计算机视觉技术与应用范文

导语：如何才能写好一篇计算机视觉技术与应用，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

关键词：计算机；视觉检测技术；原理；应用

中图分类号：TP391.41

受到CIMS的推动和影响，诸多企业的发展趋势逐步趋向于个性化以及自动化，这种大的发展趋势间接的对我国的计算机辅助技术提出了更高的要求，计算机相关技术的发展面临着更加严峻的挑战。就现阶段分析来看，计算机辅助检测技术在现代诸多企业中得到了广泛的应用。随着柔性制造系统的不断进步与发展，驱动图像处理软件、现场总线技术的日趋成熟，检测系统的灵敏性、智能化特点愈发受到人们的关注，在这种大的发展趋势之下，计算机视觉检测技术得到了较快的发展。基于计算机视觉系统现已经广泛应用于现场监控、工况监视等诸多环境之中。

1 关于对视觉技术的相关研究

1.1 基于计算机的视觉检测技术的原理分析和探究

图像技术主要指的就是通过各种途径所实现的对图像的获取以及进一步的深入加工和处理技术。根据视觉检测技术的抽象程度以及对图像处理方式的不同，可以大致将图像的处理和加工技术划分为三个最主要的层次，这三个层次分别是图像的加工处理、图像的分析以及对于图像的理解。将这三个层次进行进一步的结合，便是图像工程。计算机视觉检测技术是一门新兴的计算机检测技术，该技术建立在对计算机视觉研究的基础之上，吸收和借鉴相关的研究成果，借助于传感器来实施三维测量，进而有效获得被测物体的空间具置信息，故而可以很好的满足当代制造业的发展需求。区别于一般的图像处理系统，计算机视觉检测技术所获取的相关数据信息更为精准和迅速，其环境适应性更强。

基于计算机的视觉检测技术注重计算理论的辅导作用，以应用为目标进行视觉技术分析。自上世纪七十年代以来，我国关于对计算机视觉检测技术的研究又取得了显著的进步，并且逐步迈入更为实质性的研究阶段，在该阶段中，逐步开始从通过从多个角度（诸如光学角度、生理学角度以及投影射影角度等等）对其成像问题加以分析。以Marr为代表的专家更是建立了一些一般性的视觉性处理模型来辅助该技术的研究。

1.2 视觉检测技术中传感器的作用

在计算机的控制下配有相关的视觉检测系统，在该视觉检测系统中，主要有三个主要方面的主要作用：第一，对于视觉传感器模型的分析以及确定；第二，进行图像数据分散与整理的相关工作；第三，CAD模型的建立。传感器的主要作用就是对测量棒材的多个截面进行分析，将所收集得到的数据经由图像采集卡采集后，传到相关的图像处理系统中，进而进一步辅助准确的模型的建立。

2 基于计算机的视觉检测技术的应用研究分析

2.1 基于计算机的视觉检测技术的发展状况研究

在研究的初步阶段，相关技术人员借助于数字化的图像处理技术，主要就是为了进一步提高所获得的数字照片的清晰度和质量要求，进而更为精准、科学、规范的对照片所提供的信息加以辨别，为航空卫星图片的读取、识别和分类做准备。在这一系列的视觉工作中，其中最为主要和常见的工作主要是包括分类、识别判读以及三维结构的构建。

基于计算机的视觉检测技术借助于对计算机视觉技术，将所获得的被观察物品的相关信息加以信号转换，并传递给图像处理系统，图像处理系统通过甄别和判断不同照片像素的分布和亮度等讯息，将其进一步转换成为数字化信号，接下来由计算机的图像系统抽出符合目标特征的信号加以运算，对下一步的设备动作加以决定和执行。

就现阶段而言，我国的计算机视觉检测技术系统在诸多领域均有所应用，最为典型的领域诸如医学的辅助诊断、机器人的感应系统、智能化的人机接口等均是建立在该技术的基础之上。借助于计算机视觉技术这一手段，可以有效提高对产品检测的效率，提高精准度，这种新型的视觉检测技术相比较于传统的人眼在流水线上的跟进，其具有显著的优越性，其获取测量结构迅速、检测结果可以直接被观察、可以进行自动识别以及定位准确和实时性的特点，这就很好的避免了由于人的一些主观性因素所导致的误差出现。

二十世纪以来，基于生物特性的计算机视觉检测技术得到了空前的发展，具体表现在人脸识别、生硬识别、指纹识别以及虹膜的识别中，形式日趋灵活和复杂多变。借助于计算机的视觉检测技术，可以有效对用户的身份进行鉴定和识别、判定用户的特殊信息等。除此之外，还可以将基于计算机的视觉识别技术逐步推广到其他领域，如海关的安全检查以及出口、入口的安全控制等领域。

2.2 基于计算机的视觉检测技术的相关应用分析

2.2.1 数码相机中所采用的图像采集技术

视觉检测技术的一个显著特点就是有效提高了生产的柔性和自动化程度，本世纪以来，数码相机凭借其高分辨率，快速成像、显像，功能丰富多变以及性价比较高的特定风靡全球，逐步取代了传统的照相机，传统的照相机主要采用的是CCD 摄像头，其主要的核心及时采集卡，显然这种采集系统已经逐步落后于时展的脚步，现已逐步被淘汰。

2.2.2 微文字识别系统的相关研发和设计

随着科学技术的不断进步与发展，大规模集成电路得到了较快的进步，基于计算机的视觉检测系统的成本得到了极大的降低，基于计算机视觉检测技术的微文字识别系统的研发也被提到了日程中来。微文字识别系统的处理芯片大多是借助于数字信号处理芯片来实现图像的识别，进而借助先进的语音合成技术将朗读变为可能。此外，为了便于使用，该系统的体积被尽可能的缩小，并且可根据美观度和实用性等设计为各种形状。

2.2.3 特殊用纸水印在线检测系统

基于计算机的视觉检测技术可以在某一特定领域代替人的主观判断，诸如水印质量的自动检测方面。区别于普通的工作人员，计算机可以实现长时间工作，对于误差范围的控制可以通过设置等实现，而且在计算机执行任务期间，所受到的客观和主观因素相对较少，这就极大程度上避免了由于人的因素所导致的失误性操作，进而有效提高了工作效率以及检测的精准度。这一优点，在水印质量标准的认定中具有十分重要的意义和作用，通过研发一定的程序和软件，可以制定出一套操作性强、权威性较高的水印清晰度量化标准。

3 基于计算机的视觉检测技术的发展展望

综合分析来看，计算机视觉检测技术现已有大约四十年的历史，作为一种新兴的检测技术，该技术的显著优越性不言而喻，该检测技术以其高精度、反应灵敏迅速、智能化、自动化等特点被广泛应用于诸多领域和行业之中，并取得了显著的成，可以说，该技术具有十分广阔的发展前景。但是，不可否认，基于计算机的视觉检测技术并不是十分的成熟，在其设计和研发过程中仍然存在着诸多不足，而且视觉检测技术是一项设计到心理、生理等多方面知识的复杂性技术，涉及领域众多，更强大功能的实现需要人类知识的不断拓展和延伸，因此，必须意识到该检测技术发展道路上的困难和挑战。

4 结束语

随着科学技术的不断进步与发展，经济的发展对于新技术的研发提出了更高的挑战，再者由于广大人民群众生活质量的不断提高，对于生活水平也有了进一步的认识和了解。基于计算机的视觉检测技术的研发和进步，无疑更好推动了高速发展的经济，不断满足了人民群众日益提高生活需求。由此来看，深入对视觉检测技术的研究和探究无疑具有十分重要的作用，笔者衷心希望，以上关于对我国基于计算机的视觉检测技术的相关探究能够被相关负责人合理的吸收和采纳，进而更好的推动科学技术的创新和进步，推动经济的不断进步与发展。

参考文献：

[1]李旭港.计算机视觉及其发展与应用[J].中国科技纵横，2010（06）：42.

[2]张江明，张娟.浅谈制造业中计算机视觉检测技术的应用与发展[J].科技创新导报，2011（24）：1.

篇2

近年来，经济的发展和人们生活水平的提升也使得人们的出行更加便捷，越来越多的人都是自己驾车出行，这样导致公路上的交通流量不断增加，如何保障交通的顺畅性和安全性成为人们关注的重点问题。信息技术的发展推动了计算机视觉技术的出现，为交通安全性的提升提供了一定的保障。本文主要对计算机视觉技术进行分析，进一步探讨计算机视觉技术在智能交通系统中的应用。

【关键词】计算机 视觉技术 智能交通 系统 应用

智能交通系统简称ITS，这是一种新型的交通管理系统。该系统主要结合了信息化技术、计算机技术以及数据传输技术等多种技术，用来对整个交通运输体系进行管理，可以实现人、车、路的全面监控和管理。计算机视觉艺术作为智能交通系统中的一个重要环节，受到相关工作人员的高度重视。随着计算机视觉技术的发展，不仅为交通行业的发展提供了更多的便捷，同时还能够筛选道路交通的各种信息，进一步增强了智能交通系统的灵活性和准确性。

1 计算机视觉技术的概述

计算机视觉也被称为图像分析和图解理解，其包括的理论主要有摄影几何学、概率论、图像处理理论以及人工智能理论等部分。计算机视觉技术主要是用二维投影图像实现三维物体重构。这种技术的应用范围比较广泛，不仅应用于二维图像识别方面，同时还用于三维物体的识别和重建上面。通过计算机视觉技术能够获取专业化的三维信息，对三维信息的获取一般有两种方法，其中一种是直接获取法，还有一种是间接获取法。直接获取法主要是通过计算机视觉技术的效果来确定三维运动中产生的各种参数，这一过程对摄像机运动问题的关注程度较高；间接获取的方式就是将单幅图像和摄像机焦距相结合，来判断被测量位置视觉上的信息。计算机视觉技术的关键就是实现特别匹配，在特殊情况下可以利用不同的摄像C同时收集运动信息，从而提高相关控制的精确度。

2 计算机视觉技术在智能交通系统中的应用

计算机视觉技术在智能交通系统中的应用可以实现道路交通的监控，同时还能够实现自动收费、智能导航等功能，主要应用有以下几个方面的内容。

2.1 交通监控中对计算机视觉技术的应用

基于计算机视觉技术的交通监控系统主要分为三个步骤，首先是对车辆和行人进行跟踪和分割，其次是对车流量进行分析和计算，并且计算车辆的平均速度和道路上车辆的队列长度，最后根据道路的交通状况来规划形式线路，从而有效缓解道路交通拥堵的现状，方便人们减少出行时间。车辆和行人作为道路中运动的主要目标，在监控场合下，需要对运动时间进行有效分割，常用到的分割方式包括光流法和帧差法两种，其中前一种分割方式主要是依据图像中不同的运动用映射参数正确的表达，这样可以将具有同样映射参数的光流量进行分配，从而完成参数分割。计算机视觉在交通监控中的应用主要是对车辆速度、车辆数目、车辆分类进行检测。随着计算机通信技术的发展，计算机视觉技术也是日新月异，基于计算机视觉的交通监控系统具有较强的实时工作性，能够快速的适应高度公路以及城市道路交通的监控。

2.2 车辆导航中对计算机视觉技术的应用

实现车辆的智能导航是计算机视觉技术在智能交通中应用的典型案例。这种技术主要为驾驶人员提供道路信息和车辆运行状况两大信息。通过车辆智能导航系统的运行能够对道路两边的界限进行有效的识别，将车辆引向规定的行驶车道，在车辆行驶过程中，该系统能够自动检测车辆与前方其他车辆之间的距离，从而提醒驾驶人员保持车辆的安全距离，最终实现安全导航驾驶。通过该系统的摄像机运动能够识别其他车辆的行驶状况，并且通过计算检测点的方式计算车辆的模拟匹配点。车俩智能导航系统中就使用了计算机视觉技术，可以从中提取相关信息，计算车辆行驶的安全距离和速度。

2.3 计算机视觉技术用于车辆辅助驾驶

计算机视觉技术在车辆辅助驾驶中的应用主要是帮助驾驶人员对外界的变化做出反应。具体表现为车辆在市内行驶时，计算机视觉技术的应用能够识别周边道路的标记，并且对交通标志、其他车辆和行人进行识别，然后筛选相关信息进行计算，让驾驶人清楚外界的具体状况，从而避开其他的车辆和行人，能够从根本上减少交通事故的发生，增强车辆的安全运行。辅助驾驶的形式转变为人机交互的方式，一定程度上能够满足驾驶人员对信息的需求。

2.4 计算机视觉技术用于车辆智能收费

车辆收费是车辆在公共交通位置行驶中的一个关键环节。随着科学技术的发展，车辆收费系统逐渐向着计算机技术的应用方向发展，计算机视觉技术在各地区交通发展中的应用是现代化交通发展的一个重要突破口。很多地区的智能化收费都是通过识别车牌的方式来实现收费，我国在车牌识别这方面仅仅限制于单目车牌和双目车牌的识别，其中单目车牌识别的核心就是将车牌照位置作为核心部分，我国大部分地区都是将单目系统作为核心部分来使用。采用双目系统对车牌进行识别，也可以对车辆的型号进行识别，通过大量的实践发现，双目系统进行车牌识别的实用性较强。但是这种识别方式在实际应用过程中仍然存在着信息获取难度大、车牌照定位难度大等多种问题，尤其是车辆在高速路上行驶时，对于车牌信息的获取更为困难，因此，在这方面还需要加大研究和实践。

3 结束语

随着计算机视觉技术的智能化发展，其在智能交通系统中的应用能够解决多方面的问题。该技术的应用不仅能够实现车辆的实时监控，同时还能够实现车辆导航以及车辆收费，帮助驾驶人员识别车辆行驶中存在的障碍物，这样一来，可以增强车辆行驶的安全性，同时还能够提高我国道路交通系统的整体管理水平。但是该技术应用中也存在不足之处，未来发展中需要降低视觉系统的价格，减少系统的尺寸，从而增强系统对车辆信息的处理速度，最终实现对道路交通的全面监测。

参考文献

[1]王春波，张卫东，许晓鸣.计算机视觉技术在智能交通系统中的应用[J].测控技术，2000（05）：22-24.

[2]郁梅，蒋刚毅，郁伯康.智能交通系统中的计算机视觉技术应用[J].计算机工程与应用，2001（10）：101-103+121.

[3]顾晶. 基于计算机视觉的智能交通监控系统的研究[D].东南大学，2006.

[4]谢萍萍，黄传春.计算机视觉技术在智能交通系统中的应用[J].福建电脑，2008（10）：77+133.

篇3

 

1 计算机视觉定义

 

人类天生具有五感，视觉便是其中之一，而计算机视觉，就是让计算机网络能够睁开眼看世界。让计算机有一定的视觉能力，可以从各个方面帮助人们进行监督、检验检测。利用计算机视觉科学可以使工作变得更加简便。计算机视觉主要应用于对二维码、条形码、照片、视频资料如片段等进行智能处理。

 

2 计算机视觉研究在医疗、交通中的作用

 

随着医学成像技术的发展与进步，图像处理在医学研究与临床医学中的应用越来越广泛。最常见的有癌细胞显微图像分割与识别、基于多特征融合的血红细胞识别和乳腺癌细胞计算机的自动识别等。计算机视觉技术的迅猛发展，为医疗诊断带来了很大的方便，同时促进了临床医学的发展。另外，在各大综合医院慢慢发展起的体检体系中，计算机视觉技术起到了决定性因素。随着体检的人数上升，对医院体检的管理、速度、准确性都提出了更高的要求。视觉识别轻而易举的解决了这个问题，只需要去识别体检人员的身份证，就可以将体检人员对号入座，检查过的项目，没有检查的项目一目了然。理化指标的检验，只需要在采血试管或采尿瓶上粘贴与体检者对应的条形码即可，利用视觉技术对号入座，方便而准确的确定每一位体检人员的血样及尿样。及提高了医院的工作效率，又将错误率降到最低。

 

计算机视觉在交通上同样得到了广泛的应用及发展。交通安全是交通运输中的重大问题，随着近年来机动汽车数量的迅猛增长，交通事故的发生也随之越来越频繁，给人类社会带来的危害也日趋严重，使很多的家庭失去亲人，甚至家破人亡。全国一线城市例如：北京、上海、广州、深圳等交通道路供需的矛盾日趋严重，交通安全、交通堵塞及环境污染已成为困扰我国交通领域的三大难题。基于图像处理的计算机视觉技术是通过摄像机获取场景图像，并借助于计算机软件构建一个自动化或半自动化的图像、视频理解和分析系统，并提供及时准确的图像、视频处理结果，以模仿人的视觉功能。主要功能如下：

 

一是基于计算机视觉技术的车辆牌照自动识别： 车辆牌照是车辆的唯一身份，对车辆牌照的有效检测与识别在车辆违章检测、停车场管理、不停车收费、被盗车辆稽查等方面有着重要的应用价值。尽管针对车牌识别技术的研究相对成熟，然而在实际的应用场景中，受到天气、光照、拍摄视角、车牌扭曲等因素的影响，车牌识别技术仍然有一定的改善空间。

 

二是基于计算机视觉技术的车辆检测与流量统计：目前城市交通路口的红路灯间隔时间是固定的，而不同路段、不同时间段交通流量是随机变化的。若能根据各个交通路口的交通状况辅以计算机进行自动分析，并判断与预测交通流量，无疑为交通警察出警，红绿灯时间间隔的动态设置等提供技术支持。

 

三是基于计算机视觉技术的公交专用道路非法占道抓拍：公共交通是每个城市交通的重中之重，城市的公共交通为老百姓提供了便捷的出行方式。公共交通的发展，有利于城市的节能减排，有利于降低城市的空气污染指数。由于城市公共交通具有运量大、相对投资少、人均占有道路少等优点，解决城市交通问题必须优先发展城市公共交通。然而目前拥挤、缓慢的公交出行方式已成诟病，因此发展“快速公交”将是未来公交的一种运行模式。道路畅通则是发展“快速公交”的前提，相应地，公交专用车道的设定必不可少。为防止其他社会车辆的驶入，并对违规驶入的其他社会违规车辆进行抓拍与惩罚是保证公交车道公交车专驶的一种重要手段。因此在公交车前部装置摄像头并辅以其他处理设备，从而可以使得每一辆公交车成为了一个流动的监控设备。

 

3 计算机视觉在条形码检测中的应用

 

条形码是将宽度不等的多个黑条和空白，按照一定的编码规则排列，用以表达一组信息的图形标识符。在中国，由中国物品编码中心赋予制造厂商代码。那么最常见的计算机视觉应用与条形码检测就是在超市中。超市中每样产品都有自己的条形码，当人们选择了自己需要的物品后，来到收银台进行结账，我们会看见收银人员会用扫码器对物品的条形码进行扫描，扫描后就会出现产品的信息及价钱。记录以及扫描条形码的技术就是计算机视觉技术。

 

4 计算机视觉重要技术——智能识别

 

近年来，基于生物特征的鉴别技术得到了广泛重视，主要集中在对人脸、虹膜、指纹、声音等特征上，这其中大多都与视觉信息有关。指纹、人脸功能已经大范围在生活中应用，其中很多单位的打卡制度就是依据面部识别、指纹识别来实现的。社会飞速发展的今天，很多的单位都实行了上下班打卡制度，这一制度已经被作为单位管理制度中的重要一条。购买的打卡机就是采用计算机视觉的重要技术——智能识别来实现的。利用打卡机的储存功能，记录每个职工的指纹或面部容貌，规定在某一个时间范围内对应识别指纹或面部容貌，视为打卡。在上下班打卡的过程中，员工将面部或指纹对应在打卡机的制定位置上，让打卡机进行识别，当识别的结果与存储结果相同时，打卡成功。这样看起来十分简单的打卡机可以使单位的工作有序化，制度化，而实现这个功能的技术就是计算机视觉技术中的重要技术之一：智能识别。

 

5 计算机视觉技术的发展过程及未来

 

计算机视觉技术研究经历了近40年的过程，20世纪50年代的统计模式识别、60年代的Roberts的三围积木世界、70年代的Marr为代表的计算理论、80年代的主动视觉，但是仍然面临许多的问题。主要由于计算机视觉是一个逆问题，视觉信息多种多样，视觉知识的表达很困难，图像数据量巨大，信息存储于检索困难，对生物学、神经生物学等的研究有待深入。

 

计算机视觉技术的未来必定会朝着高科技发展，航空遥感测控地形地貌、电影特效制作、工业生产自动化检测、医学影像检测，再到天文领域等，在这些科学领域中计算机视觉将无法取代，成为主流的技术之一。

 

作者简介

篇4

关键词：计算机视觉技术 铁路检测 应用

中图分类号：TP391 文献标识码：A 文章编号：1007-3973（2012）002-075-03

1 前言

自1825年世界第一条铁路在英国出现以来，铁路已经成为人们不可或缺的交通工具，越来越多的人在使用铁路出行，由于近年来铁路事故频频发生，促使了计算机视觉技术在铁路检测上的广泛使用并大力发展。

传统的铁路检测一直是靠人工和静态检测，这种检测缺乏实时性和准确性，并且效率低下，根本无法满足铁路的发展。这就要求研究一种新的检测方法来适应环境的发展，人们就试图将计算机视觉技术应用于铁路检测上，并取得了很好的效果。将计算机视觉技术应用在铁路检测上显著提高了铁路检测的实时性、准确性，有效的减轻了人工检测中工作条件恶劣，工作量大等缺点。它能在列车行驶的过程中就能对铁路和列车状况进行检测，并及时的做出预警，防止安全事故的发生。目前有关铁路检测主要集中在铁路信号检测、轨道检测、接触网检测、电力机车检测及站台环境监测等五个方面。

2 计算机视觉技术

计算机视觉，也称机器视觉。它是利用一个代替人眼的图像传感器获取物体的图像，将图像转换成数字图像，并利用计算机模拟人的判别准则去理解和识别图像，达到分析图像和作出结论的目的。

计算机视觉是多学科的交叉和结合，涉及到数学、光学、人工智能、神经生物学、心理物理学、计算机科学、图像处理、图像理解、模式识别等多个领域。计算机视觉已有多年的发展历程。随着计算机、控制理论、模式识别、人工智能和生物技术的发展，计算机视觉在机器人、工业检测、物体识别的应用越来越广，研究方向也从二维到三维，从串行到并行，从直接依赖于输入信号的低层处理到依赖于特征、结构、关系和知识的高层处理。

一般的计算机视觉系统是有CCD(电荷耦合器件)摄像机、装备有图像采集板的计算机、光照系统以及专用图像处理软件等组成。CCD摄像机将所要研究的对象和背景以图像的形式记录下来，这其实是一个光电传感器，将光学信号转成电信号，图像采集板把采集的电信号转为数字信号，即数字化，一般情况下在摄取图像时都需要一个照明系统提供光照，然后再用专用的图像处理软件对图像进行处理，输出分析结果。

3 计算机视觉技术在铁路信号中的应用

铁路信号灯和现在的交通公路上的红绿灯是一个功能，但铁路和公路不同，铁路有限定的道路，列车必须在限定的股道上行驶，所以一旦与其他车辆相遇的话根本没有办法避让，如果发生车祸将会对国家和人民的生命和财产造成严重的损失，因此列车必须严格按照信号灯的指示行驶。

铁路信号灯识别主要是利用了信号灯在不同情况下会发出特定色彩光的特点。文献[1]在HSV空间中对S分量图像边缘检测和膨胀等，结合各种信号灯色调H分量的取值范围得到信号灯区域，然后多次腐蚀直到消除孤立点得到信号灯的边缘，最后填充信号灯区域，从而实现了信号灯的识别。在文献[2]也与此类似。文献[3]将彩色图像由RGB模式转化为HSI模式，用彩色特征聚类分析法来对图像进行分割，文中提出了基于颜色和形状相结合的复杂环境中目标检测与识别方法，用Hough变化来提取目标边界，从而提取出特定目标，而后得到指示灯区域所有像素的H，S统计值确定信号灯的颜色。在文献[4]提出一种基于改进的Hough变化的吊车信号灯识别算法。Roberto将摄取的图片转换到HIS颜色空间，用基于形状特征和模板匹配的方法探测到相关的铁路标志而放弃无关的基础设施。

为了部分消除因为光照条件、背景和拍摄角度对目标识别的影响，文献[5]提出使用一种利用sift特征的方法，它首先建立已知样本模型的特征集，然后将视频流每帧灰度图像的sift特征与之比较，从而实现对目标的检测或跟踪。实验表明该方法不仅能避免目标的错误识别，而且也明显优于基于边缘检测的算法，在识别准确率上达到了90%。

4 计算机视觉技术在轨道检测中的应用

随着世界铁路运营速度的不断提高，列车在行驶时对轨道的撞击、摩擦加剧，这就会造成轨道的变形、零件松动、磨损乃至缺失等，这些都会对列车的安全性造成严重影响，极有可能会造成铁路安全事故的发生。因此轨道设备具备良好的状态是铁路运输安全的重要保证。

随着电子技术和检测技术的发展，轨道检测技术也经历了翻天覆地的变化，其中也有不少研究机构将计算机视觉技术应用于轨道检测上，且取得了若干有效的检测方法。

轨道表面缺陷对列车行驶的质量和铁路系统的安全性会造成严重的影响，文献[7]提出了一种轨道表面缺陷检测的实时视觉检测系统。利用跟踪提取算法分割出轨道的灰度图像，然后用局部归一化法增强轨道图像的对比度，最后用基于投影轮廓的缺陷定位法检测缺陷。该算法对噪声有较强的鲁棒性和计算速度快，在一定程度上克服了光照不均和轨道表面反射性质不同对图像的影响，但对局部归一化过程中参数的选择有待进一步研究，以使该系统有更强的鲁棒性。该系统在216km/h速度下能进行实时检测，但随着检测速度的提高检测的准确度会明显下降且缺乏实时性。

文献[8]利用一排结构光视觉传感器，将钢轨轮廓的大圆周和小圆周的中心作为检查点。首先结构光视觉传感器拍摄铁轨侧面并且将其标记 在参考坐标帧中，最后通过比较测量的钢轨轮廓与参考轮廓的比较计算出铁轨磨损程度。该方法简单快速精确且不需要特殊的图像处理设备，在列车较高速度时仍然能达到良好效果。

5 计算机视觉技术在接触网检测中的应用

接触网是沿铁路线上空架设的向电力机车供电的特殊形式的输电线路。其由接触悬挂、支持装置、定位装置、支柱与基础几部分组成。它是轨道交通的主要组成部分，主要为机车提供动力，接触网的连接件由于受外界因素的影响容易产生过热现象，严重时会导致供电中断，引发列车停运事故。

我国的计算机视觉技术的接触网检测系统是基于德国相关技术而建立起来的，目前基于计算机视觉技术的接触网磨耗检测主要有两种方案：(1)基于镜面反射，激光照射接触线，线性CCD照相机捕获反射图像；(2)基于漫反射原理和CMOS(互补金属氧化物半导体)照相机。由于长期的频繁摩擦，接触网与受电弓接触部分很少被空气氧化，所以用光进行照射时该部分光反射率明显高于其他部分，因此这也为计算机视觉技术用于接触网检测提供了可能。

基于机器视觉的接触网检测系统主要是建立在图像识别和图像处理等视觉技术基础之上的，检测的内容涵盖接触网的所有基本几何参数。随着铁路的发展，原有的检测系统已经暴露出了一些问题，已无法满足需求，所以研究人员在系统硬件设备不变的情况下提出了许多改进的算法，如文献[9]针对现行的接触网定位器倾斜度检测方法效率低下、精确度不高的缺点，提出了一种基于计算机视觉的接触网定位器倾斜度自动测量装置，应用图像分割、剔除干扰线、图像细化等算法，对采集的图像进行处理，然后利用改进的霍夫(Hough)变换检测细化后的图像，对相邻的特征像素点进行聚类并感知编组，最后用随机Hough变换使感知编组后的每条线段更接近直线，进而计算装置中定位器的倾斜度，实验证明该算法精度高、速度快。

6 计算机视觉技术在电力机车检测中的应用

在列车的行进过程中，机车车轮与钢轨接触面不断发生摩擦，也就是轮缘与踏面的摩擦。从而会造成踏面的擦伤或剥离，而剥离会严重影响列车运行的安全性和平稳性以及轨道设施的使用寿命，因此需要对轮缘进行定期的检测和维修。

传统的检测方法需要人工逐项检测，存在费时费力、工作量大、工作环境差、效率低等缺点，所以人们就提出了一种基于计算机视觉技术的检测技术，该技术是一种非接触式检测方法，它能检测出所有关于火车轮缘轮廓的几何参数，从而计算出火车轮缘的磨损情况。这种检测方法检测速度快、准确率高且大大减轻了劳动强度，在实验中取得了满意的效果，并且在实际检测中也得到了广泛的应用。

文献[10]中研发设计了一种利用CCD成像测量技术、图像处理理论和计算机控制等相关技术，提出了一种非接触式的在线测量系统。采用二元多项式方法对由于硬件装置引起的误差的图像进行几何校正，用统计均值法对图像进行分割，从而求出车轮踏面的各项参数，通过在实验室对标准物进行测试实验而得到的测量数据结果进行分析而得出。此系统能够完成对火车轮对几何参数的测量，并且可得到相对准确的测量结果。

为了解决检测轮缘高度和宽度存在精度难以保证及稳定性不高的问题，文献[11]提出了一种基于三角法测量的在线监测系统，该系统由CCD高速摄像机和结构光发射器完成数据的采集，然后利用三角测量原理导出测量模型和计算模型，根据轮缘高度和宽度的定义完成对高度和宽度的测量，最终对轮缘磨损程度进行量化，实验表明该算法测量精度高，结果稳定可靠。

7 计算机视觉技术在站台环境监测中的应用

近年来铁路交通事业发展迅速，铁路客流量也不断增大，如中国每年的春运期间都有上亿人次通过火车返乡，各种危害乘客安全的事故也时有发生，因此世界各国特别是中国站台监控就显得越来越重要，目前的站台监控主要是依靠安装在各个角落的闭路电视或专业技术人员，这不仅需要专业技术知识还需要大量的人力物力。随着计算机、图像处理等技术的快速发展，对站台的自动监控也逐渐成为发展趋势。

近年来人们做了许多关于站台人群检测的研究，这些研究大都使用铁路站台中的闭路电视（CCTV）系统，在现代的CCTV系统中基本上使用的是数字化图像，在人群监测过程中大量使用了数字图像处理技术，如边缘检测、细化、像素计算等，通过图像的处理可以轻易的得到想要的结果。

文献[12]仍采用原有的CCTV监控系统拍摄的灰度图像作为处理对象，利用基于视觉的经过最小二乘法和全局搜索的混合算法训练的工业的额神经网络来估算站台的拥挤程度，该系统在实际的运行中获得了较高的精确度，虽然不能计算人数但却能实时的预测人群的密度。

文献[13]所设计的系统就较为复杂，它利用多台摄像头对站台进行检测。首先判断站台上列车的四种状态，如：没有列车、有列车、列车正在出站、列车正在入站等，然后对物体或行人检测及跟踪，最后对所检测的结果综合分析，做出合理的预警或警告。

8 计算机视觉技术在铁路检测上的发展趋势

随着计算机视觉技术的铁路检测中的应用越来越广泛和深入，并且随着计算机视觉技术等关键技术的不断发展，计算机视觉技术在铁路检测上应用发挥更大的作用，它就目前而言在铁路检测的应用上仍然存在技术难题需要研究：

篇5

关键词：OpenCV；计算机视觉技术；三维模拟技术

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2015）30-0137-02

21世纪是国际计算机技术高度发展的时代，人们生活中的每个角落都可以看到计算机技术的身影，尤其是现代计算机视觉技术和图像处理功能发展更加迅猛，各技术分支也逐渐趋于成熟。计算机视觉技术主要指的就是利用智能计算机系统来代替人类的眼睛对现实三维世界进行辨识和理解，整个过程均是计算机自我学习的过程，而随着这项技术研究的不断深入，其不再仅仅包含计算机技术科学，同时还涉猎了包括生理学、神经学、物理学、应用数学等多门学科，为人类科技的进步提供了有效的动力。

1 计算机对视频中运动物体检测的原理概述

在现代计算机技术基础下，对视频当中的运动物体检测原理主要包括两种，分别是从微观和宏观的角度出发。其中宏观检测技术指的是当计算机截取了视频中的某一个图像，其以整幅图像为对象进行检测；微观检测技术是指在截取图像后，根据实际需求对某一区域内的图像内容进行检测。在计算机视觉技术实际应用时，其第一步就是对图像的采集，第二步是对已经采集的图像进行预分析处理，如果采用宏观检测技术则对图像整体进行分析；如果采用微观检测技术则首先将图像进行分割，然后对分割后各图像内容中出现的运动物体影像进行分析。在图像数据获取过程中应用的是背景差分法，这一技术主要是将背景和运动物体进行分离提取，以获取没有背景图像的运动物体影像数据。还可以利用帧间差分法，这种方法主要是对一个视频图像的逐帧画面进行差别比较，从而获得各帧图像上的差值，而将这些差值帧图结合起来就是一个物体在计算机视觉下的运动轨迹。现代研究者更倾向于将背景和帧间差分法进行结合运用，这样可以获得无背景下的运动物体轨迹，进而提升计算机视觉系统捕捉数据的准确性。

2 OpenCV的应用概述

OpenCV是现代计算机视觉技术当中具有开源性的视觉库，其最早是由俄罗斯Intel分公司所研发，不仅高效，而且具有兼容的优势。同时与传统IPL图像处理系统相比，OpenCV所处理的图像数据等级更高，例如在对运动物体进行特征跟踪、目标分割、运动轨迹分析以及三维模型重建等方面都有着巨大的优势。

OpenCV本身编辑的源代码是开放式的，编写过程简洁且方便，并且程序中大多数函数已经通过了汇编的最优化，使其能够更加高效地被应用。在使用OpenCV的摄像机标定模块已经为用户设计了实用性较强的接口，并且能够支持Windows界面的操作平台，使得这一技术的操作更加简便。这一技术本身操作简便，对于编程人员和检验人员个人技能素质要求并不高，视觉技术系统研发人员可以利用简便的操作来检验其设想是否能够实现，这就使得现代计算机视觉技术开发团队能够形成更好的协作研发关系，进一步提升技术研究效率。目前已知OpenCV编程系统在航空航天定位、卫星地图绘制、工厂大规模生产视觉检测等方面得到了广泛的应用，同时对于无人飞行器的视觉捕捉技术也有极大的帮助。最为重要的是OpenCV编程语言的兼容性较强，编程人员可以根据自己的意愿对源代码进行披露，并且国内也已经形成了规模较大的交流社区，给更多同行业者提供答疑解惑的场所，进一步扩大了OpenCV的应用范围。

3 基于OpenCV的计算机视觉技术

3.1 基于OpenCV下的运动物体检测技术

在常规运动物体检测技术下，均是直接通过图像背景和运动物体的区分来实现运动物体的捕捉。而基于OpenCV下的运动物体检测技术则不仅能够针对于图像背景的分离实现运动物体的观察，还可通过物体本身特定的信息来进行检测，主要包括形状、轮廓以及颜色等。这样就能够实现在复杂的背景当中将特定的运动物体完整抽离出来。其基本流程包括：首先，对影像数据当中某一时间点的图像进行捕捉，然后对这一视频图像的格式进行转化；其次，对转化格式后的视频图像进行早期处理，并将运动物体和复杂的背景区分开，降低周围各环境因素对运动物体主体图像的影响；第三，根据完成提取后的运动物体图像进行辨识，然后再从视频当中捕捉拥有相同特征的物体，并对该物体进行跟踪识别。而这一过程的实质则在于先利用图像捕捉技术对画面进行截取，然后同时利用背景差分法和帧间差分法对图像进行分割，逐帧地将运动物体完成提取出来，以供计算机进行视觉跟踪处理。

3.2 基于OpenCV的图像预处理技术

一般情况下，计算机视觉处理技术应用的环境情况较为复杂，大多数应用环境当中均有光照的变化，并且部分计算机视觉处理设备还需要在露天环境下进行工作，此时周围环境中的风、温度、光照、气候以及运动物体数量等对视频图像的采集均有着极大的影响。环境因素会使图像采集的质量大幅度降低，同时图像当中的噪点问题也难以避免，而噪点是视觉捕捉和图像处理当中最大的影响因素。因此，在基于OpenCV下的计算机视觉技术在捕捉视频图像之后先对其进行预处理，然后再由系统对运动物体进行分离、检测和跟踪。一般的预处理过程主要包括平滑度滤波、图像填充、背景实时更新等。

1）图像的平滑度滤波预处理技术

由于在实际计算机视觉捕捉过程中图像噪点是难以避免的问题，以此在对图像中运动物体进行检测前，应该相对这些噪点进行预处理，降低环境噪声对图像的影响。图像的平滑度滤波处理共分为两种方式，分别为线性和非线性。其中线性处理方式就是通过计算机处理设备的简单运算，对图像当中的噪点进行直接清除，但这一技术使用后会造成截获图像模糊不清的情况，因此仅对噪点较少的图像采用该处理方式；非线性滤波处理则是利用复杂的图像处理运算，将截获图像当中的噪点无限缩小，使其不对图像整体造成影响，并且可以有效保证图像的局部调整，但这种处理方式在运算时速度没有线性滤波处理快，因此需应用在噪点较多，图像信息较复杂的处理当中。

2）图像的填充预处理技术

这一处理技术在使用过程中运算速度较慢，主要是由于其需要对逐帧的图像均进行处理，也包括两种处理方式，分别为边缘填充和腐蚀膨胀处理。其中边缘填充处理主要指的是在确定运动物体之后，利用计算机系统自身的边缘检测处理技术，对物体的轮廓进行辨识，并利用形态学上的漫水填充方式对运动物体周围的噪点进行颜色填充，减小其对画面整体元素的影响。而腐蚀膨胀处理与边缘填充处理原理相类似，但这种处理技术主要是针对于噪点进行腐蚀和膨胀，使其在画面当中所占比例扩大，但对运动物体本身不造成影响，这使运动物体和噪点之间的差异就会更加明显，就可以将噪点的影响降到最低，但这种处理方法的效果和摄像机本身的性能、质量等有着密切的关联。

3）背景的实时更新预处理技术

在进行运动物体和背景分离过程中，计算机系统需要对图像上的背景元素进行辨识，并对其开展初始化处理，这样就能够为后期实时背景图像的差异进行凸显，以增加前景图像的效果，降低噪点对图像的影响。在运用这一技术时，首先要先对第一帧的图像进行确定，并将第一帧图像当中的背景图像元素进行辨识，然后在后期图像更新和运动物体检测过程中对背景进行实时更新处理。在更新的过程中其流程主要包括：首先，系统要对所读取的画面进行有效的判断，了解该图像是否为第一帧；其次，将Opencv处理的图像转变为单通道灰度值；第三，对转变后的图像进行高斯平滑度滤波处理，将图像当中的噪点进行去除；第四，采用形态学噪点填充技术对图像当中的噪点进行二次处理，以获得所需要更新的背景图像。

3.3 前景运动物体的提取技术

在计算机视觉技术进行运动物体的检测时，只有有效保障检测流程的准确度，才能够有效保障对前景运动物体的跟踪效果。其主要分为两大步骤，其一是对二值化后的图像数据进行分割处理；其二是在图像分析前对其进行充分的填充处理，保证前景图数据的完整性。同时，在前景图像提取的过程中也分为多个步骤，其包括：首先，对所提出的前景图像和背景图像进行差分处理；其次，将差分处理后的图像二值化处理；第三，对背景当中前景物体的轮廓或边缘进行辨识，根据前景图像的轮廓对其进行填充。由于在实际操作过程中，摄像头所处环境的变化较大，并且会在不同场所内的不同角度捕捉画面，因此就需要在前景图像提取时有效提高背景图像实时更新的效果。

利用阀值二值化的分割方式能够有效将前景图像和背景图像分离开，从而使目标运动物体能够呈现独立化，并且阀值分割方式开展前要相对每个像素点进行确定，判断其是否位于灰度值的范围内。而将该图像的像素灰度和阀值进行对比后会出现两种结果，分别是灰度值低于或高于阀值。在实际应用过程中，有效确定图像的分割阀值T，就能够降低环境当中光照因素对图像质量的影响。

4 计算机视觉技术当中的三维重建技术

1）三维重建的视觉系统

计算机视觉技术在对图像进行捕捉时可以视为是对大量的图像信息进行处理，从摄像机的视觉角度出发，其所输入的图像一般为二维属性，但输出的信息确是三维数据，而这种三维空间数据能够提升对运动物体所处空间位置、距离等描述的准确性。在三维重建视觉系统工作过程中，其相对基本的图像数据框架进行确定，然后利用一个坐标点建立2.5D图像数据，即以此点为视角能够观察到的图像数据，再将2.5D图像数据进行整合从而建立三维图像。

2）双目视觉系统

当人体利用双眼在不同角度、同一时间内观察同一个物体时，就可以利用算法来测量该物体和人体之间的距离，而这种方法也被称为双目立体感，其应用的原理主要是人体视觉差所带来的影响。同时利用两台摄像机对同一图像从不同角度进行观察，就能够获得人体双目观察后的效果，因此这一三维重建技术也被称为“双目视觉系统”。两台不同的摄像机即可代表人体双眼，其对图像进行逐帧捕获，但由于角度不同和环境影响因素的差异，因此造成了图像差异，必须对其捕捉的图像进行预处理。

3）三维重构算法

在计算机视觉技术中对于视频流的采集主要依靠的是彩色摄像机、红外摄像机、红外接收摄像头等设备。还可以利用微软所提供的Kinect设备，在进行运动物体检测前能够对NUI进行初始化处理，将系统内函数的参数设定为用户信息深度图、彩图、骨骼追踪图等数据。在使用Kinect设备对视频流进行打开时，其可以遵循三个步骤，其一是彩色和深度数据的处理；其二是根据数据的索引添加颜色信息，并将其引入到深度图数据当中；其三是骨骼追踪数据。

5 结束语

计算机视觉捕捉技术是现代计算机应用当中较为先进的内容，其应用范围较广，对于运动物体的捕捉准确度较高，能够有效推进现代计算机模拟技术的发展。

参考文献：

[1] 张海科.基于Opencv的人手识别与跟踪定位技术研究与实现[D].昆明： 云南大学，2013.

篇6

关键词：农业机械；新技术；发展

1.农业机械新技术的应用和发展的重要性

我国是一个农业大国，农业是我国国民经济的基础，农业机械新技术的应用和发展具有重要的意义。

第一，提高机械的运作效率。目前在农业机械的使用方面，有的机械在使用过程中不能清晰地识别农作物的位置，比如，在收割小麦的过程中，有的小麦受到大风影响产生倒伏，对这些倒伏区域，机械在收割过程中很容易漏掉。所以在农业机械中使用新技术有利于弥补农业机械的漏洞，提高机械的运作效率。

第二，解放劳动力，促进经济发展。农业是一个需要大量年轻劳动力的行业，农业机械新技术的应用有利于实现农业种植、收割的自动化，解放劳动力。这些年轻的劳动力投入到其他的领域，有利于促进我国经济的发展。

2.农业机械新技术的应用

21世纪是个科技迅速翻新的时代，目前农业机械领域的新技术也层出不穷，下面介绍几种最新出现的农业机械新技术。

（1）计算机视觉技术。计算机视觉技术出现于20世纪70年代末，主要利用计算机视觉技术进行农产品品质和农产品等级的检查。计算机视觉是一种以图像处理为基础而兴起的学科，主要对视觉信息处理的计算理论、表达与计算方法进行研究。[1]随着计算机视觉技术应用领域的不断扩展，目前在农业机械生产方面，计算机视觉技术不仅能够用于检查农产品品质和分级，还可以用于播种和收割。但是由于计算机视觉技术在农业机械方面的使用时间比较短，一些技术难题还没有得到解决，所以计算机视觉技术在农业机械方面的应用还需要继续研究。

（2）人工智能技术。随着智能化的发展，智能技术在农业机械方面的应用也得以实现。美国运用人工智能技术发明了激光拖拉机，不仅可以控制拖拉机的行进方向，还能够对拖拉机进行具体的定位。[2]通过人工智能技术，人们建立了一个庞大的数据库，通过这个数据库可以对土地的具体情况进行掌握，以设计出具体的农业生产所需的化肥、种子、农药、水等原料的用量。

（3）机器人技术。比智能化更进步的就是机器人技术，机器人技术在农业机械中的应用，这是计算机信息网络和计算机视觉技术以及自动化控制等技术的结合的产物。目前研发出了除草机器人、播种机器人、浇水机器人、施肥机器人等，利用机器人进行农业生产活动，可以节省人工费用，解放劳动力，避免有些农业生产活动，对人体产生危害。

（4）自动控制技术。在农业机械中运用自动控制技术，可以帮助操作者降低操作难度，同时可以根据地势的高低和秸秆的长短来调节高度，保证机械使用过程中的安全性，提高农业机械使用的可靠性，提高农业生产效率。

3.农业机械新技术的发展

农业机械新技术的应用和发展都是为了提高农业的生产率服务的，所以农业机械新技术的发展主要表现为以下几点：

第一，加速新技术的使用和推广。科学技术是第一生产力，加速计算机视觉技术、自动控制技术、智能化技术等新技术在农业机械中的使用，同时引进国外先进的机械新技术，对推动我国农业的发展，提高农业的生产效率具有重大的意义。

第二，政府补贴。新型机械的购买都是生产个体自行组织的，资金压力大，使得机械新技术难以推广，所以对于农业机械新技术的推广使用，政府要在物质上予以补贴，拓展新机械的使用范围。

第三，提高农业资源利用效率。机械使用的目的就是为了提高农业的生产效率，提高农业资源的利用率。例如，在传统的农业生产过程中，对农作物秸秆的处理方式，绝大多数情况就是焚烧，不仅浪费资源，而且污染空气。但是农业机械新技术的使用通过将农作物的秸秆进行粉碎处理，将农作物秸秆转化为肥料，不仅提高了农作物资源的使用效率，也减小了空气的污染程度。

4.结语

随着科技的发展，计算机视觉技术、自动控制技术、智能化技术等新技术在农业机械方面的应用越来越广，农业机械新技术的应用和推广将大大提高我国农业的生产效率，提高农业资源的利用率，促进国民经济的发展。

参考文献：

[1]田 静.探讨农业机械新技术的应用与发展[J].中国农资，2013（36）： 74.

篇7

近日，国内创业公司商汤科技宣布获得4.1亿美元B轮融资，这是截至目前为止全球范围内人工智能领域单轮最高融资。至此，这家成立仅三年的公司累计融资额达4.5亿美元，估值超过15亿美元，成为全球融资额最高的人工智能独角兽企业。当前，人工智能发展势头良好，技术和产品研发能力大幅提升，市场空间逐步拓展，社会关注与投资力度持续加大，技术创新驱动的人工智能企业正成为资本青睐的热点。

一、商汤融资背景分析

人工智能迎来估值猛涨期。自2014年起，人工智能领域一直都是全球投资热点。近年来，技术与产品的迅速成长带动国内创业热情高q，也引发了资本的高度关注。据统计，截至2017年5月31日，我国人工智能类创业公司已超过650家，产业规模较2016年同期增长达到51.2%，投融资事件超过430起，融资总额达340亿元。科技巨头加大在人工智能领域的布局，投资案例不断涌现。同时，社会资本竞相追逐人工智能领域的优质项目，整体行业获投率偏高，超过一半的人工智能公司成立时间在两年之内，可见资本市场对人工智能产业发展的信心。

计算机视觉领域成为热点聚焦。在大数据、深度学习等新技术推动下，以计算机视觉和语音识别为代表的感知智能正呈现出高速演进态势。目前我国计算机视觉技术水平已达到全球领先水平，并在安防、汽车、金融等领域取得了显著的应用成效。在安防领域，智能技术如人脸识别、图形识别应用场景众多，如车牌识别、车辆视觉特征识别、被动人像卡口、身份证比对等应用。在汽车领域，围绕智能驾驶汽车人工智能在环境感知、路径规划与决策等关键环节均有所应用和体现，在该领域百度、乐视等企业已开展卓有成效的实践。广泛的商业化渠道和技术基础推动计算机视觉成为创投热门领域，据数据显示，中国人工智能创业公司所属领域分布中，计算机视觉领域拥有最多创业公司。2016年，人脸识别服务开发商旷视科技完成至少1亿美元融资，估值超过20亿美元，专注图像识别的图普科技获得千万美元A轮融资。

商汤科技技术实力领先，发展潜力巨大。商汤科技主攻人脸识别、视频监控识别算法、增强现实、文字识别、自动驾驶识别算法和医疗影像识别算法等技术，基础研究实力强大，高质量专利数量、专业学术数量均保持全国领先水平。在2015年ImageNet大规模视觉识别竞赛中，商汤科技获得视频识别冠军，次年在该竞赛中，商汤科技凭借原创深度神经网络平台，获得3个项目的冠军。商汤科技主要业务范围是将计算机视觉技术赋能给安防、金融、机器人、政府大数据分析以及虚拟增强现实等行业。

二、由商汤融资带来的两点思考

篇8

【关键词】计算机视觉 运动目标 跟踪算法

在计算机等现代科学技术尚未出现以前，人们在获取外界信息时往往主要依赖视觉，而在我国计算机技术水平不断发展提升的背景之下，计算机视觉技术的出现使得人类肉眼视觉得到了进一步的发展延伸，尤其是在各种传感器技术的帮助之下，使得人们能够对保持运动状态的目标进行实时跟踪，从而准确掌握目标的具体形态属性。在此背景之下，本文将运动目标设定为运动的人脸，通过探究基于计算机视觉的运动目标跟踪算法，希望能够为相关研究人员提供相关参考和帮助。

1 Kalman filter目标跟踪算法的简要概述

Kalman filter目标跟踪算法是当前众多跟踪算法当中使用范围较广、使用频率比较集中的一种跟踪算法，这一算法最早可以追溯至上个世纪六十年代，人们通过将滤波理论与状态空间模型相集合，从而得到的一种递推估计的算法也就是卡尔曼滤波理论。其通过利用上一时刻获取的预估值以及当下获取的实际观测值，在信号与噪声状态空间模型当中不断更新状态变量，进而顺利完成估计预测并获得当前时刻估计预测值。经过不断的发展，在计算机图像处理以及其他运动目标跟踪当中经常会使用Kalman filter算法。如果在k时刻系统下的状态向量用xk表示，那么在t0时刻下初始化的状态预测方程为；在tk时刻下更新系统状态的具体方程为

，其中Hk、Zk分别表示测量矩阵m×n维以及转移矩阵n×n维的状态向量。但在跟踪计算机视觉运动目标譬如说视频目标时，由于相邻的两帧视频图像本身时间间隔非常短，因此目标在这一时间内难以发生明显的运动状态变化，此时我们可以通过将此间隔时间设定为单位时间，同时目标在单位时间内一直保持匀速运动状态，这时我们可以得到一个状态转移矩阵且

，定义系统观测矩阵即为

，定义噪声Wk以及Vk协方差矩阵则可以分别用

和表示。

如果在滤波器在经过若干次卡尔曼滤波后仍然能够恢复至原始状态，则其具有较好的稳定性，但如果在进行运动目标跟踪实验的过程当中，对于处于运动状态的被跟踪目标，一旦出现遮挡行为则将在第一时间内暂停估计参数，并将这一参数估计值直接代入到状态方程当中，使得运动目标无论是否被遮挡均可以对其进行精确跟踪。

2 基于计算机视觉的运动目标跟踪算法

2.1 建立颜色概率模型

颜色囊括了诸多的信息量光柱点，尤其是在人类的视觉世界从本质上来说也是一种用过感知自然界色彩以及明暗变化的世界，因此人们可以通过使用三基色原理获得RGB颜色空间。考虑到颜色与计算机视觉场景当中各个场景和目标之间有着紧密的关系，同时不同于目标的大小、形态等其他视觉特征，颜色特征鲜少会受到包括观察视角等在内各因素的干扰影响，从某种角度上来说基于颜色特征的运动目标具有较好的稳定性。为了能够保障目标跟踪既稳定又迅速，需要选择合适的颜色特征，否则将极有可能导致出现跟踪失败。在这一环节当中人们通常使用的是RGB颜色空间以及HSI颜色空间，但由于二者均具有一定的局限性，因此本文在对人脸特征尤其是颜色特征进行选取时，选择了rgI颜色直方图的方法，在解决两N颜色空间自身缺陷的同时，尽量避免目标人脸运动位置以及尺寸等变化因素对目标追踪造成的干扰影响。在rgI颜色直方图当中

，，，L=r+g+I其中R、G、B就是RGB颜色空间当中的三原色，r、g、I有着相同的取值范围即在0到1之间。保持间隔相等的情况下划分L值即可得到rgI颜色直方图。虽然rgI颜色直方图与物体相对应，但如果目标只是位置以及尺寸等出现变化，rgI颜色直方图并不会受到任何实质性影响，因此在理想情况下，利用rgI颜色直方图能够对视频图像中不同运动位置以及不同尺寸的人脸进行目标追踪。

2.2 跟踪算法

运动目标的不断变化将会使得模板图像随之发生相应变化，因此需要不断更新模板图像才能够有效完成对运动目标的连续跟踪，本文在对运动目标的实际运动范围进行预测过程中选择使用卡尔曼滤波，之后利用rgI颜色直方图在预测运动范围之内搜索和匹配相应目标，从而通过此举获得与目标模板有着最小欧式距离的区域，在此过程当中存在一个特定阈值T，如果两者的欧氏距离在进行相减时差值没有超过这个特定阈值，那么此时该区域就是运动目标所在的实际位置，利用在这一区域当中的rgI颜色直方图并将其充当下一帧运动目标的匹配模板，在不断重复的过程中模板能够实现不间断地更新。由于相邻的两帧视频图像之间，时间间隔并不长，因此目标人脸在极短的时间间隔当中基本上不会出现突然变化，此时我们可以认为运动目标人脸的运动连续性比较强，此时利用公式

可以进行欧式距离的计算并用以衡量匹配的模板。其中匹配区域和模板的rgI颜色直方图分别用l和l'表示，而rgI颜色直方图中的维数则用n进行表示。根据相关视频图像显示，通过不断更新模板确实可以对目标运动人脸进行实时跟踪显示。

3 结束语

总而言之，本文通过选择当前比较常见的目标跟踪算法即Kalman filter算法，利用卡尔曼滤波以及rgI颜色直方图完成对运动人脸的跟踪。事实证明，Kalman filter算法确实能够在对各目标之间的干扰进行明确区分的基础之上，准确描述运动人脸目标，从而较好地跟踪运动目标，但由于人脸之间本身存在一定的相似性，因此本文只是对理想状态下的运动人脸进行跟踪实验，日后还需要对计算机视觉技术和Kalman filter算法进行进一步优化以妥善解决多人脸目标以及相似性问题。

参考文献

[1]郑薇.基于双目视觉的运动目标跟踪算法研究及应用[D].哈尔滨：哈尔滨工程大学，2014.

[2]李慧霞，李临生，闫庆森，周景文.基于Mean Shift算法的目标跟踪综述[J].计算机与现代化，2017（01）：65-70.

[3]李寰宇，毕笃彦，杨源，查宇飞，覃兵，张立朝.基于计算机视觉的运动目标跟踪算法研究[J].电子与信息学报，2015（09）：2033-2039.

[4]陈曦，殷华博.基于计算机视觉运动目标跟踪技术分析[J].无线电工程，2014（06）：22-24+39.

篇9

分布式计算是一种计算方法，和集中式计算是相对的。随着计算技术的发展，有些计算应用需要非常巨大的计算能力才能完成，如果采用集中式计算，需要耗费相当长的时间来完成。简单来说，分布式计算将该应用分解成许多小的部分，分配给多台计算机进行处理。这样可以节约整体计算时间，大大提高计算效率。本书使用开源工具及相应技术的开发并实现了大规模分布式处理系统，提出了构建高性能分布式计算系统的先进材料，提供实际的指导、相关练习以及软件框架的理论描述。

全书分为2部分，共8章。第1部分 高性能分布式计算的编程基础，包括1-4章：1.引言：包括分布式系统的介绍、分类，分布式计算体系结构与分布式文件系统，最后指出分布式系统面对的挑战与发展趋势；2.开始使用Hadoop：包括Hadoop的发展历史、生态系统、HDFS的特性、单个节点的集群安装与多个节点的集群安装，最后介绍Hadoop编程与流；3.从Spark开始：包括Spark装置、应用实例、Python编程及应用等内容；4.Spark和Scalding的内部编程：包括其安装步骤与编程指南。第2部分 使用Hadoop、Scalding和Spark的实例，包括5-8章：5. 案例研究1：使用Scalding和Spark进行数据聚类：包括聚类技术、聚类过程、K均值算法和相应的例子，最后进行实现；6.案例研究2：使用Scalding和Spark进行数据分类：包括分类及概率论的相关概念，朴素贝叶斯及其分类器的实现，最后对Scalding的实现进行实验并说明结果；7.案例研究3：使用Scalding和Spark进行回归分析：包括线性回归的代数方法和梯度下降法，并分别使用Scalding和Spark进行了实现；8.案例研究4：使用Scalding和Spark的推荐系统：包括推荐系统的介绍、技术应用、实现规则并使用Scalding和Spark进行了实现。

作者K.G. Srinivasa是卡内基梅隆大学计算机科学学院机器人研究所的副教授；是电脑专业资格认定协会（ICCP，International Conformity Certification Programm）、国际计算机视觉期刊（IJCV，International Journal Computer Vision）、国际计算机视觉与模式识别会议（CVPR，Computer Vision and Pattern Recognition）等多个国际会议的委员会委员，发表超过20篇期刊及会议论文。他的研究领域包括计算机视觉、图像处理、动态场景的计算机视觉监控、基于人的行为和生物特征的人物识别与身份鉴定以及数字多媒体数据的水印处理等。

本书描述了构建高性能分布式计算大规模数据处理的软件系统新模式的基本原理；介绍了Hadoop生态系统并一步步地指导安装、编程和执行；对Spark的基础知识，包括弹性分布式数据集进行了介绍，并对使用Spark和Scalding进行数据聚类、分类和回归进行了分析，提供了详细的案例研究方法；最后使用Scalding和Spark实现了一个实用推荐系统。本书适合计算机体系结构、计算智能、数据挖掘等专业的科研人员及研究生阅读参考。

篇10

关键词：自动控制技术农业自动化

中图分类号： DF413.1文献标识码： A

由于历史、观念和技术等方面的原因, 我国传统农业机械与发达国家相比有很大差距, 已远远不能适应农业的科技进步。近些年来, 自动化的研究逐渐被人们所认识, 自动控制在农业上的应用越来越受到重视。例如,把计算机技术、微处理技术、传感与检测技术、信息处理技术结合起来, 应用于传统农业机械, 极大地促进了产品性能的提高。我国农业部门总结了一些地区的农业自动化先进经验(如台湾地区的农业生产自动化、渔业生产自动化、畜牧业生产自动化及农产品贸易自动化)的开发与应用情况, 同时也汲取了国外一些国家的先进经验、技术, 如日本的四行半喂人联合收割机是计算机控制的自动化装置在半喂人联合收割机中的应用,英国通过对施肥机散播肥料的动力测量来控制肥料的精确使用量。这些技术和方法是我国农业机械的自动化装置得到了补充和新的发展, 从而形成了一系列适合我国农业特点的自动化控制技术。

一、已有的农业机械及装置的部分自动化控制

自动化技术提高了已有农业机械及装置的作业性能和操作性能。浙江省把自动化技术应用于茶叶机械上, 成功研制出6CRK-55型可编程控制加压茶叶揉捻机, 它利用计算机控制电功加压机构, 能根据茶叶的具体情况编制最佳揉捻程序实现揉捻过程的自动控制, 是机电一体化技术在茶叶机械上的首次成功应用。

1.应用于拖拉机

在农用拖拉机上已广泛使用了机械油压式三点联结的位调节和力调节系统装置, 现又在开发和采用性能更完善的电子油压式三点联结装置。

2.应用于施肥播种机

根据行驶速度和检测种子粒数来确定播种量是否符合要求的装置, 以及将马铃薯种子割成瓣后播种的装置等。

3.应用于谷物干燥机

不受外界条件干扰, 能自动维持热风温度的装置停电或干燥机过热引起火灾时, 自动掐断燃料供给的装置。

二、微灌自动控制技术

我国从20世纪年50代就开始进行节水灌溉的研究与推广据统计。到1992年, 全国共有节水灌溉工程面积0.133亿m2, 其中喷灌面积80万m2, 农业节水工程取得了巨大的进展。灌溉管理自动化是发展高效农业的重要手段, 高效农业和精细农业要求必须实现水资源的高效利用。采用遥感遥测等新技术监测土壤墒性和作物生长情况, 对灌溉用水进行动态监测预报, 实现灌溉用水管理的自动化和动态管理。在微灌技术领域, 我国先后研制和改进了等流量滴灌设备、微喷灌设备、微灌带、孔口滴头、压力补偿式滴头、折射式和旋转式微喷头、过滤器和进排气阀等设备, 总结出了一套基本适合我国国情的微灌设计参数和计算方法, 建立了一批新的试验示范基地。在一些地区实现了自动化灌溉系统, 可以长时间地自动启闭水泵和自动按一定的轮灌顺序进行灌溉。这种系统中应用了灌水器、土壤水分传感器、温度传感器、压力传感器、水位传感器和雨量传感器、电线等。

三、自动控制技术在精准农业中的应用

精准农业是在传统农业与农业机装备技术上, 运用高新技术进行农业生产管理。精准农业较传统农业其先进之处主要是应用全球定位系统(GPS)、地理信息技术、计算机控制技术、专家与决策知识系统, 实现农业生产的定位、定量、定时, 做到精耕细作和由于农业水土管理区管理点较为分散, 用传统方法进行数据采集和信息传输精度差、速度慢。把电子技术、微电子技术和通信技术紧密结合起来, 采用现代方法进行自动化监控和管理非常必要, 如在渠系、灌水、泵站等方面实现自动化监控与管理。农业自动化向智能化方向发展, 进一步发展精准农业重点发展节水、节肥精准农业技术体系的自动化控制, 实施精准灌溉、精准施肥, 提高水资源和化肥资源的利用率。精细设施农业主要发展以温室为主的自动控制系统智能化研究, 从而现降低成本、提高作物产量、提高农产品品质。这有助于我国农业资源的高效利用和农业环境保护, 是发展持续农业的重要途径。将计算机视觉技术应用于农业自动化领域计算机视觉技术是一个相当新且发展十分迅速的研究领域, 日本、美国等发达国家已在农业计算机视觉方面进行了广泛而深入的研究, 如农业种质资源管理、获取作物生长状态信息、农产品自动收获、农产品品质鉴定等。英国开发研制的采摘蘑菇机器人, 在定位蘑菇采摘点和测量时, 已经利用了计算机视觉和图像处理技术。计算机视觉技术在我国农业生产和农业现代化方面已开始应用, 但在设施农业、虚拟农业中的应用尚处于起步阶段, 应进一步加强、加快该领域的研究与应用。

我国农业自动化已在设施农业中的温室自动化控制、排灌机械自动化、部分农业机械装置自动化等方面得到一定的发展, 尤其精准农业的发展越来越得到重视。电子技术和计算机技术的迅速发展推动了农业机器向自动化方向发展。随着智能化技术的发展, 人工智能将是世纪农业工程发展的重点。各种农业机器人或智能化系统将在农业自动化控制中不断涌现, 继续推动和实现农业自动化是农业机械化工程技术工作者所面临的长远课题和挑战, 并进一步促进农业自动化控制技术向智能化技术发展。

四、自动控制技术在精准农业中的应用

精准农业是在传统农业与农业机装备技术上, 运用高新技术进行农业生产管理。精准农业较传统农业其先进之处主要是应用全球定位系统(GPS)、地理信息技术、计算机控制技术、专家与决策知识系统, 实现农业生产的定位、定量、定时, 做到精耕细作和由于农业水土管理区管理点较为分散, 用传统方法进行数据采集和信息传输精度差、速度慢。把电子技术、微电子技术和通信技术紧密结合起来, 采用现代方法进行自动化监控和管理非常必要, 如在渠系、灌水、泵站等方面实现自动化监控与管理。农业自动化向智能化方向发展, 进一步发展精准农业重点发展节水、节肥精准农业技术体系的自动化控制, 实施精准灌溉、精准施肥, 提高水资源和化肥资源的利用率。精细设施农业主要发展以温室为主的自动控制系统智能化研究, 从而现降低成本、提高作物产量、提高农产品品质。这有助于我国农业资源的高效利用和农业环境保护, 是发展持续农业的重要途径。将计算机视觉技术应用于农业自动化领域计算机视觉技术是一个相当新且发展十分迅速的研究领域, 日本、美国等发达国家已在农业计算机视觉方面进行了广泛而深入的研究, 如农业种质资源管理、获取作物生长状态信息、农产品自动收获、农产品品质鉴定等。英国开发研制的采摘蘑菇机器人, 在定位蘑菇采摘点和测量时, 已经利用了计算机视觉和图像处理技术。计算机视觉技术在我国农业生产和农业现代化方面已开始应用, 但在设施农业、虚拟农业中的应用尚处于起步阶段, 应进一步加强、加快该领域的研究与应用。

我国农业自动化已在设施农业中的温室自动化控制、排灌机械自动化、部分农业机械装置自动化等方面得到一定的发展, 尤其精准农业的发展越来越得到重视。电子技术和计算机技术的迅速发展推动了农业机器向自动化方向发展。随着智能化技术的发展, 人工智能将是世纪农业工程发展的重点。各种农业机器人或智能化系统将在农业自动化控制中不断涌现, 继续推动和实现农业自动化是农业机械化工程技术工作者所面临的长远课题和挑战, 并进一步促进农业自动化控制技术向智能化技术发展。

【参考文献】

[1]马玉敏等.工业以太网的最新发展.自动化系统工程，2006（2）：2.