly-tuned）的顏色通道RGBY：

若R、G、B、Y為負(fù)值則置為0。然后建立這4個(gè)顏色通道的高斯金字塔R（[σ]）、G（[σ]）、B（[σ]）和Y（[σ]）。

2）從位置數(shù)據(jù)[P]獲取深度圖[D]。設(shè)三維人臉點(diǎn)云數(shù)據(jù)p的在XY軸的分辨率為M×N，分布區(qū)間分別為[xmin，xmax]和[ymin，ymax]，則可以計(jì)算得到深度圖[D]在XY軸的坐標(biāo)集：

由于二維深度圖[D]中xy坐標(biāo)值與點(diǎn)云p中xy坐標(biāo)值并不是一一對(duì)應(yīng)，函數(shù)g通過計(jì)算點(diǎn)云p中隱式xy坐標(biāo)（implicit x- and y- coordinates）處的z坐標(biāo)的插值，得到深度圖中的深度值。

3）計(jì)算空間法向量[N]。三維人臉點(diǎn)云數(shù)據(jù)p中點(diǎn)i的法向量計(jì)算公式：

其中k是選擇的點(diǎn)[pj]的鄰域的點(diǎn)數(shù)，[p]為鄰域內(nèi)點(diǎn)的質(zhì)心。

4）計(jì)算曲率[C]。本位采用Dorai等人[9]提出最大和最小曲率計(jì)算方法，并得到點(diǎn)云數(shù)據(jù)p中點(diǎn)i的SI（Shape Index）特征。加入曲率特征的顯著圖是為了增強(qiáng)人臉的器官如鼻子、眼睛、嘴巴等的顯著性。

4 實(shí)驗(yàn)結(jié)果

為了檢測(cè)改進(jìn)的Itti視覺注意模型對(duì)三維人臉特征區(qū)域檢測(cè)的有效性，實(shí)驗(yàn)采用的平臺(tái)為Intel I5 2500K CPU、8G內(nèi)存、NvidiaGFX460顯卡、Ubuntu13.04（x64）操作系統(tǒng)。三維人臉數(shù)據(jù)集來源于Darren Cosker教授提供的D3DFACS（Dynamic 3D FACS Dataset）[]數(shù)據(jù)庫，該人臉庫包含6位女性和4位男性，總共記錄了519張不同表情的人臉三維模型。實(shí)驗(yàn)首先對(duì)數(shù)據(jù)格式進(jìn)行.obj到.pcd的格式轉(zhuǎn)換，利用PCL點(diǎn)云庫對(duì)三維人臉點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理，生成三維人臉點(diǎn)云數(shù)據(jù)的深度圖像、空間法向量以及空間曲率。通過修改Laurent Itti教授開源的神經(jīng)元計(jì)算模型iNVT（iLabNeuromorphic Vision C++ Tookit）[]的源代碼，使其能夠接收并處理三維數(shù)據(jù)，生成三維人臉圖像的顯著圖。選擇閾值[θ]對(duì)特征圖進(jìn)行二值化后，選取面積最大的前4個(gè)顯著區(qū)域，并將其用該區(qū)域的最大外接矩形進(jìn)行表示。

實(shí)驗(yàn)分兩組進(jìn)行。第一組將自然狀態(tài)下的三維人臉作為輸入，第二組將有表情變化的三維人臉作為輸入。實(shí)驗(yàn)結(jié)果如圖4所示。從實(shí)驗(yàn)結(jié)果可以看出，該文提出的改進(jìn)的Itti視覺注意模型能夠準(zhǔn)確檢測(cè)出有表情和無表情的三維人臉數(shù)據(jù)中如眼睛、鼻子和嘴巴的分布區(qū)域。

5 結(jié)論

傳統(tǒng)的視覺注意模型主要針對(duì)二維圖像數(shù)據(jù)進(jìn)行研究，該文將傳統(tǒng)的視覺注意模型引入到對(duì)三維人臉數(shù)據(jù)的處理，提出了一種基于Itti視覺注意模型的三維人臉特征檢測(cè)方法。該方法通過結(jié)合原始數(shù)據(jù)中的紋理信息和三維人臉點(diǎn)云數(shù)據(jù)中的空間位置信息、空間法向量、深度信息和空間曲率，生成三維人臉圖像的顯著圖。最后利用生成的顯著圖快速定位三維人臉的特征區(qū)域分布，從而進(jìn)行三維人臉特征的提取。實(shí)驗(yàn)結(jié)果證明了該方法具有特征區(qū)域檢測(cè)效果好、適用性廣的特點(diǎn)。下一步的工作將集中在對(duì)已經(jīng)檢測(cè)出的特征區(qū)域進(jìn)行分析，并結(jié)合二維紋理數(shù)據(jù)，盡可能精確的提取出特征區(qū)域中的特征點(diǎn)。

參考文獻(xiàn)：

[1] The iLabNeuromorphic Vision C++ Toolkit： http：//ilab.usc.edu/toolkit/

[2] D. Cosker， E. Krumhuber， A. Hilton. A FACS Valid 3D Dynamic Action Unit Database with Applications to 3D Dynamic Morphable Facial Modeling [C]. Proceedings of IEEE International Conference on Computer Vision （ICCV）， 2011.

[3] P. Nair， A. Cavallaro. 3-D Face Detection， Landmark Localization， and Registration Using a Point Distribution Model [J]. IEEE Transactions on Multimedia， 2009， 11（4）：611-623.

[4] P. Bagchi， D. Bhattacharjee， M. Nasipuri， et al. A Novel Approach for Nose Tip Detection using Smoothing by Weighted Median Filtering Applied to 3D Face Images in Variant Poses [C]. Proceedings of the International Conference on Pattern Recognition， Informatics and Medical Engineering， 2012.

[5] C. Koch， S. Ullman. Shifts in Selective Visual Attention： Towards the Underlying Neural Circuitry [J]. Human Neurobiology， 1985， 4：219-227.

[6] S. Gupta， J.K. Aggarwal， M.K. Markey， et al. 3D Face Recognition Founded on the Structural Diversity of Human Faces [C]. Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition， Minneapolis， 2007：1-7.

[7] C. Darai， A.K. Jain. COSMOS-A representation scheme for 3D free-form objects [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1997， 19（10）：1115-1130.

[8] G.G. Gordon. Face recognition based on depth and curvature features [J]. Proceedings of SPIE Conference on Geometric Method in Computer Vison， 1992：234-247.

[9] A.B. Moreno， A. Sanchez， J.F. Velez， et al. Face Recognition using 3D Local Geometrical Features： PCA vs. SVM [C]. International Symposium on Image and Signal Processing and Analysis， 2005：185-190.

[10] WangYingjie， Chua Chin-Seng， Ho Yeong-Khing. Facial Feature Detection and Face Recognition from 2D and 3D Images [J]. Pattern Recognition Letters， 2002， 23（10）：1191-1202.

[11] ISO/IEC 14496-1：1999， Coding of Audio-Visual Objects： System Amendment 1[R]. 1999

[12] V. Navalpakkam， L. Itti. Modeling the Influence of Task on Attention [J]. Vision Research， 2005， 45（2）： 205-231.

[13] L. Itti， C.Koch. Computational Modeling of Visual Attention [J]. Nature Neuroscience， 2001， 2：194：203.

篇10

論文關(guān)鍵詞：表面粗糙度，非接觸，光學(xué)測(cè)量

 

隨著科學(xué)技術(shù)的進(jìn)步和社會(huì)的發(fā)展，人們對(duì)于機(jī)械產(chǎn)品表面質(zhì)量的要求越來越高。表面粗糙度是評(píng)價(jià)工件表面質(zhì)量的一個(gè)重要指標(biāo)，國(guó)內(nèi)外很多學(xué)者在表面粗糙度檢測(cè)方面做了大量研究工作。目前測(cè)量表面粗糙度的主要方法有：接觸式測(cè)量和非接觸式測(cè)量。

1 接觸式測(cè)量

接觸式測(cè)量就是測(cè)量裝置的探測(cè)部分直接接觸被測(cè)表面，能夠直觀地反映被測(cè)表面的信息，接觸式測(cè)量方法主要是觸針法，該方法經(jīng)過幾十年的充分發(fā)展，以其穩(wěn)定、可靠的特點(diǎn)被廣泛應(yīng)用。但接觸式測(cè)量存在很大的缺陷，具體表現(xiàn)在：（1）對(duì)高精度表面及軟質(zhì)金屬表面有劃傷破壞作用；（2）受觸針尖端圓弧半徑的限制，其測(cè)量精度有限；（3）因觸針磨損及測(cè)量速度的限制，無法實(shí)現(xiàn)在線實(shí)時(shí)測(cè)量[1]。

2 非接觸式測(cè)量

為了克服接觸式測(cè)量方法的不足非接觸，人們對(duì)非接觸式測(cè)量方法進(jìn)行了廣泛研究。研究表明，非接觸式測(cè)量方法具有非接觸、無損傷、快速、測(cè)量精度高、易于實(shí)現(xiàn)在線測(cè)量、響應(yīng)速度快等優(yōu)點(diǎn)。目前已有的非接觸式測(cè)量方法包括各種光學(xué)測(cè)量方法、超聲法、掃描隧道顯微鏡法、基于計(jì)算機(jī)視覺技術(shù)的表面粗糙度檢測(cè)方法等。這里我們只對(duì)基于光學(xué)散射原理的測(cè)量方法、基于光學(xué)干涉原理的測(cè)量方法和基于計(jì)算機(jī)視覺技術(shù)的測(cè)量方法做簡(jiǎn)單介紹論文格式模板。

2.1基于光學(xué)散射原理的測(cè)量方法

當(dāng)一束光以一定的角度照射到物體表面后，加工表面的粗糙不平將引起發(fā)生散射現(xiàn)象。研究表明：表面粗糙度和散射光強(qiáng)度分布有一定的關(guān)系。對(duì)于表面粗糙度數(shù)值較小的表面，散射光能較弱，反射光能較強(qiáng)；反之，表面粗糙度數(shù)值較大的表面，散射光能較強(qiáng)，反射光能較弱。

基于光學(xué)散射原理測(cè)量表面粗糙度的研究方法和理論較多。四川聯(lián)合大學(xué)和哈爾濱理工大學(xué)相繼提出了一種稱之為散射特征值的參數(shù)，表征被測(cè)物體表面上反射光和散射光的分散度，散射特征值與被測(cè)物體表面的粗糙度有很好的對(duì)應(yīng)關(guān)系[2]。哈爾濱理工大學(xué)利用已知表面粗糙度參數(shù)值的標(biāo)準(zhǔn)樣塊測(cè)得其散射特征值，建立—關(guān)系曲線，從而實(shí)現(xiàn)利用散射特征值測(cè)量火炮內(nèi)膛表面粗糙度[3]。

基于光學(xué)散射原理的表面粗糙度檢測(cè)方法，具有結(jié)構(gòu)簡(jiǎn)單、體積小、易于集成產(chǎn)品、動(dòng)態(tài)響應(yīng)好、適于在線測(cè)量等優(yōu)點(diǎn)。該方法的缺點(diǎn)是測(cè)量精度不高，用于超光滑表面粗糙度的測(cè)量還有待進(jìn)一步改進(jìn)。

2.2基于光學(xué)干涉原理的測(cè)量方法

當(dāng)相干光照射到工件表面同一位置時(shí)，由于光波的相互位相關(guān)系，將產(chǎn)生光波干涉現(xiàn)象。一般的干涉法測(cè)量是利用被測(cè)面和標(biāo)準(zhǔn)參考面反射的光束進(jìn)行比較，對(duì)干涉條紋做適當(dāng)變換，通過測(cè)量干涉條紋的相對(duì)變形來定量檢測(cè)表面粗糙度。該方法的測(cè)量精度取決于光的波長(zhǎng)。但是由于干涉條紋的分辨率是以光波波長(zhǎng)的一半為極限的，僅從條紋的狀態(tài)無法判斷表面是凸起還是凹陷，因此非接觸，作為一種具有較好分辨率、寬測(cè)量范圍的表面粗糙度在線檢測(cè)技術(shù)，這種干涉法測(cè)量技術(shù)還有待于進(jìn)一步發(fā)展[4]。

基于光學(xué)干涉原理，1984年美國(guó)洛克西德導(dǎo)彈公司huang采用共模抑制技術(shù)研制成功了光學(xué)外差輪廓儀，光外差干涉檢測(cè)技術(shù)是一種具有納米級(jí)測(cè)量準(zhǔn)確度的高精度光學(xué)測(cè)量方法，適用于精加工、超精加工表面的測(cè)量，而且可以進(jìn)行動(dòng)態(tài)時(shí)間的研究；華中理工大學(xué)采用光外差干涉方法研制出2D-SROP-1型表面粗糙度輪廓儀[5]。美國(guó)的維易科(VEECO)精密儀器有限公司，采用共光路干涉法研制了WYKO激光干涉儀和光學(xué)輪廓儀，可用來測(cè)量干涉條紋位相[6]。

基于光學(xué)干涉原理測(cè)量表面粗糙度分辨率高，適于測(cè)量超光滑表面粗糙度，但由于該方法的測(cè)量精度受光波波長(zhǎng)的影響很大，所以其測(cè)量范圍受到一定影響。

2.3基于計(jì)算機(jī)視覺技術(shù)的測(cè)量方法

基于計(jì)算機(jī)視覺的粗糙度測(cè)量方法是指使用攝像機(jī)抓取圖像，然后將該圖像傳送至處理單元，通過數(shù)字化處理，根據(jù)像素分布和灰度、紋理、形狀、顏色等信息，選用合理的算法計(jì)算工件的粗糙度參數(shù)值。近年來，隨著計(jì)算機(jī)技術(shù)和工業(yè)生產(chǎn)的不斷發(fā)展，該方法受到越來越多的關(guān)注。

北京理工大學(xué)的王仲春等人采用顯微鏡對(duì)檢測(cè)表面進(jìn)行放大，并通過對(duì)CCD采集加工表面微觀圖像進(jìn)行處理實(shí)現(xiàn)了表面粗糙度的檢測(cè)[7]論文格式模板。哈爾濱理工大學(xué)吳春亞、劉獻(xiàn)禮等為解決機(jī)械加工表面粗糙度的快速、在線檢測(cè)，設(shè)計(jì)了一種表面粗糙度圖像檢測(cè)方法，建立了圖像灰度變化信息與表面粗糙度之間的關(guān)系模型[8]。英國(guó)學(xué)者Hossein Ragheb和Edwin R. Hancock通過數(shù)碼相機(jī)拍攝的表面反射圖來估計(jì)表面粗糙度參數(shù)非接觸，運(yùn)用Vernold–Harvey修正的B–K散射理論模型獲得了比Oren–Nayar模型更好的粗糙度估計(jì)結(jié)果[9]。澳大利亞學(xué)者Ghassan A. Al-Kindi和Bijan Shirinzadeh對(duì)基于顯微視覺的不同機(jī)械加工表面粗糙度參數(shù)獲取的可行性進(jìn)行了評(píng)估，討論了照射光源與表面輻照度模型對(duì)檢測(cè)的影響，結(jié)果顯示盡管從視覺數(shù)據(jù)和觸針數(shù)據(jù)所獲得的粗糙度參數(shù)存在一定差異，但是基于視覺的方法仍是一種可靠的粗糙度參數(shù)估計(jì)方法[10-11]。

可以看出，基于計(jì)算機(jī)視覺技術(shù)的測(cè)量方法主要有統(tǒng)計(jì)分析、特征映射和神經(jīng)網(wǎng)絡(luò)等黑箱估計(jì)法。通過這些方法獲得的表面粗糙度參數(shù)的估計(jì)值受諸多因素的影響，難以給出其準(zhǔn)確的物理解釋。真正要定量地計(jì)算出粗糙度參數(shù)，需要科學(xué)的計(jì)算。

但是隨著機(jī)械加工自動(dòng)化水平的提高，基于計(jì)算機(jī)視覺技術(shù)的檢測(cè)方法處理內(nèi)容豐富、處理精度高、處理速度快、易于集成等優(yōu)點(diǎn)將受到越來越多的重視。

3 結(jié)束語

接觸式測(cè)量測(cè)量速度較慢，容易劃傷工件表面，并且不適用于連續(xù)生產(chǎn)材料表面的檢測(cè)。非接觸式測(cè)量具有無損傷、快速、測(cè)量精度高、易于實(shí)現(xiàn)在線測(cè)量等優(yōu)點(diǎn)，已成為表面粗糙度檢測(cè)的重點(diǎn)研究方向。非接觸測(cè)量以光學(xué)法為主，隨著計(jì)算機(jī)技術(shù)和工業(yè)生產(chǎn)的迅猛發(fā)展，基于計(jì)算機(jī)視覺技術(shù)的表面粗糙度非接觸式檢測(cè)方法受到越來越多的重視。

參考文獻(xiàn)：

[1]劉斌,馮其波,匡萃方.表面粗糙度測(cè)量方法綜述[J]. 光學(xué)儀器, 2004, 26(5): 54-55.

[2]苑惠娟等．非接觸式表面粗糙度測(cè)量?jī)x[J]．哈爾濱科學(xué)技術(shù)大學(xué)學(xué)報(bào)，1995，19(6)：30-34．

[3]強(qiáng)熙富，張?jiān)?，許文海．?dāng)U展激光散射法測(cè)量粗糙度的測(cè)量范圍的研究[J]．計(jì)量學(xué)報(bào)，1990，11(2)：81-85．

[4]王文卓，李大勇，陳捷．表面粗糙度非接觸式測(cè)量技術(shù)研究概況[J]．機(jī)械工程師，2004，11：6-9．

[5]王菊香．2D-SROP-1型表面粗糙度輪廓儀[J]．工業(yè)計(jì)量，1994，(4)：27-29．

[6]徐德衍等．光學(xué)表面粗糙度研究的進(jìn)展與方向[J]．光學(xué)儀器，1996，18(1)：32-41．

[7]王仲春,高岳,黃粵熙等.顯微成像檢測(cè)表面粗糙度[J]. 光學(xué)技術(shù), 1998, 5: 46-48.

[8]吳春亞,劉獻(xiàn)禮,王玉景等.機(jī)械加工表面粗糙度的圖像檢測(cè)方法[J]. 哈爾濱理工大學(xué)學(xué)報(bào), 2007, 12(3): 148-151.

[9]Hossein Ragheb, Edwin R.Hancock. The modified Beckmann–Kirchhoff scattering theory for rough surfaceanalysis[J]. Pattern Recognition, 2007, 40: 2004-2020.

[10]Ghassan A. Al-Kindi, BijanShirinzadeh. An evaluation of surface roughness parameters measurement usingvision-based data[J]. International Journal of Machine Tools & Manufacture,2007, 47: 697-708.

[11]Ghassan A. Al-Kindi, BijanShirinzadeh. Feasibility assessment of vision-based surface roughnessparameters acquisition for different types of machined specimens[J]. Image andVision Computing, 2008, 6: 1-15.