计算机视觉的研究内容范文

导语：如何才能写好一篇计算机视觉的研究内容，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

1、引言

随着经济的迅猛发展，汽车的迅速普及，根据社会对汽车产业的要求，车辆的各方面指标都受到人们越来越多地关注，汽车涂装过程中的瑕疵直接影响汽车的外观质量，因此如何在生产过程中利用计算机视觉检测技术检测出并及时修补汽车涂装过程中产生的瑕疵就成了首要的任务[1]。本文的研究内容是首先了解计算机视觉检测系统的工作原理，汽车涂装瑕疵的种类，然后结合两者的特点，应用计算机视觉检测系统检测汽车涂装瑕疵。该研究的价值在于两方面：①对于汽车生产的自动化和过程自动化，计算机视觉是现实真正意义的自动的基础和一种重要的质量控制的手段；②对于汽车涂装瑕疵的修补可以提高其修补的精度。

2、汽车涂装瑕疵的计算机视觉检测系统

汽车涂装瑕疵检测系统主要包括照明系统、图像采集卡、CCD摄像机、计算机以及软件处理等几个主要部分[2]。综合计算机视觉检测系统的构成和线结构光测量的原理，基于计算机视觉的汽车涂装瑕疵的检测系统大致是这样构成的：将线结构光投射到被测物上，所形成的光斑作为传感信号，用CCD摄像机采集光斑图像，采集到的图像信号被传输到计算机，根据图像处理和计算机视觉检测系统的处理产生处理结果，返回到涂装生产线，对车身的涂装进行修正，从而提高产品质量。汽车涂装瑕疵的视觉检测系统如图1所示[3]。

3、计算机视觉检测

计算机视觉是计算机对图像进行自动处理并报告“图像中有什么”的过程，也就是说它识别图像中的内容。图像中的内容往往是某些机器零件，而处理的目标不仅要能对机器零件定位，还要能对其进行检验。计算机视觉系统基本原理：机器视觉系统通常采用CCD相机摄取图像，将其转化为数字信号，再采用先进的计算机硬件与软件技术对图像数字信号进行处理，从而得到所需要的各种目标图像特征值，并在此基础上实现模式识别、坐标计算、灰度分布图等多种功能。计算机视觉系统能够根据其检测结果快速地显示图像、输出数据、指令，执行机构可以配合其完成指令的实施。计算机视觉系统主要由图像获取、图像分析和处理、输出显示或控制三个功能模块组成[4]。视觉检测按其所处理的数据类型可分为二值图像、灰度图像、彩色图像和深度图像的视觉检测。另外，还有X射线检测、超声波检测和红外线检测。一个完整视觉检测系统包括：图像采集、图像分割、零件识别、模型匹配和决策判断。Newman[5]等描述了利用深度图像进行零件检测的AVI系统，具有一定的代表性。一个典型的AVI系统如图2所示。

4、汽车涂装瑕疵的检测算法

由于汽车涂膜中一些缺陷的边界比较模糊，例如：气泡、爆裂气泡孔、气泡针孔、抽缩等等。边缘处灰度变化很小，直接用传统的微分边缘检测算法无法有效的检测出来。所以对缺陷模糊边缘的检测成为了算法的关键[6]。本文介绍了基于线结构光的边缘检测方法。汽车涂装表面被光源投射器发出的线结构光照射，反射出的图像被CCD摄像机所接收传输到计算机视觉检测系统中。若涂装表面没有瑕疵，则产生图3的图像。若涂装表面有瑕疵，则产生图4的图像[7]。

篇2

关键词：动态场景；自适应预测；多特征融合；计算机视觉；运动目标

接受信息的关键手段之一就是视觉系统，随着科学技术水平的不断发展，以及计算机和信号处理理论的诞生，让机器拥有人类视觉功能已经不再是梦。对所采集视频中的运动目标进行跟踪、检测，并对其目标行为进行分析，就是运动目标分析的内容，运动目标分析是计算机视觉领域关键内容之一，其属于图像理解与图像分析的范畴。而在运动目标分析系统中，跟踪与检测运动目标则为中级和低级处理部分，是分析与理解行为的高等层分析模块的基础。检测与跟踪运动目标技术主要包括了：机器人视觉导航、军事领域、运动图像编码、交通管制、视觉监视等。

1目标检测算法

连续图像序列由视频中提取出，由前景区域与背景区域共同组成了整个画面。前景区域包含了如运动的人体、车辆等动态要素，它是指人们较为感兴趣的区域。而背景区域主要包含例如树木、建筑物等静态要素，它的像素值仅发生微弱变化或者不产生变化。在连续图像序列中，采用一系列算法分隔开背景区域和前景区域，将运动目标信息有效提取，则为运动目标检测。以静态场景为基础的运动目标检测算法包括了光流法、背景差分法、帧间查分法等，文章主要针对背景差分法进行介绍。

背景差分法通常适用于静态场景，其是将背景图像与当前帧图像进行差分，运动目标依靠阀值化进行检测，因为该算法仅能够在背景变化缓慢或者不发生变化的情况下应用，因此就有着一定的局限性。假设当前帧图像为fk（x，y），背景图像B（x，y）可通过一定的方法得出，而这时背景差分图像则为：

（1）

而假设二值化阀值为Th，二值化图像B（x，y）则为：

（2）

运动目标检测结果可通过数学形态学处理获得。

2 背景模型的实时更新

要更新背景图像可采用一阶KALMAN滤波来实现，为了克服气候变化、光照变化等外部环境变化对运动检测产生的影响，采用一阶KALMAN滤波更新背景图像公式如下：

Bk+1（p）=Bk（p）+g（Ik（p）-Bk（p）） （3）

而增益因子则为：g=？琢1（1-Mk（p））+？琢2Mk（p） （4）

公式中？琢1和？琢2是权值系数；M是第k时刻二值化后目标图像中p像素的值；B为背景图像；I为当前帧图像。要想将运动目标从背景序列图像中有效分割出来，就必须要达到？琢2足够小的条件，且？琢1应等于或者大于10？琢2，若？琢1值过大，就会将算法自身的去噪特性丧失，在序列背景图像中也会存储越来越多的运动变化。

3 更新车辆目标模型

核与活动轮廓算法具有效率高、技术复杂度低等特点，它以非参数核概率密度估计理论为基础，在视频运动目标跟踪中广泛应用。彩色图像序列通过摄像机获取，人脸目标模型可以采用RGB颜色空间来进行描述。在跟踪车辆的过程中，噪声、遮挡、光照等干扰或多或少存在，因干扰因素的存在，车辆像素特征也会发生相应的微弱变化。若不对目标模型进行更新，会对跟踪精度产生影响，所以，采用的矩形模板会包括一定背景。而在实施跟踪的过程中，要对车辆目标模型进行更换。如果其过程物遮挡，当BHATTACHARYYA系数满足？籽>Tudm条件时，更新车辆目标模型，更新模型为：

（5）

公式中Tudm是模板更新阀值；qk-1是更新之前的车辆目标模型。通过视频跟踪，在近场景和远场景拍摄到的视频中，多尺度图像空间由各个帧图像构成。例如：将将书本作为跟踪对象，由远及近从书本的正上方拍摄六十帧图像，为了能使矩形框正好能够包含书本，对每帧图像张书本手工划定矩形框，并对框内图像的信息量进行统计。最后，随书本尺度的变化，给出图像信息量变化曲线。

4 计算机视觉原理

计算机视觉是一门研究怎样使机器进行观察的科学，更切确地说，就是指利用电脑和摄影机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理成为传送给仪器检测或更适合人眼观察的图像。计算机视觉研究相关的理论和技术作为一个科学学科，尝试创建能够从图像或者多维数据中获取信息的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个决定的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中感知的科学。

计算机视觉就是由计算机来代替大脑完成处理和解释，用各种成象系统代替视觉器官作为输入敏感手段。使计算机能象人那样通过视觉观察和理解世界，具有自主适应环境的能力就是计算机视觉的最终研究目标，而需要经过长期的努力才能达到这个目标。所以，在实现最终目标以前，通过努力的中期目标是建立一种视觉系统，这个系统能依靠反馈的某种程度的智能和视觉敏感完成一定的任务。例如：计算机视觉的一个重要应用领域就是自主车辆的视觉导航，但要实现自主导航的系统，却还没有条件实现象人那样能识别和理解任何环境。所以，人们通过不懈的努力，研究在高速公路上具有道路跟踪能力，有效避免与前方车辆碰撞的视觉辅助驾驶系统。人类视觉系统是有史以来，人们所知道的功能最强大和完善的视觉系统。这里要指出的一点是在计算机视觉系统中计算机起代替人脑的作用。计算机视觉可以而且应该根据计算机系统的特点来进行视觉信息的处理，但并不等于计算机必须按人类视觉的方法完成视觉信息的处理。可以说，对人类视觉处理机制的研究将给计算机视觉的研究提供指导和启发，所以，用计算机信息处理的方法研究人类视觉的机理，建立人类视觉的计算理论，与此同时也是一个十分重要和让人感兴趣的研究领域。这方面的研究被称为计算视觉。计算视觉可被认为是计算机视觉中的一个研究领域。计算机视觉领域的不完善性与多样性为其突出特点。

5 结束语

对视频中的运动目标进行跟踪、识别、检测，并对目标行为进行研究、分析，这就是基于视觉运动目标分析。以计算机视觉为基础，分析运动目标，包括了目标行为的理解与分析、目标跟踪、运动目标检测、预处理图像等，它是计算机视觉领域重要内容之一。理解与分析运动目标的行为，既是计算机视觉的根本目的之一，也是检测与跟踪运动目标的最终目标。从理论层考虑，理解与分析运动目标的行为可以分为人工智能理论研究与模式识别。简要阐述基于计算机视觉的运动目标分析，而所面临的是对运动目标行为的理解。

参考文献

[1]杨可，刘明军，毛欣，夏维建，刘伟，周旋，吴炜，周凯.基于计算机视觉的电缆终端表面温升分析系统[J].电视技术，2013（7）.

[2]叶闯，沈益青，李豪，曹思汗，王柏祥.基于人类视觉特性（HVS）的离散小波变换（DWT）数字水印算法[J].浙江大学学报：理学版，2013（2）.

[3]何青海，马本学，瞿端阳，李宏伟，王宝.基于机器视觉棉叶螨自动监测与分级方法研究[J].农机化研究，2013（4）.

[4]贾挺猛，苟一，鲍官军，董茂，杨庆华.基于机器视觉的葡萄树枝骨架提取算法研究[J].机电工程，2013（4）.

篇3

关键词 模式分析 计算机视觉 教学改革

中图分类号：G643.2 文献标识码：A DOI：10.16400/ki.kjdkz.2016.03.015

Research and Practice on Course Group of Pattern Analysis and

Visual Processing for Graduated Students

SUN Han， CHEN Songcan， LIU Ningzhong， HUANG Yuanyuan， ZHU Qi

（College of Computer Science and Technology， Nanjing University of

Aeronautics and Astronautics， Nanjing， Jiangsu 210016）

Abstract By analyzing the teaching status of pattern analysis and visual processing course group， this paper puts forward the new teaching goal， which includes improving students' international vision， the ability of linking theory with practice， and promoting the engineering practice ability and innovative consciousness. Then this paper discusses the whole process of course group reform. Firstly the structure of teachers' group is optimized. And then the knowledge system of course group is sorted and the teaching mode is improved. Finally the practice system of course group is optimized and the assessment system is reformed.

Key words pattern analysis； computer vision； teaching reform

1 背景

我校模式分析与智能计算研究所师资团队是江苏省“青蓝工程”创新团队，主要研究领域包括智能数据分析、图像处理和机器视觉等方向，承担研究生和本科生的模式识别、机器学习、数据挖掘、智能信息检索、数字图像处理、计算机视觉等课程的教学任务。以往的教学过程中虽然积累了丰富的教学经验，但当前新知识不断涌现、新技术发展迅猛，对模式分析与视觉处理课程群的知识体系、实践体系改进提出了新的挑战。

近年来，国内外高校在该类课程教学上，已涌现出众多新理念、新方法。Coursera联合创始人Andrew Ng推出的机器学习课程，开启了教育领域的MOOC时代，引领了教育教学方法的新革命。①深圳大学、②江苏科技大学③分别进行了基于CDIO工程教育理念的计算机视觉课程教学改革实践，实现多层次项目设计的教学模式改革，讲座式、讨论式、实践式教学方法的探索。国防科技大学④在计算机视觉课程中引入研讨式教学模式，通过案例教学、小组研讨的方式来替代传统的教学方式。华中科技大学⑤从教学内容国际化、教学方式国际化、教学成果国际化三个方面开展了计算机视觉课程的国际化建设。另外，也有高校进行了图像工程课程群建设，⑥基于图像分析与计算机视觉应用课程结合的项目协同创新能力培养实践。⑦

在分析上述国内外高校该类课程改革的基础上，我们重点以模式分析与视觉处理课程群的实践教学体系改革为切入点，优化师资队伍结构，梳理课程群知识体系，优化课程授课模式，完善课程群实践体系，改革实践考核模式，实现学生国际化视野、理论联系实际、工程实践和创新能力全面提升的目标。

2 模式分析与视觉处理课程群特点

模式分析与视觉处理课程群涵盖了模式识别、机器学习、数据挖掘、数字图像处理、计算机视觉等多门课程。该类课程存在以下特点。

（1）该类课程属于多学科交叉，涉及的知识面既广又深。由于该方向涉及计算机科学与技术、应用数学、自动化、电子科学与技术、信息工程等多学科内容，而学生在大学本科阶段很难学习和了解如此多的知识模块，这对研究生阶段学习来说，具有相当大的挑战。同时，对于每个知识模块，所要求的数学基础较高，理论具有相当的深度，理解和掌握不容易。

（2）该类课程既重视扎实的基础理论，也强调良好的工程实践能力。该类课程的基础理论教学一直受到各高校的重视。随着近年来产业界的迅猛发展，计算机视觉应用层出不穷，对学生的工程实践也提出了更高要求，需要能够在系统层次上有整体认知，同时要能对各功能模块进行优化，提升系统的整体性能。

（3）该类课程所面向的选修学生面广。该类课程既是多学科交叉，也面向计算机应用、电子科学与技术、自动化、应用数学等不同研究方向、不同水平层次的研究生开设。这对课堂教学和实验实践也带来更大挑战。

3 模式分析与视觉处理课程群改革举措

针对上述分析的课程群特点，我们重点以实践体系改革为突破口，通过优化师资队伍结构，梳理课程群知识体系，优化课程授课模式，完善课程群实践体系，改革实践考核模式等举措，实现学生国际化视野、理论联系实际、工程实践和创新能力全面提升的目标。

3.1 师资队伍结构优化

为了学生能够适应模式分析与视觉处理产业的快速发展，在课程群建设过程中更强调学生的工程实践和创新能力培养。这首先对师资队伍结构提出了新的要求。

近年来，课程教学团队引进海内外具有深厚理论功底和较强工程能力的高水平师资4名，大大充实了机器学习、数据挖掘、图像处理等课程的教学力量。对于现有教师队伍，鼓励教师跟产业一线企业广泛合作，目前已与华为、中兴等企业在视频检索、智能交通视觉处理等方面开展了实质合作。这些来源于产业界的高质量课题对科研和教学起到了良好的促进作用。

与此同时，通过研究生工作站、企业短期实习等渠道，鼓励企业高级研发人员参与到学生实践能力培养环节中，将实际项目进行适当切分或提炼，实现该类课程实践环节的模块化、专题化训练。

综上，通过引培并举，优化校内师资队伍结构；通过校企合作，积极吸引企业师资参与。良好的师资队伍为该类课程的实践体系改革提供了有力支撑。

3.2 课程群知识体系梳理与授课模式改革

模式识别、机器学习、数据挖掘、智能信息检索、数字图像处理、计算机视觉等课程既有一定的逻辑关系，也存在相互交叉的混杂关系。一般认为，模式识别、机器学习是模式分析与视觉处理领域的基础理论课程，数据挖掘是建立在模式识别、机器学习和数据库基础上的应用类课程，智能信息检索则是数据挖掘基础上更为具体的应用实现。数字图像处理为计算机视觉课程提供了基础支撑，计算机视觉则是在综合利用模式识别、机器学习、数字图像处理、数据挖掘等知识模块基础上面向应用的系统实现。但是，这些课程也存在着知识点的交叉或重复。例如，模式识别和机器学习中都有贝叶斯参数估计、支持向量机模型等知识点，但视角和侧重点有所不同；图像处理、计算机视觉中都有颜色模型、成像模型等知识点，也同时存在与模式识别、机器学习交叉的知识点。

我们针对来自不同研究领域的学生群体，对该课程群的知识点进行系统梳理，既避免知识点的重复讲授，也防止重要知识点的缺漏。课程教师集体讨论，形成每门课程的核心知识集，和针对不同研究领域的选讲知识集。学生在学习课程时，在掌握核心知识集的基础上，结合自己的研究方向选择相关的选讲知识集学习。

在课程教材和参考书的选择上，注重挑选国际上有影响力的教材。例如，模式识别的参考书为Richard O. Duda等人编著的Pattern Classification；机器学习的参考书为Tom M. Mitchell编著的Machine Learning和Christopher M. Bishop编著的Pattern Recognition and Machine Learning；数据挖掘的参考书为Jiawei Han等人编著的Data Mining：Concepts and Techniques；数字图像处理的参考书为K. R. Castleman编著的Digital Image Processing；计算机视觉的参考书为D. A. Foryth编著的Computer Vision： A Modern Approach和Richard Szeliski编著的Computer Vision： Alogrithms and Applications。这些教材已被国内外著名大学普遍采用。同时，每门课程都提供相关的国内外顶级会议和期刊的列表，供学生课后追踪研究领域的热点问题。

在课堂授课环节上，注意采用灵活多样的授课方式。对于核心基础知识模块，以教师讲授为主，同时提供国内外该类课程的热门MOOC网址给学生参考。对于选讲知识模块，鼓励学生事先结合各自研究方向有目的自学，在学生报告的基础上进行课堂讨论方式进行。充分发挥学生学习的主体作用，也便于教师了解学生的水平和学习状况。

除此以外，不定期邀请国内外著名学者来校做学术报告，让学生充分了解该研究领域的最新前沿动态，并就热点问题进行专题讨论。

3.3 课程群实践体系完善与考核方式改革

工程实践和创新能力的培养是该课程群改革的重要目标。我们在上述师资队伍结构优化、课程群知识体系梳理与授课模式改革的基础上，着力进行课程群实践体系的改革与完善。我们通过多层次菜单式的实验项目选择、项目牵引的创新能力训练、学生综合研究能力的全面考查等方面来实现。

首先，整合和优化课程群实践内容，实现多层次菜单式灵活选择。根据各研究领域的要求进行灵活搭配，根据学生个体的能力与水平选择适当规模和难度的实践内容，通过课程内的基础实验、课程间的综合实验、课程群的创新实验来选择和组合，如图1所示。

图1 多层次菜单式实验内容示意图

基础型实验内容主要是各课程核心知识点的实验验证，主要包括模式识别，机器学习，数据挖掘，图像处理与分析，计算机视觉等课程的实验。要求选课学生对这些基础实验必做，打下良好的研究基础。

综合探索型实验在基础型实验基础上，既有单门课程内总的综合实验，也有课程间知识的综合应用。主要分为两大块，包括模式分析与机器学习方向的综合实验，以及图像处理与机器视觉方向的综合实验。实验目的主要是针对这两大块方向重点知识的综合分析和比较，能够熟练掌握和灵活应用。例如模式分析、机器学习、数据挖掘等方向都用到的线性判别分析、支持向量机、均值聚类等内容；图像处理与机器视觉中的图像特征抽取、视觉系统选型、目标检测、特定平台的算法优化等内容。学生可根据各自研究方向有目的的选择两块综合实验的大部分内容。

在综合型实验基础上，该课程群通过若干创新型实验来检验学生理论知识掌握程度和实践方法应用能力，为后续的研究课题开展打下良好的科研素养。主要内容包括人脸识别、二维条码识别、车辆属性识别、智能视觉监控、以及企业来源的关键技术等。这些项目实践既涉及用到图像处理与机器视觉的内容，也涉及模式分析与机器学习方向的知识。并且需要学生在综合运用相关知识的基础上有创新能力。

其次，重视各类项目牵引的创新能力训练。一方面，鼓励教师从国家自然科学基金、企业合作项目等研究中提炼出问题规模和难度适中的训练项目，作为课程群的综合能力训练项目。另一方面，鼓励学生参加挑战杯、全国研究生智慧城市技术与创意设计大赛等各类具有挑战性的竞赛项目，以赛代练，提升学生的工程实践和创新能力。同时，也鼓励学生利用百度、微软等相关研究领域的企业实习机会，参与产品一线的工程实践能力训练。

再次，注重考核环节，实现科研素养和实践能力的全面考查。只有严格、公平、公正的考核，才能保证实验实践的质量和水平，才能提升学生的科研素养和实践能力。我们主要在手段、方式方法上进行了改进。在题目选择上，根据学生个体水平和研究领域要求的差异，在选题上有适当的难易区分度，让每位学生都有锻炼和提升的机会；在考核方式上，采用结题书面报告来检验学术论文的写作能力，采用程序演示检验系统的设计与实现水平，采用上台汇报的方式检验学生的表达能力，多管齐下全面检查学生的综合科研素养；在考核成绩评定上，采用现场教师和学生共同评分的方式，公平合理；最后，通过网站展示、发表学术小论文、专利、软件著作权等方式展示和公开优秀成果，激发学生的学习热情，并由此形成积累，有利于学生实验实践氛围的传承。

4 结语

本文在分析国内外高校模式分析与视觉处理类课程群改革现状的基础上，以学生国际化视野、理论联系实际、工程实践和创新能力全面提升为目标，重点开展了师资队伍结构优化、课程群知识体系梳理、课程授课模式改革、课程群实践体系完善和实践考核模式改革等工作，取得了良好的效果，并为校内其他课程群的教学改革作为示范推广。

注释

① https：///learn/machine-learning/

② 郭小勤，曹广忠.计算机视觉课程的CDIO教学改革实践.理工高教研究，2010.29（5）：98-100，148.

③ 史金龙，白素琴，庞林斌，钱强.研究生机器视觉课程的CDIO教学改革实践.计算机教育，2013.9：40-43.

④ 陈芳林，刘亚东，沈辉.在《计算机视觉》课程中引入研讨式教学模式.当代教育理论与实践，2013.5（7）：112-114.

⑤ 王岳环，桑农，高常鑫.计算机视觉课程的国际化教学模式.计算机教育，2014.19：101-103.

篇4

关键词 计算机视觉；立体匹配；研究情况

中图分类号：TP391 文献标识码：A 文章编号：1671-7597（2014）07-0001-01

随着科学技术的快速发展，计算机技术也得到了飞速的发展。将计算机技术应用于人类的视觉系统，并辅助人们观察到一些眼睛难以看到的东西，已经逐渐成为一门大家所热捧和追逐的技术。随着人们对视觉传感器技术越来越多的探索，人们也逐渐实现了古代时想拥有千里眼的梦想。目前，人们已经把视觉传感器技术和计算机技术良好的结合在一起，并把这些技术应用到食品、建筑、医药、电子、航天航空等众多领域当中。而该项技术的快速发展，也帮助人们解决了一些日常工作当中人类视觉存在盲区的问题，保证了人们工作过程的安全。视觉技术与IT技术的完美结合使得人们的生活变得更加便利，让人们亲身体会到了IT技术给人们生活带来的便捷。

1 双目立体视觉概述

双目立体视觉又称双目视觉技术，是目前计算机视觉应用领域的重要研究内容。双目立体视觉控制系统的组成因其采用的原理和应用功能的不同，组成也都各不相同。

双目立体视觉的实现原理是基于人眼的视网膜看物体的特性，从两个不同的方向来观看同一个物体的不同角度，从而实现清楚的了解到物体的图像的目的。双目立体视觉从不同的角度获得物体的投影信息，并根据匹配的结果，获取同一个物体不同偏差位置的信息。最后在依据三角测量技术，根据已经获得的这些偏差信息从而获得这些不同点对应的距离信息，并最终获得这些实际物体的具体坐标位置信息。

视差测距技术告诉我们，要清楚的观察到一个物体的全貌，需要两个观察物从不同的方向，或者固定一个观察物，移动另外一个观察物的方式，以达到拍摄同一个物体的目的。根据同一个物体在两个观察物当中的位置偏差，从而确定该物体的三维信息。一般来说，双目立体视觉的组成包括：图像获取设备、图像预处理设备、摄像机标定设备、立体匹配设备、根据二维信息实现三维重构设备等五个重要设备。

2 双目立体视觉技术的原理

立体画又可以称之为三维立体画，是一种人们可以从三维立体图中获取二维平面图信息的技术。三维立体图表面看似毫无规则，但是假如通过一些特殊的技术或者通过合理的观察手段和观察设备，就可以看到一组秩序井然的美妙图片。

三维立体图是一组重复的二维图片有序的堆积积累而成，因此可以呈现出立体效果。人体观察物体的原理大致如下：当人类通过左右眼观察所在的空间平面的时候，这些平面图都只是一些毫无秩序的图片。而当左右眼重新聚焦或者在观察画面的时候呈现一定的层次感，则人类的左右眼观察到的一组重复案在经过人体识别以后，这些画面之间将存在一定的距离差异，从而在脑中生成立体感。

双目立体视觉技术正是基于以上的原理，从两个不同的方向去观察物体，并获得目标图像的信息，并经过一定的处理获得三维重建的物体立体信息的技术。

双目立体视觉在计算机技术中实现三维重建的大致流程

如下。

1）摄像机定位，并通过单片机计算得到要获取图像信息需要的外部的参数的大概值，并根据这些参数值设定摄像机。

2）用设定参数的摄像机拍摄目标场景的画面，并采集这些画面的二维图的信息。

3）通过计算机技术实现双目匹配，并判定采集画面中的二维图像中的不同点之间的对应关系。

4）在第三步中若得到两组二维图像的关系是稠密的时候，则生成三维视差图。如果不是则进一步采集图片信息。

5）根据得到的视差图最终实现场景的三维图形的重建。

3 双目立体匹配技术的研究难点和未来的发展方向

尽管目前有很多学者都投身到双目立体匹配技术的研究和开发当中，直至目前为止也解决了很多关于视觉理论当中存在的很多缺陷问题。但是视觉问题是一个复杂且难以解决的问题，特别是在双目立体匹配问题方面更是困难重重。立体匹配技术的难点已经成为限制将双目技术应用到计算机技术当中的重要瓶颈。

立体匹配的主要手段就是找到计算机采集到两幅和多副图片的中像素的对应关系，然后根据这些像素关系判定并生成三维重建图。但是二维图像的匹配存在层层困难，主要体现在以下几个方面。

1）由于视角的问题或者观察物体存在遮挡问题，导致采集回来的图片信息存在盲点，这样子更难找到图片的匹配区域。

2）场景中的一些深度不连续的区域大都处在场景当中的边界位置，这些位置容易出现像素不高，边界不清晰等问题，这些问题也给图像匹配带了很多困扰。

3）场景当中的低纹理的图片匹配特征和匹配关系较少，而且该位置的每个像素点极为相似。假如只是通过简单的像素相似性检测的话，会检测到很多匹配结果，而这些匹配结果当中有一大部分是错误的。这样子的结果势必会导致最终的图像匹配正确率极为低下。

从以上的分析，我们可以看出立体匹配技术存在很多技术上的难点，这些都在很大程度上限制双目立体匹配技术在计算机当中的应用发展。如何才能设计出有效、准确、快速、通用性强的立体匹配算法将会是以后双目立体匹配计算发展的重要方向。也只有通过设计出一套行之有效的立体匹配算法才能使得双目立体匹配技术在计算机视觉当中得到广泛的应用。

4 结束语

人们通过眼睛可以感受到外界事物的存在，可以清楚的了解到事物的立体信息，分辨出观察物的广度和深度，以及物体的远近。因此人类视觉感知系统就是一个双目的立体感知系统。本文讲述的计算机中的双目立体匹配技术正是基于人眼视觉观察物体的原理，通过双目立体视觉原理，对计算机采集获得两幅二维图像的信息进行分析，并结合计算机的分析，最终获得同人类眼睛一样观察到物体三维表面信息的目的。双目立体匹配技术与计算机技术的完美结合帮助人们可以更加轻易的获得物体的信息。希望在不久的将来，可以将该项技术应用于人类的视网膜当中，以帮助一些视网膜存在问题的人们，让他们重新感受到光明，感受世间的温暖。

参考文献

[1]高文，陈熙霖.计算机视觉算法与系统原理[M].北京：清华大学出版社，2002.

[2]明祖衡.双目立体视觉测距算法研究[M].北京：北京理工大学，2008.

[3]刘昌，郭立，李敬文，刘俊，杨福荣，罗锋.一种优于SAD的匹配准则及其快速算法[J].电路与系统学报，2007，12（4）：137-14.

[4]陈蛟.双目立体匹配的算法研究及其多核并行化[M].南京：南京邮电大学，2012.

篇5

关键词：序贯相似性检测算法 图像匹配 计算机视觉

中图分类号：TN911 文献标识码：A 文章编号：1672-3791（2013）06（c）-0205-01

图像匹配最早是70年代美国从事飞行器辅助导航系统，武器投射系统的制导等应用研究中提出的。国内外学者对匹配辅助导航技术进行深入研究，使其在民用领域的应用越来越广泛[1，2]。计算机视觉计算主要分为低层处理、中层处理和高层处理，而在低层进行数字化差异检测、中层进行参数化相似分析，高层处理完成图像的识别、解释和描述等任务，都需要图像匹配技术[3]。序贯相似性检测算法（SSDA）能够快速地丢弃非匹配点，减少非匹配点的计算量，从而提高匹配的速度，算法简单，易于实现。

1 序贯相似性检测算法

序贯相似性检测算法的基本思想是基于对误差的积累进行分析。在进行图像匹配时，通常非匹配点处的误差ε会随着运算点数的增加而迅速增长，很快超过某一门限，而对于匹配点处，误差的增长要缓慢得多。这样对于大多数非匹配点，只需要分析前几项，而只有匹配点附近的点才需要计算整个循环，这样就大大地减少了匹配的运算量。

设源图像S的大小为J×K，模板图T的大小为M×N（其中M≤J，N≤K），模板覆盖的区域子图为，（p，q）为模板左上角像素点在图像S中的坐标，S中的待匹配区域是以点（p，q），（p，q+M-1），（p+N-1，q），（p+N-1，q+M-1）组成的区域。相对于参考点位置为（m，n）点的匹配误差定义为：

其中k=1，2，…r。将累计误差值与预定阈值进行比较，当累加值超过设定阈值Tk时，就停止累加计算，并记下累加次数k。计算下一个待匹配点处的误差，若累计误差小于预定阈值，则继续计算此处的误差，直到>Tk或k=r，记下k值。对不同的待匹配点进行上述匹配计算，最后取最大k值对应的待匹配点位置，即为要找的匹配点。

2 实验结果与分析

图1显示了基准图与实时图像，图1（a）为基准图像，大小为256×256，图1（b）为实时图，大小为65×65。图1（c）找到了实时图像在基准图中的位置。

由图1可以看出，SSDA算法能够良好地进行匹配。而通过对匹配时间的计算可以看出，SSDA算法的运行时间相对较短，效率较高。

参考文献

[1] GONG H C.Development of terrain contour matching algorithm for the aided inertial navigation using radial basis functions [J].Journal of Astron Space Science，1998，15（1）：229-234.

篇6

关键词：工业电视 智能视频监控 煤矿

中图分类号:TP391 文献标识码：A 文章编号：1007-9416(2012)01-0026-02

Abstract: Traditional industrial TV monitoring perform poor accuracy of the alarm, intelligent video surveillance remedy these deficiencies from a large extent. In this paper, we analyzed intelligent video surveillance technology. For special coal mine safe production environment, using intelligent video surveillance technology in the production of Coal Mine Safety Monitoring System for intelligent video linkage has been proposed. The system is able to raise the alarm in a large extent, the accuracy for the coal mine production safety to provide more reliable protection.

Keywords: industrial TV intelligent video surveillance Coal Mine

1、背景

煤矿工业电视监控系统主要用于煤矿安全生产重要环节、场所和部门的电视监控，可以将各个监控点的图像采集后传输到中心监控室并实时显示在监视器上。通过本系统，地面监控人员能直观的监视和记录井下工作现场的安全生产情况，及时发现各监控点的违章作业情况，防患以未然，为煤矿的安全生产保驾护航。

2、智能视频监控技术

智能视频监控是将计算机视觉技术引入到视频监控中而产生的，目前，智能视频监控已经成为计算机视觉中一个重要的研究领域，图1给出了智能视频监控系统的一般流程，从监控摄像头开始，包括运动对象提取、对象描述、对象跟踪、对象识别和对象的行为分析，最后进行预警或报警。

智能视频监控技术主要包括对视频图像序列自动地进行运动对象的提取、描述、跟踪、识别和行为分析等方面的内容。如果把摄像机看作人的眼睛，而智能视频系统或设备则可以看作人的大脑。智能视频监控技术就是借助计算机强大的数据处理功能，对视频画面中的海量数据进行高速分析，过滤掉监控者不关心的信息，仅仅为监控者提供有用的关键信息。智能视频监控以数字化、网络化视频监控为基础，但又有别于一般的网络化视频监控，它是一种更高端的视频监控应用。智能视频监控系统能够识别不同的物体，发现监控画面中的异常情况，并能够以最快和最佳的方式发出警报和提供有用信息，从而能够更加有效的协助安全人员处理危机，并最大限度的降低误报和漏报现象。其最终目的就是要使计算机能够分析、描述和理解视频画面中的内容。智能视频监控涉及到计算机视觉、图像视频处理和人工智能领域中的众多核心技术，是一个非常具有挑战性的困难问题。

3、系统构成

煤矿安全生产智能视频联动监控系统是一个基于行为判别技术应用和视频系统应用集成技术的先进的煤矿管理系统，能够把现在煤矿各个相对独立的前端摄像头整合为一个具有统一管理的摄像头传感器系统。实时获取煤矿安全相关数据，通过视频分析功能智能的转向事件发生地；强大的联动功能，智能视频分析与辅助决策能力，能够有效遏制重大事故的发生；操作简单，界面友好，让决策者能够尽快根据事件现场环境快速进行决策指挥，工作环境更加健康；可以有效提高煤矿生产与安全管理效率。

4、视频监控信号采集与显示系统

4.1 井下监控与传输

井下摄像头采用经过国家本安认证的矿用防爆光纤摄像机，并适应井下的低照度的光学条件。同时要采用无火花的阻燃光纤传输技术，保证系统在井底的安全运行。

4.2 地面监控部分

地面监控部分由于每个监控点监控范围较大而且需要日夜监控功能，所以采用带云台且适应低照度情况的进口全方位一体化摄像机，为保证煤矿恶劣条件下的可靠性与售后服务便利性，地面均采用同轴电缆接入调度室和绞车房。

4.3 控制室部分

控制室部分包括：10路高清晰大屏幕彩色监控墙；电视墙中间为大屏幕液晶显示器，即可做监视屏也可以显示电脑数据和信息；视频矩阵；视频分配器；视频光端机；视频服务器；控制台等；LED电子显示屏等。

绞车房室部分包括：2路高清晰彩色监视器(19英寸)；

控制系统包括图像处理系统、视频切换矩阵、主控制计算机等。主控计算机通过控制软件，将连接在此网络中指定IP计算机画面传送到主控计算机。图像处理系统采用WINDOWS 操作平台及窗口式跨物理界面处理技术，可显示多窗口计算机信号及视频信号，并可接入局域网络及国际互联网。图像控制系统可构成"虚屏"，实现2×1跨屏操作，电脑图文与视频图象可任意开窗显示，窗口大小和位置任意，可跨屏显示多路网络信号或视频信号,监控信号中任何一路视频及所有计算机显示窗口可在大屏幕上任意放大、缩小、拖动、叠加显示。

5、结语

在煤矿上建立智能视频联动监控系统能够解决传统工业电视监控系统因为一些固有因素的限制而带来的许多问题，缩短突发事件响应时间，提高报警系统的精确度，为煤矿企业的安全生产提供保障。

参考文献

[1]马颂德,张正友.计算机视觉.北京科学出版社,1998.

[2]方帅.计算机智能视频监控系统关键技术研究.沈阳:东北大学,2005.

[3]Collins R., et al. A System for video surveillance and monitoring:VSAM final report. Carnegie Mellon University:Technical Report CMU,2000.

篇7

Abstract: Surface roughness is key indexes to evaluate surface quality. Surface quality has influence on service life and usability. Two basic measuring methods are introduced: contact measuring and non-contact measuring. Non-contact measuring method based on the computer vision technology is discussed in detail.

关键词： 表面粗糙度；非接触；光学测量

Key words: surface roughness；non-contact；optics measurement

中图分类号：TH6文献标识码：A文章编号：1006-4311（2011）08-0050-02

0引言

随着科学技术的进步和社会的发展，人们对于机械产品表面质量的要求越来越高。表面粗糙度是评价工件表面质量的一个重要指标，国内外很多学者在表面粗糙度检测方面做了大量研究工作。目前测量表面粗糙度的主要方法有：接触式测量和非接触式测量。

1接触式测量

接触式测量就是测量装置的探测部分直接接触被测表面，能够直观地反映被测表面的信息，接触式测量方法主要是触针法，该方法经过几十年的充分发展，以其稳定、可靠的特点被广泛应用。但接触式测量存在很大的缺陷，具体表现在：①对高精度表面及软质金属表面有划伤破坏作用；②受触针尖端圆弧半径的限制，其测量精度有限；③因触针磨损及测量速度的限制，无法实现在线实时测量[1]。

2非接触式测量

为了克服接触式测量方法的不足，人们对非接触式测量方法进行了广泛研究。研究表明，非接触式测量方法具有非接触、无损伤、快速、测量精度高、易于实现在线测量、响应速度快等优点。目前已有的非接触式测量方法包括各种光学测量方法、超声法、扫描隧道显微镜法、基于计算机视觉技术的表面粗糙度检测方法等。这里我们只对基于光学散射原理的测量方法、基于光学干涉原理的测量方法和基于计算机视觉技术的测量方法做简单介绍。

2.1 基于光学散射原理的测量方法当一束光以一定的角度照射到物体表面后，加工表面的粗糙不平将引起发生散射现象。研究表明：表面粗糙度和散射光强度分布有一定的关系。对于表面粗糙度数值较小的表面，散射光能较弱，反射光能较强；反之，表面粗糙度数值较大的表面，散射光能较强，反射光能较弱。

基于光学散射原理测量表面粗糙度的研究方法和理论较多。四川联合大学和哈尔滨理工大学相继提出了一种称之为散射特征值的参数，表征被测物体表面上反射光和散射光的分散度，散射特征值与被测物体表面的粗糙度有很好的对应关系[2]。哈尔滨理工大学利用已知表面粗糙度参数值的标准样块测得其散射特征值，建立―关系曲线，从而实现利用散射特征值测量火炮内膛表面粗糙度[3]。

基于光学散射原理的表面粗糙度检测方法，具有结构简单、体积小、易于集成产品、动态响应好、适于在线测量等优点。该方法的缺点是测量精度不高，用于超光滑表面粗糙度的测量还有待进一步改进。

2.2 基于光学干涉原理的测量方法当相干光照射到工件表面同一位置时，由于光波的相互位相关系，将产生光波干涉现象。一般的干涉法测量是利用被测面和标准参考面反射的光束进行比较，对干涉条纹做适当变换，通过测量干涉条纹的相对变形来定量检测表面粗糙度。该方法的测量精度取决于光的波长。但是由于干涉条纹的分辨率是以光波波长的一半为极限的，仅从条纹的状态无法判断表面是凸起还是凹陷，因此，作为一种具有较好分辨率、宽测量范围的表面粗糙度在线检测技术，这种干涉法测量技术还有待于进一步发展[4]。

基于光学干涉原理，1984年美国洛克西德导弹公司huang采用共模抑制技术研制成功了光学外差轮廓仪，光外差干涉检测技术是一种具有纳米级测量准确度的高精度光学测量方法，适用于精加工、超精加工表面的测量，而且可以进行动态时间的研究；华中理工大学采用光外差干涉方法研制出2D-SROP-1型表面粗糙度轮廓仪[5]。美国的维易科（VEECO）精密仪器有限公司，采用共光路干涉法研制了WYKO激光干涉仪和光学轮廓仪，可用来测量干涉条纹位相[6]。

基于光学干涉原理测量表面粗糙度分辨率高，适于测量超光滑表面粗糙度，但由于该方法的测量精度受光波波长的影响很大，所以其测量范围受到一定影响。

2.3 基于计算机视觉技术的测量方法基于计算机视觉的粗糙度测量方法是指使用摄像机抓取图像，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和灰度、纹理、形状、颜色等信息，选用合理的算法计算工件的粗糙度参数值。近年来，随着计算机技术和工业生产的不断发展，该方法受到越来越多的关注。

北京理工大学的王仲春等人采用显微镜对检测表面进行放大，并通过对CCD采集加工表面微观图像进行处理实现了表面粗糙度的检测[7]。哈尔滨理工大学吴春亚、刘献礼等为解决机械加工表面粗糙度的快速、在线检测，设计了一种表面粗糙度图像检测方法，建立了图像灰度变化信息与表面粗糙度之间的关系模型[8]。英国学者Hossein Ragheb和Edwin R.Hancock通过数码相机拍摄的表面反射图来估计表面粗糙度参数，运用Vernold Harvey修正的B K散射理论模型获得了比Oren Nayar模型更好的粗糙度估计结果[9]。澳大利亚学者Ghassan A.Al-Kindi和Bijan Shirinzadeh对基于显微视觉的不同机械加工表面粗糙度参数获取的可行性进行了评估，讨论了照射光源与表面辐照度模型对检测的影响，结果显示尽管从视觉数据和触针数据所获得的粗糙度参数存在一定差异，但是基于视觉的方法仍是一种可靠的粗糙度参数估计方法[10-11]。

可以看出，基于计算机视觉技术的测量方法主要有统计分析、特征映射和神经网络等黑箱估计法。通过这些方法获得的表面粗糙度参数的估计值受诸多因素的影响，难以给出其准确的物理解释。真正要定量地计算出粗糙度参数，需要科学的计算。

但是随着机械加工自动化水平的提高，基于计算机视觉技术的检测方法处理内容丰富、处理精度高、处理速度快、易于集成等优点将受到越来越多的重视。

3结束语

接触式测量测量速度较慢，容易划伤工件表面，并且不适用于连续生产材料表面的检测。非接触式测量具有无损伤、快速、测量精度高、易于实现在线测量等优点，已成为表面粗糙度检测的重点研究方向。非接触测量以光学法为主，随着计算机技术和工业生产的迅猛发展，基于计算机视觉技术的表面粗糙度非接触式检测方法受到越来越多的重视。

参考文献：

[1]刘斌，冯其波，匡萃方.表面粗糙度测量方法综述[J].光学仪器，2004，26（5）：54-55.

[2]苑惠娟等．非接触式表面粗糙度测量仪[J]．哈尔滨科学技术大学学报，1995，19（6）：30-34．

[3]强熙富，张咏，许文海．扩展激光散射法测量粗糙度的测量范围的研究[J]．计量学报，1990，11（2）：81-85．

[4]王文卓，李大勇，陈捷．表面粗糙度非接触式测量技术研究概况[J]．机械工程师，2004，11：6-9．

[5]王菊香．2D-SROP-1型表面粗糙度轮廓仪[J]．工业计量，1994，（4）：27-29．

[6]徐德衍等．光学表面粗糙度研究的进展与方向[J]．光学仪器，1996，18（1）：32-41．

[7]王仲春，高岳，黄粤熙等.显微成像检测表面粗糙度[J].光学技术，1998，5：46-48.

[8]吴春亚，刘献礼，王玉景等.机械加工表面粗糙度的图像检测方法[J].哈尔滨理工大学学报，2007，12（3）：148-151.

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

篇8

论文关键词：表面粗糙度，非接触，光学测量

 

随着科学技术的进步和社会的发展，人们对于机械产品表面质量的要求越来越高。表面粗糙度是评价工件表面质量的一个重要指标，国内外很多学者在表面粗糙度检测方面做了大量研究工作。目前测量表面粗糙度的主要方法有：接触式测量和非接触式测量。

1 接触式测量

接触式测量就是测量装置的探测部分直接接触被测表面，能够直观地反映被测表面的信息，接触式测量方法主要是触针法，该方法经过几十年的充分发展，以其稳定、可靠的特点被广泛应用。但接触式测量存在很大的缺陷，具体表现在：（1）对高精度表面及软质金属表面有划伤破坏作用；（2）受触针尖端圆弧半径的限制，其测量精度有限；（3）因触针磨损及测量速度的限制，无法实现在线实时测量[1]。

2 非接触式测量

为了克服接触式测量方法的不足非接触，人们对非接触式测量方法进行了广泛研究。研究表明，非接触式测量方法具有非接触、无损伤、快速、测量精度高、易于实现在线测量、响应速度快等优点。目前已有的非接触式测量方法包括各种光学测量方法、超声法、扫描隧道显微镜法、基于计算机视觉技术的表面粗糙度检测方法等。这里我们只对基于光学散射原理的测量方法、基于光学干涉原理的测量方法和基于计算机视觉技术的测量方法做简单介绍论文格式模板。

2.1基于光学散射原理的测量方法

当一束光以一定的角度照射到物体表面后，加工表面的粗糙不平将引起发生散射现象。研究表明：表面粗糙度和散射光强度分布有一定的关系。对于表面粗糙度数值较小的表面，散射光能较弱，反射光能较强；反之，表面粗糙度数值较大的表面，散射光能较强，反射光能较弱。

基于光学散射原理测量表面粗糙度的研究方法和理论较多。四川联合大学和哈尔滨理工大学相继提出了一种称之为散射特征值的参数，表征被测物体表面上反射光和散射光的分散度，散射特征值与被测物体表面的粗糙度有很好的对应关系[2]。哈尔滨理工大学利用已知表面粗糙度参数值的标准样块测得其散射特征值，建立—关系曲线，从而实现利用散射特征值测量火炮内膛表面粗糙度[3]。

基于光学散射原理的表面粗糙度检测方法，具有结构简单、体积小、易于集成产品、动态响应好、适于在线测量等优点。该方法的缺点是测量精度不高，用于超光滑表面粗糙度的测量还有待进一步改进。

2.2基于光学干涉原理的测量方法

当相干光照射到工件表面同一位置时，由于光波的相互位相关系，将产生光波干涉现象。一般的干涉法测量是利用被测面和标准参考面反射的光束进行比较，对干涉条纹做适当变换，通过测量干涉条纹的相对变形来定量检测表面粗糙度。该方法的测量精度取决于光的波长。但是由于干涉条纹的分辨率是以光波波长的一半为极限的，仅从条纹的状态无法判断表面是凸起还是凹陷，因此非接触，作为一种具有较好分辨率、宽测量范围的表面粗糙度在线检测技术，这种干涉法测量技术还有待于进一步发展[4]。

基于光学干涉原理，1984年美国洛克西德导弹公司huang采用共模抑制技术研制成功了光学外差轮廓仪，光外差干涉检测技术是一种具有纳米级测量准确度的高精度光学测量方法，适用于精加工、超精加工表面的测量，而且可以进行动态时间的研究；华中理工大学采用光外差干涉方法研制出2D-SROP-1型表面粗糙度轮廓仪[5]。美国的维易科(VEECO)精密仪器有限公司，采用共光路干涉法研制了WYKO激光干涉仪和光学轮廓仪，可用来测量干涉条纹位相[6]。

基于光学干涉原理测量表面粗糙度分辨率高，适于测量超光滑表面粗糙度，但由于该方法的测量精度受光波波长的影响很大，所以其测量范围受到一定影响。

2.3基于计算机视觉技术的测量方法

基于计算机视觉的粗糙度测量方法是指使用摄像机抓取图像，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和灰度、纹理、形状、颜色等信息，选用合理的算法计算工件的粗糙度参数值。近年来，随着计算机技术和工业生产的不断发展，该方法受到越来越多的关注。

北京理工大学的王仲春等人采用显微镜对检测表面进行放大，并通过对CCD采集加工表面微观图像进行处理实现了表面粗糙度的检测[7]论文格式模板。哈尔滨理工大学吴春亚、刘献礼等为解决机械加工表面粗糙度的快速、在线检测，设计了一种表面粗糙度图像检测方法，建立了图像灰度变化信息与表面粗糙度之间的关系模型[8]。英国学者Hossein Ragheb和Edwin R. Hancock通过数码相机拍摄的表面反射图来估计表面粗糙度参数非接触，运用Vernold–Harvey修正的B–K散射理论模型获得了比Oren–Nayar模型更好的粗糙度估计结果[9]。澳大利亚学者Ghassan A. Al-Kindi和Bijan Shirinzadeh对基于显微视觉的不同机械加工表面粗糙度参数获取的可行性进行了评估，讨论了照射光源与表面辐照度模型对检测的影响，结果显示尽管从视觉数据和触针数据所获得的粗糙度参数存在一定差异，但是基于视觉的方法仍是一种可靠的粗糙度参数估计方法[10-11]。

可以看出，基于计算机视觉技术的测量方法主要有统计分析、特征映射和神经网络等黑箱估计法。通过这些方法获得的表面粗糙度参数的估计值受诸多因素的影响，难以给出其准确的物理解释。真正要定量地计算出粗糙度参数，需要科学的计算。

但是随着机械加工自动化水平的提高，基于计算机视觉技术的检测方法处理内容丰富、处理精度高、处理速度快、易于集成等优点将受到越来越多的重视。

3 结束语

接触式测量测量速度较慢，容易划伤工件表面，并且不适用于连续生产材料表面的检测。非接触式测量具有无损伤、快速、测量精度高、易于实现在线测量等优点，已成为表面粗糙度检测的重点研究方向。非接触测量以光学法为主，随着计算机技术和工业生产的迅猛发展，基于计算机视觉技术的表面粗糙度非接触式检测方法受到越来越多的重视。

参考文献：

[1]刘斌,冯其波,匡萃方.表面粗糙度测量方法综述[J]. 光学仪器, 2004, 26(5): 54-55.

[2]苑惠娟等．非接触式表面粗糙度测量仪[J]．哈尔滨科学技术大学学报，1995，19(6)：30-34．

[3]强熙富，张咏，许文海．扩展激光散射法测量粗糙度的测量范围的研究[J]．计量学报，1990，11(2)：81-85．

[4]王文卓，李大勇，陈捷．表面粗糙度非接触式测量技术研究概况[J]．机械工程师，2004，11：6-9．

[5]王菊香．2D-SROP-1型表面粗糙度轮廓仪[J]．工业计量，1994，(4)：27-29．

[6]徐德衍等．光学表面粗糙度研究的进展与方向[J]．光学仪器，1996，18(1)：32-41．

[7]王仲春,高岳,黄粤熙等.显微成像检测表面粗糙度[J]. 光学技术, 1998, 5: 46-48.

[8]吴春亚,刘献礼,王玉景等.机械加工表面粗糙度的图像检测方法[J]. 哈尔滨理工大学学报, 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.

篇9

[关键词]变电站工作区；安全监控；智能视频监控

中图分类号：TM63；TM769 文献标识码：A 文章编号：1009-914X（2016）13-0321-01

1. 引言

在变电站中，完成各类作业的主体之一是人员，因人在完成各类作业时需要在变电站内不断运动，因此在变电站工作现场安全区域监控中人的行为监控是重点之一。

目前在变电站工作现场安全管理方面存在以下问题：

1）部分工作人员自觉性不高，导致习惯性违章屡禁不止。如跨越护栏进入带电区域的现象、不正确佩戴安全帽、不正确穿着工作服、不按照安规要求搬运工具、登高不佩戴安全带、监护人离岗等违章行为时有发生。

2）当有监督管理人员在现场监管时，极少部分工作人员对监督管理人员要求、提醒及规章制度不屑一顾，对作业现场安全隐患麻痹大意，因此很有可能在不经意间导致事故发生，威胁人员生命安全，威胁电网运行安全。

目前，随着计算机技术及视觉监控系统的不断发展，变电站工作现场安全监控系统开始得到应用。特别对于无人值守变电站工作现场的安全监控问题，对作业人员擅自穿、跨越安全围栏或超越安全警戒线进行警告监测，纠正违规违章行为，防止因现场监控不到位引发的误操作、误入工作现场等恶性事故的发生，对提升电力作业现场安全管理水平有重要意义。因此，需要探寻全新的安全监管手段，实现作业现场高效监管，提高监管水平，降低作业安全风险。

2. 发展现状

（1） 安全系统工程

安全系统工程是以信息论、控制论等为基础，专门研究如何用安全工程、系统工程、可靠性工程的原理和方法，对研究对象中的风险进行辨识、评价、控制和消除，以实现系统及其全过程安全的科学技术。

安全系统工程产生于20世纪60年代初期美英等工业发达国家。美国、英国、日本等公司相继发表了火灾爆炸指数评价法、埃德蒙德评价法、化工企业六步骤安全评价法等多种评价方法，用于化学企业安全评价。以此同时，许多系统安全分析方法和评价方法在电子、航空、铁路、汽车、冶金等行业得到了应用。

我国安全系统工程的研究、开发是从20世纪70年代末开始的。天津东方化工厂应用安全系统工程成功地解决了高度危险企业的安全生产问题，为我国各个领域学习、应用安全系统工程起了带头作用。其后，机械、冶金、航空、交通运输、核电等行业的企业广泛借鉴引用国外的系统安全分析方法，对现有系统进行分析和评价，取得了良好的应用效果。

（2） 变电站安全管理方法

近年来，变电站工作现场安全管理实行“安全第一、预防为主、综合治理”的安全工作方针，加强基础管理，狠抓现场管控，检修现场安全措施管理方面主要有工作票制度、运行人员操作票制度和现场作业危险点分析预控卡以及继保人员使用的二次工作安全措施票，把安全意识、制度约束、作业行为落实到现场安全管理全过程，使设备常规监督、状态检修、跟踪预控等各项措施实现无缝渗透。目前，变电站检修现场安全措施管理存在以下问题：一是作业现场失去安全监护违章作业。二是作业人员素质不高，责任心不强。三是擅自扩大工作范围。四是对作业人员的安全教育及交底不足、不到位。五是现场监督工作不到位。

（3） 安全监控方法

计算机智能视频监控是计算机视觉领域一个新兴的应用方向和备受关注的前沿课题。伴随网络技术和数字视频技术的飞速发展，监控技术正向着智能化、网络化方向不断前进。监控系统功能日益强大，但是依然需要工作人员不间断地分析监视场景内的活动，日夜值守，工作量繁重。因此计算机视觉和应用研究学者适时提出新一代监控―视频监控的概念。视频监控在不需要人为干预情况下，利用计算机视觉和视频分析的方法对摄像机拍录的图像序列进行自动分析，实现对动态场景中目标的定位、识别和跟踪，并在此基础上分析和判断目标的行为，从而既能完成日常管理又能在异常情况发生时及时做出反应。计算机视频监控系统不仅符合信息产业的未来发展趋势，而且代表了监控行业的未来发展方向，蕴藏着巨大的商机和经济效益，受到学术界、产业界和管理部门的高度重视。

目前，对计算机视频监控的研究与应用方兴未艾。计算机视频监控是利用计算机视觉和图像处理的方法对图像序列进行运动检测、运动目标分类、运动目标跟踪以及对监视场景中目标行为的理解与描述。其中，运动检测、目标分类、目标跟踪属于视觉中的低级和中级处理部分，而行为理解和描述则属于高级处理。运动检测、运动目标分类与跟踪是视频监控中研究较多的三个问题；而行为理解与描述则是近年来被广泛关注的研究热点，它是指对目标的运动模式进行分析和识别，并用自然语言等加以描述。

3. 理论依据

（1） 安全系统工程

对于变电站安全监控系统而言，它是安全系统工程学在变电站安全中的具体应用，其主要目的是通过对变电站工作人员和设备工作安全相关的监控对象某个或某一类属性的检测、监控、分析评价，及时发现其属性在变电站运营过程中状态的变化情况。如果出现设备故障隐患、人员异常行为等危机安全的现象，提醒相关人员及时采取有针对性的措施，对监控对象进行处置、维修和养护，以保证变电站处于良好的运行状态，从而保证电力系统稳定安全地工作。

（2） 安全监控技术

目前，智能视频监控技术应用于变电站工作现场安全监控管理中。计算机视觉的研究目的是利用计算机代替人眼及大脑对于景物环境进行感知、解释和理解。如果把摄像机看作人的眼睛，而智能视觉监控系统则可以看作人的大脑。智能视觉监控系统能够识别不同的物体，发现监控画面中的异常情况，并能够以最快和最佳的方式发出警报和提供有用信息，从而能够更加有效的协助安全人员处理危机，并最大限度的降低误报和漏报现象。一般而言，智能视觉监控的主要研究内容包括目标检测与分类、目标跟踪、目标匹配额、目标定位、目标识别和行为理解（行为分析、语义描述）等。

4. 应用情况

从国外的应用情况来看，智能视频监控技术具有两种应用模式：一是与传统的模拟视频监控系统结合使用，二是基于网络的全数字化智能视频监控系统。目前，我国的从事智能视频监控系统的公司一般都是与国际上比较好的智能视频领域的公司合作。2005年5月，北京兆维泰奇科技有限公司与瑞士Visio Wave公司合作基于网络智能化的安防监控解决方案。2007年3月，深圳贝尔信科技与以色列IOimage公司建立合作伙伴关系并成为中国区产品总与技术支持中心，推出了 bellsent系列产品，已成功在机场、油田、博物馆、铁路干线、仓库等地方成功应用。

5. 结语

视频监控系统未来发展会越来越智能化，在有效采集信息的基础上，智能视频监控系统比普通的网络视频监控系统具备更强大的图像处理能力和智能因素，其能感知和理解的信息包括人脸（用户身份）、人和物的行为、人员流动、人和物的消失出现、人群聚集状态、人体疲劳状态、烟雾产生和蔓延等，所有需要用到这些信息的应用领域，都有可能成为智能视频分析的用武之地。变电站工作现场安全监控系统使用智能监控技术，实现对变电站工作现场的全自动化管控，对人身安全和设备安全以及对提高整个网络的安全水平都有重要意义。

篇10

利用计算机的存储能力完成统计记录功能。变电站自动化系统,是变电站(所)自动化监控管理的重要设备,是集计算机技术、自动控制技术和通讯技术等实现对变电站二次设备(包括继电保护、控制、测量、信号、故障录波、自动装置及远动装置等)的功能进行重新组合、优化设计,对变电站全部设备的运行情况执行监视、测量、控制和协调的一种综合性的自动化系统。通过变电站综合自动化系统内各设备间相互交换信息,数据共享,完成变电站运行监视和控制任务。变电站综合自动化替代了变电站常规二次设备,简化了变电站二次接线。

2电网调度自动化

电网调度自动化主要是通过电子计算机运用自动化技术对电网进行调动,实现对整个电力运行系统的监控。从而确保了能够及时预测和处理电力运输过程中出现的安全隐患以及故障发生,从而达到合理分配电能的目的。电网调度自动化会带来很多有利的功效,首先,通过合理化的调度可以降低电能消耗,从根本上减少了能源浪费;其次,电网调度自动化为电能的安全运行提供了有力的保障。能够及时检测出可能导致电网异常运行的因素,并对之进行有效的处理,避免了因电网故障而发生的系统崩溃等严重情况;最后,电网调度作为电力系重要的组成部分,其自动化发展促进了电网建设进程的加快,有助于电力系统自动化的发展。

3计算机技术推动电力系统自动化技术的发展历程

上世纪八十年代单片机技术的发展,以及国产的工业计算机和PC机技术应用,促进了电力系统自动化设备的发展。自动化装置采用数字电路和模块化软件设计技术,具有了通信功能,数字式故障录波器、微机远动装置及巡回检测设备、微机继电保护装置性等一系列建立在计算机技术基础上的设备开始大量使用。计算机技术为电力系统调度自动化、电厂监控系统、变电站综合自动化奠定了基础。上世纪九十年代高性能工作站、服务器及软件技术、信息处理技术发展迅速,电网调度自动化系统、电厂监控、变电站自动化、配电自动化的技术水平上了一个新台阶。大幅度减少了电力电缆、通信电缆的用量,减少了占地面积从而降低了建设成本。增加了设备配置的灵活性、互换性和可维护性,提高了系统运行的可靠性。

4计算机技术的发展对电力系统自动化的影响

4.1计算机技术与电力设备出现电磁干扰现象随着电子计算机在电力系统中的使用,计算机中的处理器与电力设备之间很容易相互影响,在一定的条件下会对运行的设备和人员造成干扰现象,出现电磁不兼容的问题。电力系统十分复杂和庞大,包含很多不同功能的处理系统,各个系统彼此关联、互相影响,当前的技术对于电能的运行环境还没有达到控制在相对稳定的局面,一旦某一以微处理器为核心的微机型产品受到电磁的干扰,便会出现数据紊乱的状况,很容易导致整个供电系统的瘫痪或者数据丢失等严重故障。所以,如何保证电子计算机与管理系统的和谐融合一直是社会重点关注并有待解决的内容。

4.2计算机视觉技术在电力系统自动化中的应用计算技术觉技术在80年代取得了突破性进展。那么什么是计算机视觉呢？简单点说就是用机器的眼睛“看”世界,对计算机拍摄下来的图像进行多角度的处理,使人们更容易从中分析获取需要的信息。目前此项技术已经发展到各个应用领域,其中也包括了电力系统。因为随着电力系统规模的扩大,对供电要求的不断提高,在处理图像信息的过程中,要求工作人员的分析能力也越来越高,人脑已逐渐无法适应高速的计算能力,所以计算机视觉技术取代人脑来分析处理图像数据就成为了必然趋势。其高效率、高智能的处理器促进了电力系统向自动化的发展。

4.3计算机智能控制技术在电力系统自动化中的发展前景随着电力系统不断向自动化发展,电力调度技术慢慢告别了传统的手段,改为依靠以智能控制为核心的智能控制技术。这种技术使电力系统实现了从量变到质变的本质飞跃。控制技术的智能化强化了电力系统的安全稳定性,对复杂的指令进行有条理的处理,增强了电力系统的实用性和收益性。随着学者们对这种技术的研究,智能控制技术还拥有着十分广阔的发展前景。

5结语