计算机视觉综述精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的计算机视觉综述主题范文，仅供参考，欢迎阅读并收藏。

计算机视觉综述

第1篇：计算机视觉综述范文

关键词疲劳驾驶人眼、人脸嘴巴专利

中图分号：C18 文献标识码：A

0引言

造成交通事故的原因25%-30%产生于疲劳驾驶，因此疲劳驾驶已成为诱发交通事故的重要因素。国内外专家和学者针对疲劳驾驶的检测开展了大量的研究工作，目前研究的重心主要集中在基于计算机视觉的疲劳驾驶检测，因此对基于计算机视觉的疲劳驾驶检测的相关专利进行分析尤为必要。

1基于计算机视觉的疲劳驾驶检测专利申请数据分析

1.1全球专利申请量趋势

从图1可以看出，基于计算机视觉的疲劳驾驶检测专利申请量从1990-2001年间处于技术研发初期，专利申请量相对较少。从2002年开始该领域的专利申请量逐渐呈现持续增长趋势，并在2014年达到最大值153件。由此可知，随着疲劳驾驶的增多，人们对疲劳驾驶的检测也越来越重视，相应的研究也正不断增加。基于此，在今后的一段时间内，相关的专利申请量有望继续保持。

1.2专利申请产出地区分布

目前各领域的专利申请量主要集中在中国、美国、韩国、日本和欧洲，通过对该领域在中国、美国、韩国、日本和欧洲的专利申请量进行统计分析发现，中国的申请量以48%的占比雄居第一，其他几个地区的申请量相差不大，具体如图2所示。

1.3在华专利申请量变化趋势

图3为1990年至2014年基于计算机视觉的疲劳驾驶检测在华的申请量变化趋势图，由该图可以看出，1990-2002年是技术的萌芽期，在2003年以后申请量才呈现逐年增长的趋势，并且在2012年-2014年将均维持在较高的申请量。因此，该领域国内虽然起步较晚，但是最近几年申请量相对其他地区却具有压制性的优势。

1.4在华主要申请人分析

图4展示了在华主要申请人的申请量份额，主要以科研院所和大型汽车企业为主，其中吉利汽车公司以领先优势排名第一。

2主要技术分支的专利申请分析

基于计算机视觉的疲劳驾驶检测的主要技术分支有：基于人眼的驾驶疲劳检测、基于人脸的驾驶疲劳检测、基于嘴巴的疲劳检测。下面从三个技术分支的发展概况、三个技术分支的主要工作原理及重点专利等方面进行分析。

2.1全球专利申请主要技术分支的申请量趋势图

由图6可知，近年来基于人眼和人脸的驾驶疲劳检测的申请量呈现较快增长，申请量也较基于嘴巴的疲劳检测的申请量大，体现了该领域近年来的发展趋势，并体现出基于人眼和人脸的驾驶疲劳检测的技术分支发展已较为成熟。三个技术分支在2006年之前，申请量的差别不大且数量均较小，显示出在2006年以前三个分支的区别并不明显，发展也较为缓慢，这说明基于计算机视觉的疲劳驾驶检测也是近10年才兴起的一项技术，它依赖于图像处理技术的发展水平。

2.2在华专利申请主要技术分支的申请量趋势图

由图7可知，三个技术分支在2006年以前均只有零星的申请量，这与该领域在全球的发展情况相符合，基于人眼的疲劳驾驶检测在华申请量自2006年以来呈现稳步增长，且近年来申请量最大。基于人脸的疲劳驾驶检测申请量虽小于基于人眼的疲劳驾驶检测，但近年来的申请量也呈现出稳步增长的势头。然而，基于嘴巴的疲劳驾驶检测虽有增长趋势，但申请量一直都较小。由此可知，在国内疲劳驾驶的检测主要是采用人眼检测和人脸检测，这两个分支是国内的研究的热门，也是今后国内在该领域的发展趋势。

3结语

通过对基于计算机视觉的疲劳驾驶检测专利的申请量的总体分析，以及基于人眼、基于人脸、基于嘴巴三个技术分支的申请量趋势分析可知，基于计算机视觉的疲劳驾驶检测在近10年取得了较快发展，这与计算机图像处理技术的发展密不可分；同时，科研院所作为该领域研究的主体，应加强与中小企业的合作。国内疲劳驾驶的检测研究主要集中在人眼检测和人脸检测，这两个分支是国内的研究的热门，同时，基于人眼的疲劳检测其发展方向明确，后续发展将集中在眼睛定位算法的研究上，并且定位精度将越来越高，越来越满足实际的要求。

参考文献

[1] 朱淑亮.基于视频图像分析与信息融合的驾驶员疲劳检测技术研究[J].济南：山东大学，2011.

[2] 刘学.基于人脸图像分析的疲劳驾驶检测方法研究[J].南京：南京航空航天大学，2012.

[3] 张灵聪，王正国，朱佩芳，等.汽车驾驶疲劳研究综述[J].人类工效学，2003.

第2篇：计算机视觉综述范文

近年来，计算机视觉在安防领域的应用正备受关注，身份识别是核心问题。人脸识别是一种基于脸部特征信息进行身份识别的技术，人脸检测是其中的基础和关键部分。介绍了四种不同的人脸检测技术，分析了相关的算法和理论，概述了各自的优缺点。最后，讨论了人脸检测技术今后的研究方向及发展趋势。

【关键词】计算机视觉身份识别人脸检测

1 人脸检测问题综述

在国土安全和社会安全问题日益突显的背景下，世界各国家都对安防领域进行不遗余力地投入。随着计算机视觉技术的不断发展，基于生物特征识别的身份识别技术受到人们的广泛关注，在未来一段时间内生物识别技术将成为信息产业的一次革命。其中人脸识别技术作为一种极具潜力的生物识别方式，以其识别速度快，主动性强，性价比高等显著的技术优势，在各个领域都体现出了巨大的商业价值和社会价值。

人脸检测是人脸识别的前提和关键，一般采用相机实时采集含有人脸的图像或视频流，并自动在图像中对人脸进行检测和跟踪。人脸的自动检测是一项颇有难度的工作，主要体现在：（1）不同族群年龄等问题导致人脸的差异性。（2）人脸上的胡须等附属物对检测造成的干扰。（3）人体姿态变化和遮挡物存在对检测的影响。（4）环境和硬件条件对图像采集效果的影响。针对这些问题，国内外著名高校和科研机构进行了很多相关的研究，致力于解决在复杂背景下如何准确高效地进行人脸检测的问题。

2 实现人脸检测的相关技术

根据近年来计算机视觉领域人脸检测问题的研究进展，本文在这里进行总结性综述，目前人脸检测的方法可以分为基于知识和统计两类，有以下四种常用的检测算法。

2.1 模板匹配

模板匹配可以分成固定模板和变形模板。固定模板指的是根据先验数据归纳出一个统一的模板，然后根据一个能量函数确定被检测区域中和模板相关程度较高的位置，即人脸位置。由于不同人物之间脸部的差异性很大，加上环境等因素的影响，此方法并不具有很强的实用性。变形模板原理上和固定模板的操作方式相同，不过变形模板自身的参数模型在一定范围内具有可变性，因此检测的动态范围更大，检测效果相对较好一些。

2.2 样本学习

由于人脸的复杂性，显式描述十分困难，因此基于统计模式的检测方法受到了人们的广泛关注。此方法将人脸看做一种模式，通过对大量样本图像的机器学习完成分类器的构造，利用分类器实现对人脸的检测判别，在这里问题被转化为模式识别中的二分类的形式。

首先，需要建立一个样本空间，其中包括“人脸”和“非人脸”的正负两种样本，对样本图片归一化处理后，顺序展开后进行主分量分解，在大量样本形成的高维矩阵中计算其特征值和特征向量，然后采用一定的学习机制在特征空间中建立分类，以此可得到用来检测样本图片是否为人脸的正负判别规则式，二者为互斥关系。此检测方法具有较高的准确度，但是需要大量的正负样本图片，MIT等一些高校和研究机构建立了开放的人脸库。

2.3 人工神经网络

人工神经网络（ANN ）是将模式的统计特性包含在ANN的结构和参数中，对于人脸这类复杂的、难以显式描述的抽象型模式，这一检测方法具有其自身特别的优势。

神经网络方法本质上也是基于样本学习，首先使用经过预处理的“人脸”样本以及采用“自举”方法收集分类器错分的样本作为正负样本训练各个ANN，然后根据结果进一步对分类器进行修正，构造多层感知器（MLP）网络作为分类器对人脸进行检测。人工神经网络是并行分布式系统，采用了与传统人工智能和信息处理技术不同的原理，模拟大脑神经网络处理、记忆信息的方式进行目标检测。神经网络模型克服了传统的基于算数逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有自适应、自组织和实时学习的特点，应用在人脸检测问题中性能表现突出。

2.4 基于隐马尔可夫模型

隐马尔可夫模型（HMM）是一种双重随机过程，一种是有限状态的马尔可夫链，另一种是序列的观察值。由于只能通过观察值得到马尔可夫链的状态，因此称之为隐马尔可夫模型。对于人脸而言，可以把它分为前额、眼睛、鼻子、嘴巴、下巴五个部分来检测。根据这五个区域位置顺序不变性，可以分别用相应的观察向量序列检测每一个部分，使用一个包含五个状态的一维连续HMM来表示人脸。接着对各块进行KL变换，提取每块一些最大的特征向量作为观察值对HMM进行训练。此后，还提出了一种嵌入式隐马尔可夫模型，该方法除了将人脸划分为五块外，还在每块中从左至右嵌入了一个HMM。接着进行二维DCT变换，把变换后得到的系数作为训练值。

3 结束语

人脸检测是个发展很快的研究方向，人脸检测技术的发展趋势是利用多特征，多种分类方式进行启发式知识与统计学习方法的结合，未来对人脸检测的研究将会更注重其实时的应用，这就对检测算法的效率提出了更高的要求。另外，可以消除光照对人脸成像影响的红外人脸识别技术，加入相互对比机制的包含正脸、侧脸三维信息的人脸三维模型重建检测技术也正在研究当中。随着技术的不断进步和市场逐渐的规范化，人脸检测识别技术会越来越多地应用于社会的各个领域，在促进社会发展的同时方便人们的生活。

参考文献

[1]许燕，王维兰.基于视觉运动人脸检测技术的研究[J].计算机仿真， 2014（1）：434-437.

[2]孙宁，邹采荣，赵力.人脸检测综述[J].电路与系统学报，2006，11（6）：101-108.

作者简介

姚坤（1990-），男，现为聊城大学物理科学与信息工程学院硕士研究生，主要研究方向为机器视觉。

第3篇：计算机视觉综述范文

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.

第4篇：计算机视觉综述范文

一、数据融合

1.1概念的提出

1973年,数据融合技术在美国国防部资助开发的声纳信号理解系统中得到了最早的体现。

7年代末,在公开的技术文献中开始出现基于多系统的整合意义的融合技术。1984年美国国防部数据融合小组(dfs)定义数据融合为:“对多源的数据和信息进行多方的关联、相关和综合处理,以更好地进行定位与估计,并完全能对态势及带来的威胁进行实时评估”。

1998年1月,buchroithner和wald重新定义了数据融合:“数据融合是一种规范框架,这个框架里人们阐明如何使用特定的手段和工具来整合来自不同渠道的数据,以获得实际需要的信息”。

wald定义的数据融合的概念原理中,强调以质量作为数据融合的明确目标,这正是很多关于数据融合的文献中忽略但又是非常重要的方面。这里的“质量”指经过数据融合后获得的信息对用户而言较融合前具有更高的满意度,如可改善分类精度,获得更有效、更相关的信息,甚至可更好地用于开发项目的资金、人力资源等。

1.2基本内容

信息融合是系统所具备的一个基本功能,人类本能地将各感官获得的信息与先验知识进行综合,对周围环境和发生的事件做出估计和判断。当运用各种现代信息处理方法,通过计算机实现这一功能时,就形成了数据融合技术。

数据融合就是充分利用多传感器资源,通过对这些多传感器及观测信息的合理支配和使用,把多传感器在空间或时间上的冗余或互补信息依据某些准则进行组合,以获得被测对象的一致性解释或描述。数据融合的内容主要包括:

(1)数据关联。确定来自多传感器的数据反映的是否是同源目标。

(2)多传感器id/轨迹估计。假设多传感器的报告反映的是同源目标,对这些数据进行综合,改进对该目标的估计,或对整个当前或未来情况的估计。

(3)采集管理。给定传感器环境的一种认识状态,通过分配多个信息捕获和处理源,最大限度地发挥其性能,从而使其操作成本降到最低。传感器的数据融合功能主要包括多传感器的目标探测、数据关联、跟踪与识别、情况评估和预测。

根据融合系统所处理的信息层次,目前常将信息融合系统划分为3个层次:

(l)数据层融合。直接将各传感器的原始数据进行关联后,送入融合中心,完成对被测对象的综合评价。其优点是保持了尽可能多的原始信号信息,但是该种融合处理的信息量大、速度慢、实时性差,通常只用于数据之间配准精度较高的图像处理。

(2)特征层融合。从原始数据中提取特征,进行数据关联和归一化等处理后,送入融合中心进行分析与综合,完成对被测对象的综合评价。这种融合既保留了足够数量的原始信息,又实现了一定的数据压缩,有利于实时处理,而且由于在特征提取方面有许多成果可以借鉴,所以特征层融合是目前应用较多的一种技术。但是该技术在复杂环境中的稳健性和系统的容错性与可靠性有待进一步改善。

(3)决策层融合。首先

每一传感器分别独立地完成特征提取和决策等任务,然后进行关联,再送入融合中心处理。这种方法的实质是根据一定的准则和每个决策的可信度做出最优的决策。其优点是数据通讯量小、实时性好,可以处理非同步信息,能有效地融合不同类型的信息。而且在一个或几个传感器失效时,系统仍能继续工作,具有良好的容错性,系统可靠性高,因此是目前信息融合研究的一个热点。但是这种技术也有不足,如原始信息的损失、被测对象的时变特征、先验知识的获取困难,以及知识库的巨量特性等。

1.3处理模型

美国数据融合工作小组提出的数据融合处理模型,当时仅应用于军事方面,但该模型对人们理解数据融合的基本概念有重要意义。模型每个模块的基本功能如下:

数据源。包括传感器及其相关数据(数据库和人的先验知识等)。

源数据预处理。进行数据的预筛选和数据分配,以减轻融合中心的计算负担,有时需要为融合中心提供最重要的数据。目标评估。融合目标的位置、速度、身份等参数,以达到对这些参数的精确表达。主要包括数据配准、跟踪和数据关联、辨识。

态势评估。根据当前的环境推断出检测目标与事件之间的关系,以判断检测目标的意图。威胁评估。结合当前的态势判断对方的威胁程度和敌我双方的攻击能力等,这一过程应同时考虑当前的环境和对敌策略等因素,所以较为困难。

处理过程评估。监视系统的性能,辨识改善性能所需的数据,进行传感器资源的合理配置。人机接口。提供人与计算机间的交互功能,如人工操作员的指导和评价、多媒体功能等。

二、多传感器在林业中的应用

2.1在森林防火中的应用

在用modis(moderateresolutionimagingspectroradiometer)数据测定森林火点时的2、22、23波段的传感器辐射值已达饱和状态,用一般图像增强处理方法探测燃烧区火点的结果不理想。余启刚运用数据融合技术,在空间分辨率为1m的热辐射通道的数据外加入空间分辨率为25m的可见光通道的数据,较好地进行了不同空间分辨率信息的数据融合,大大提高了对火点位置的判断准确度。为进一步提高卫星光谱图像数据分析的准确性与可靠性,利用原有森林防火用的林区红外探测器网,将其与卫星光谱图像数据融合,可以使计算机获得gps接收机输出的有关信息通过与rs实现高效互补性融合,从而弥补卫星图谱不理想的缺失区数据信息,大大提高燃烧区火点信息准确度和敏感性。

2.2森林蓄积特征的估计

hampusholmstrom等在瑞典南部的试验区将spot-4×s卫星数据和carabas-iivhfsar传感器的雷达数据进行了融合,采用knn(knearestneighbor)方法对森林的蓄积特征(林分蓄积、树种组成与年龄)进行了估计。

knn方法就是采用目标样地邻近k个(k=1)最近样地的加权来估计目标样地的森林特征。研究者应用卫星光谱数据、雷达数据融合技术对试验区的不同林分的蓄积特征进行估计,并对三种不同的数据方法进行误差分析。试验表明,融合后的数据作出的估计比单一的卫星数据或雷达数据的精度高且稳定性好。

2.3用非垂直航空摄像数据融合gis信息更新调查数据

森林资源调查是掌握森林资源现状与变化的调查方法,一般以地面调查的方法为主,我国5年复查一次。由于森

林资源调查的工作量巨大,且要花费大量的人力、物力和资金。国内外许多学者都在探索航空、航天的遥感调查与估计方法。 trevorjdavis等22年提出采用非垂直的航空摄影数据融合对应的gis数据信息实现森林调查数据

的快速更新,认为对森林资源整体而言,仅某些特殊地区的资源数据需要更新。在直升飞机侧面装上可视的数字摄像装置,利用gps对测点进行定位,对特殊地区的摄像进行拍摄,同时与对应的gis数据进行融合,做出资源变化的估计或影像的修正。

试验表明,融合后的数据可以同高分辨率矫正图像相比,该方法花费少,精度高,能充分利用影像的可视性,应用于偏远、地形复杂、不易操作、成本高的区域,同时可避免遥感图像受云层遮盖。

三、数据融合在林业中的应用展望

3.1在木材检测中的应用

3.1.1木材缺陷及其影响

木材是天然生长的有机体,生长过程中不可避免地有尖削度、弯曲度、节子等生长缺陷,这些缺陷极大地影响了木材及其制品的优良特性,以及木材的使用率、强度、外观质量,并限制了其应用领域。在传统木制品生产过程中,主要依靠人的肉眼来识别木材缺陷,而木材板材表面缺陷在大小、形状和色泽上都有较大的差异,且受木材纹理的影响,识别起来非常困难,劳动强度大,效率低,同时由于熟练程度、标准掌握等人为因素,可能造成较大的误差。另外在集成材加工中,板材缺陷的非双面识别严重影响了生产线的生产节拍。因此必须开发一种能够对板材双面缺陷进行在线识别和自动剔除技术,以解决集成材加工中节子人工识别误差大、难以实现双面识别、剔除机械调整时间长等问题。

3.1.2单一传感器在木材检测中的应用

对木材及人造板进行无损检测的方法很多,如超声波、微波、射线、机械应力、震动、冲击应力波、快速傅立叶变换分析等检测方法。超声技术在木材工业中的应用研究主要集中在研究声波与木材种类、木材结构和性能之间的关系、木材结构及缺陷分析、胶的固化过程分析等。

随着计算机视觉技术的发展,人们也将视觉传感器应用于木材检测中。新西兰科学家用视频传感器研究和测量了纸浆中的纤维横切面的宽度、厚度、壁面积、壁厚度、腔比率、壁比率等,同时准确地测量单个纤维和全部纤维的几何尺寸及其变化趋势,能够区分不同纸浆类型,测定木材纤维材料加固结合力,并动态地观察木材纤维在材料中的结合机理。

新西兰的基于视觉传感器的板材缺陷识别的软件已经产业化,该软件利用数码相机或激光扫描仪采集板材的图像,自动识别板材节子和缺陷的位置,控制板材的加工。该软件还具有进行原木三维模型真实再现的计算机视觉识别功能,利用激光扫描仪自动采集原木的三维几何数据。

美国林产品实验室利用计算机视觉技术对木材刨花的尺寸大小进行分级,确定各种刨花在板中的比例和刨花的排列方向;日本京都大学基于视觉传感器进行了定向刨花板内刨花定向程度的检测,从而可以通过调整定向铺装设备优化刨花的排列方向来提高定向刨花板的强度。

在制材加工过程中,利用计算机视觉技术在线实时检测原木的形状及尺寸,选择最佳下锯方法,提高原木的出材率。同时可对锯材的质量进行分级,实现木材的优化使用;在胶合板的生产过程中,利用计算机视觉技术在线实时检测单板上的各种缺陷,实现单板的智能和自动剪切,并可测量在剪切过程中的单板破损率,对单板进行分等分级,实现自动化生产过程。wengert等在综合了大量的板材分类经验的基础上,建立了板材分级分类的计算机视觉专家系统。在国内这方面的研究较少,王金满等用计算机视觉技术对刨花板施胶效果进行了定量分析。

x射线对木材及木质复合材料的性能检测已得到了广泛的应用,目前该技术主要应用于对木材密度、含水率、纤维素相对结晶度和结晶区大小、纤维的结构和性质等进行检测,并对木材内部的各种缺陷进行检测。

3.1.3数据融合在木材检测中的应用展望

单一传感器在木材工业中已得到了一定程度的应用,但各种单项技术在应用上存在一定的局限性。如视觉传感器不能检测到有些与木材具有相同颜色的节子,有时会把木板上的脏物或油脂当成节子,

造成误判,有时也会受到木材的种类或粗糙度和湿度的影响,此外,这种技术只能检测部分表面缺陷,而无法检测到内部缺陷;超声、微波、核磁共振和x射线技术均能测量密度及内部特征,但是它们不能测定木材的颜色和瑕疵,因为这些缺陷的密度往往同木板相同。因此,一个理想的检测系统应该集成各种传感技术,才能准确、可靠地检测到木材的缺陷。

基于多传感器(机器视觉及x射线等)数据融合技术的木材及木制品表面缺陷检测,可以集成多个传统单项技术,更可靠、准确地实时检测出木材表面的各种缺陷,为实现木材分级自动化、智能化奠定基础,同时为集裁除锯、自动调整、自动裁除节子等为一身的新型视频识别集成材双面节子数控自动剔除成套设备提供技术支持。

3.2在精确林业中的应用

美国华盛顿大学研究人员开展了树形自动分析、林业作业规划等研究工作;auburn大学的生物系统工程系和usda南方林业实验站与有关公司合作开展用gps和其他传感器研究林业机器系统的性能和生产效率。

第5篇：计算机视觉综述范文

今年5月，美国亚马逊公司收购了一支欧洲顶级机器视觉团队用于无人机领域研究。同样在5月，英特尔集成电路公司收购了俄罗斯计算机视觉公司Itseez，用于无人驾驶领域；6月初，俄罗斯计算机视觉公司VisionLabs开发了一个通用的开源计算机视觉开发平台，Facebook与谷歌为其提供资金并测试开发成果……

而在国内，4月，维视机器人与ABB达成了以工业机器人、机器视觉为首要发展的共识，维视将加快工业机器人领域的产品升级，加强以智能视觉为核心的智能制造竞争优势；触景无限打造了集技术先进、性能卓越、成熟可靠、使用友好于一身的嵌入式视觉感知解决方案――Vision Card；旷视（Face++）多年来专注机器视觉技术的研发与应用，目前已经与国内多家Top级机器人厂商开展深度合作，力图赋予机器人一双眼睛看懂世界。

一系列的行业动态无疑表现出了机器视觉这项技术的火热程度和广阔前景。赛迪顾问电子信息产业研究中心高级咨询师向阳认为，从产业投资回报率分析，机器视觉前景广阔，值得投资。他说，尽管人工智能蓬勃发展，但依然有许多关键节点问题有待突破，机器视觉就是其中之一。目前的软硬件水平还不能让机器具备与人类似的视觉、听觉、嗅觉和触觉等感知力。

所谓机器视觉是指采用机器代替人眼来做测量与判断，通过计算机摄取图像来模拟人的视觉功能，实现人眼视觉的延伸。

通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。

商汤科技CEO徐立表示，机器视觉从整个的流程可以分为三大块，首先就是可以模拟人的眼睛。机器也像人一样，需要捕获更高质量的图像，它得到的影像和内容可能比人得到的更加清晰和完美。其次是感知。最后是对视频输入的识别。

另外，旷视（Face++）创始人印奇认为，要完成自然、快速的人机交互，机器人需要以实时视频流式传输方式将图像数据传递到本地专用服务器中，并通过核心的机器视觉算法对数据进行分析处理最终反馈结果，这是软硬一体化的应用场景。

当前，从全球产业发展来看，国际机器视觉市场正处于产业成熟期，未来3～5年欧美日机器视觉技术仍将有不断创新，国际机器视觉市场规模有望继续增长。国内机器视觉专利数量逐年增加，各大高校及企业纷纷投入精力在机器视觉领域进行研究。国内机器视觉公司如雨后春笋般出现、发展，预计到2020年前后，国内机器视觉将进入产业成熟期。

现在，虽然机器视觉的应用场景多聚集在智能制造领域，但随着新技术的不断涌现，这一应用技术将扩展至消费电子、可穿戴式设备、汽车先进驾驶辅助系统以及智能化监控等更贴近大众生活的领域。另外，在发展的过程中，诸多技术难点仍旧会成为阻碍因素，不过拥有一双“慧眼”的机器人必能轻松应对。

通过梳理应用场景、技术难点和行业趋势，《中国信息化周报》试图揭开机器视觉的神秘面纱。

应用场景机器视觉“玩”转多种场景

1生产组装

“我们研制的手眼力机器人在电脑主板生产线上，在机器视觉技术的作用下，可以精确地安装几毫米的电容。”《中国信息化周报》记者听到台湾工业研究所张所f教授在讲座中如此说到并以视频展示。视觉技术让机械手臂拥有3D视觉能力，可以靠视觉导引、定位，成为夹取物件的要件。除了视觉定位，手眼力协调机器人的关键技术还有矩阵的感测器，可以协助机器人知道抓取的位置与力量大小。机器人具备三大力量控制功能，第一，力量控制能顺应导引，让作业员能够牵着机械手臂来做教导机器做重复的事情。第二，人机安全。机器人一碰倒东西就会停下来，因为机器手臂有能力感测碰撞力量，接触到外物的碰撞和人的碰撞，机器手臂会立即停止。第三，能精确控制夹取力道，对于易碎物品、软性物品的夹取。由于视觉定位以及力量感测能力，使得普通的机器摇身一变成为更像人类的行为，可以协助作业员做更高端、更精密的组装检测工作。

2医疗器械缺陷检测

随着医疗水平和医疗器械的不断提高和更新，一次性注射针以其方便、卫生的特点深受用户的喜爱，其需求量也迅速增大，而针头外观的好坏直接影响到一次性注射针的质量。所以为了减少不合格品的数量，需要增加检测工序。

一次性注射针可以分为针座和针头两个部分。针座的缺陷对产品的质量影响可以不计。而针头就存在着两种缺陷情况：首先针头在制作过程中针尖部位可能会产生毛刺；其次针头在自动装配过程中可能会产生倒插现象（针尖部位入针座）。影响针头的缺陷为：针尖毛刺、倒插。其中倒插不仅会对产品的质量产生直接的影响，而且严重的会危害到人的生命。

通过利用自动化机器视觉检测系统使得光纤传感器感应到注射针，然后触发图像处理器拍摄图片，并进行图像分析处理，最后驱动剔除装置。目前的剔除方法则采用整排剔除，如果具有更高的自动化水平，可以为每个针座加装吸盘。

3电子焊接制造

在焊线技术中，因为芯片维度的缩小，需要较强大的影像放大功能。在此环境中，高质量的成像镜头系统必须满足特殊的最佳化需求。与一般影像处理技术相比，这里对照明、对比、失真或焦距深度等问题的要求，都逐一被放大。芯片、涂漆表面、图样与质地的质量对比可能会因为材质关系呈现出很大的相异性。在这些小型芯片中微小的偏移，将对影像的对比方面的质量造成很大影响。

另外，由于机器视觉工具绝佳的操作模式、可靠度及视觉算法的高准确度，其精度可高达亚像素区块。在印模或焊线机器中的主要影像处理作业决定芯片与位置，及其图样、边缘、圆圈及钻孔，从而很好地解决了芯片焊接过程中的诸多问题。

4空瓶检测

机器视觉空瓶检测系统主要由相机、镜头、光源、图像采集卡、PC平台和控制单元等六部分组成，各个部分之间相互配合，最终完成对酒瓶的质量检测和剔除。

在系统运行过程中，PLC负责及时地通知图像采集子系统启动CCD摄像机，抓拍处于拍摄位置的空瓶。为了达到这一目的，需要使用光电传感器来检测空瓶的位置。并将光电传感器安装到CCD摄像机拍摄位置旁，把输出接到PLC的I/O输入口上。当没有空瓶经过时，光电传感器可以接收到反射光束，没有输出信号，而当有空瓶经过时，光电传感器无法接收到返回的光束，于是输出触发信号。PLC从输入口接收到此信号后，即可判定空瓶已到达拍摄位置，从I/O输出口输出启动信号给图像采集系统，启动CCD摄像机，摄像机及时进行拍摄，获取被检空瓶的图像。

5汽车零部件制造

汽车行业产品的精度和质量都必须满足要求的这种需求正在与日俱增。因此，现在汽车行业生产的特点是越来越快的生产周期和大量原材料和零部件的供应。这就给机器视觉系统提供了用武之地，机器视觉正逐步被看做任何自动化解决方案中的一个完整的组成部分。

另外，在电子工业中，特别是像高精度的晶片位置识别或位置校正以及用于SMT（表面安装设备）装配零件检测这样的领域，几年来已经形成了这样的共识：现在要满足高质量和生产标准的唯一方式就是使用灵活的图像处理方法。不管怎样，机器视觉目前已经是不可缺少的了，即便是拥有能够提供最佳精度级别的三维自动装配和适应大量不同种类和改进种类装配线的汽车行业也不例外。

6葡萄糖药液质量检测

机器视觉在医疗领域的应用一直在不断进步，从传统的药品包装、药瓶、标签等视觉检测到目前对生物芯片的检测，放射科的X放射等，都引入了机器视觉系统，完成对图像信息的采集、存储、管理、处理及传输等功能，使得图像资料得以有效管理和充分利用。

以葡萄糖药液质量检测为例，传统的检测方法是将带检测的葡萄糖用人工的方式放在流水线上，流水线的速度由检测工人控制，当药品传送到检测工人面前时，检测工人在专用的灯箱下判断产品质量是否合格。

人工检测存在着很大的弊端，很难满足流水线的检测速度，无法实现实时、在线、非接触检测的检测，更无法适应现代的质量控制和统计流程控制。

而基于机器视觉技术的葡萄糖药液质量检测，可以实现无接触式的检测。根据葡萄糖药液杂质检测的特点设计了专用的视觉成像方案。待检测的葡萄糖药瓶被卡在转床上，转床旋转的时候带动药瓶高速旋转，用于机器视觉的专用LED光源安装在光源盒内，CCD摄像将拍摄到的图像传输到工控机。

在此过程中连续拍摄7幅图像，在这一序列的运动图像中，对运动目标进行识别，当识别到的目标超过规定的容许指标时，判断此瓶药液为不合格。

第6篇：计算机视觉综述范文

【关键词】计算机技术电力系统自动化应用

在电力系统的运行中会出现很多问题影响系统的正常运行，从而导致电力系统运行效率低下，故障频发。计算机技术在电力系统上的应用就是指通过计算机技术对电力系统运行中的各项数据进行收集和整理，进行科学化分析，从而对电力系统中的问题自动排解或辅助人们进行问题的判断和处理，有效保证电力系统的正常运行。

1 何为电力系统自动化

一个完整的电力系统包含多个方面，例如发电、电力传输、电压调整以及配电设施等。我们要想保证电力系统正常运行就必须对这几个环节中的设备，例如变压器、电线等，进行有效地监控、维护以及控制。由于这些工作的存在，所以电力系统自动化技术主要可以分为以下几个方面。

1.1 电力网络的调度实行自动化

电力网络的调度自动化是电力系统自动化的重要环节。在我国，电力网络的调度自动化是按五级进行管理，一是国家级调度，二是区域级调度，三是省级调度，四是地区市级调度，五是县乡级调度。电力网络的调度自动化主要是通过计算机网络技术、终端设备等，对整个电力运行状态数据进行分析，对电力运行问题进行预测，自动调度电力网络发电情况。

1.2 发电、变电的自动化

发电是整个电力系统的基础，变电站是发电厂与客户之间的重要衔接点。发电厂实行自动化管理不但节约生产成本，更有利于精细化的管理，切实有效地提高发电的效率和稳定性。变电站的自动化管理，主要是取代人工管理，保证变电站时时都保持监控状态，避免人工出现的漏洞，保证变电站的稳定安全长久运行。

2 计算机技术在电力系统自动化应用的发展方向

经过多年的计算机技术在电力系统自动化中的应用，我们已经积累了很多管理和技术经验，在未来的发展中，计算机技术在电力系统自动化应用中将会扮演着更加重要的角色。我们要充分利用这些经验，研发新技术，不断的革新，推进电力系统自动化的发展程度。未来基于计算机技术在电力系统自动化中的应用将会有以下几种发展方向。

2.1 智能化电力网络技术应用

智能化电力网络技术应用是电力系统自动化的重要发展方向。智能化电力网络技术主要是将发电厂、配电设备、输电线路、调度控制、电力用户管理等多个环节进行有效地整合，对整个电力系统的运行进行监控，对电力故障进行预警，从而保证电力系统的正常有效运行。如果智能化电力网络技术得不到深入的推广和应用，那么电力系统的自动化将很难实现。

智能化电力网络主要是将计算机技术应用于电力系统自动化网络中，通过与计算机技术的有效结合，既从技术角度保证电力系统的安全运行，又保证电力系统的信息数据及时传输和信息数据的准确性，大大地促进了我国电力发展程度，在电力系统自动化应用中起着至关重要的作用。

2.2 大力投入光电式互感器的建设

电流、电压等电力参数是电力系统自动化运行中的重要数据，在电力系统自动化中起着至关重要的作用，而能有效准确地提供这些参数的重要设备就是光电式互感器。在实际应用中，光电式互感器可以有效地将高电压、高电流按标准转化成标准电压和电流，保证这些参数在合理范围内，这样不但提高的测量设备的测量效率，还减少电力在传输过程中的损耗，最大限度提高电力控制的经济成果。需要我们注意的是，在实际工作使用中需要进行一定比例的控制，否则超出这个比例，将会是事倍功半。最近这些年，越来越多的高校和科研机构都在大力研究光电式互感器技术，投入更多的人力物力来研究，而且已经取得了很大的成效，将来，光电式互感器的发展前景会更加美好。

2.3 计算机视觉成像技术的开发应用

最近几年，人们越来越关注计算机视觉成像技术和红外线成像技术，这些技术在电力系统自动化中得到推广应用。在电力系统自动化中图像信息对整个系统的分析判断起着越来越重要的作用，还有其他如图像分析、信息处理等计算机技术的标准也不断的提高，变得更加严格。在某些情况下，必须有计算机技术代替人工进行图像的分析和处理。整个电力系统自动化的信息量非常巨大，而且信息的变化频率非常快，通常几秒甚至不到一秒就有所变化，假如不能及时的发现已经出现的问题或即将出现的问题，会造成不可巨大的损失。

根据上述的分析，计算机技术在电力系统自动化中的应用推广势在必行。因为，大量的变化的数据在整个电力系统自动化中进行不断的传输，只靠人工是无法有效准确的完成这项工作的，如果不能及时有效地处理这些信息数据，那么将会导致整个电力系统自动化运行出现问题。我们还要重视电力系统自动化中的网络通信技术，这项技术直接影响整体的电力系统自动化的正常运行，网络通信中的问题主要是各个环节之间的信息传递的准确及时。由此看出，我们必须借助计算机技术，将计算机技术广泛深入的应用于电力系统自动化中，保证整个电力系统的正常运行。

参考文献

[1]陈学利，李宏毅.现场总线技术在电力系统中的应用综述[J].科技信息（学术研究），2008（25）.

[2]中国电机工程学会电力系统自动化专业委员会2006全国电力系统自动化学术研讨会征文通知[J].电网技术，2006（07）.

[3]顿珠.试论电力系统故障及其对继电保护装置的要求[J].硅谷，2010（19）.

第7篇：计算机视觉综述范文

【关键词】空间推理数据查询空间分析信息挖掘

空间推理是根据地物要素的空间特性，运用合适的推理模型来推断出新事实的过程。在GIS应用中，主要通过要素的拓扑关系（邻接、关联、包含和连通等）和方向（东/西/南/北）约束来反演对象间的空间分布、形状、方向、距离等空间信息。近年来，空间推理已在地理信息系统、智能导航、机器人、计算机视觉等领域引起普遍关注。

空间推理的研究主要有两类基本的方法：基于区域连接的 RCC方法和基于点集的“9-交集”模型。RCC模型由Randell等提出，运用区域连接演算理论来表达空间区域的拓扑特征和拓扑关系；“9-交集”模型以实体为基础，对实体的内部、边界和外部区域做出界定，能够很好地将两个空间目标的交集是空、点、线或面4种情况区分开，通过9元组建立空间关系之间的概念邻接模型，推导空间关系的渐变过程，用于反映空间实体的变化过程。

空间推理在GIS中有多方面的利用，从数据查询、空间分析和信息挖掘三方面介绍。

一、数据查询

GIS空间数据建模与空间数据库设计时，既要表达空间实体，也要表达空间实体间的空间关系。而目前的传统关系数据库的查询语言因为只提供了对简单数据类型（如整数或字符）的相等或排序等操作，不能有效地支持空间查询。为了解决空间数据库在空间查询、分析与处理中的应用问题，需要空间查询语言的支持。例如，Arc/Info，Tiger等系统采用关系表法表达端点与弧段、弧端与面块之间的拓扑关联等空间关系，通过Macro语言方式将9-元组模型描述的结果（即：分离、相接、相交、包含/包含于、覆盖/覆盖于、相等）加入到查询命令中，加强了空间数据查询调取的可用性和高效性，比如查询长江流经的且与湖北省接壤的所有省份的名称就会变得很简单。通过空间关系的定义和应用，节省了大数据的存储空间，也便于进行数据的一致性检查、维护更新和查询统计。

二、空间分析

空间推理解决了空间分析中模型描述的问题，构成了空间分析的基础。空间分析处理了空间实体间的相互关系，如点模式识别是在处理点状目标之间的邻近关系与分布，叠置分析是处理多个空间目标之间的相交、覆盖等拓扑关系。从时空的角度来看，地理空间信息都是随时间变化的，这种变化不仅仅是空间目标的几何位置、形状、大小的变化，也可能包括目标间拓扑关系的变化。对时空关系的推理可以定量的分析出不同时间节点上空间图形结构的相似性程度，而基于拓扑变异和几何变异的分析可以表现数据的质量。

三、信息挖掘

拓扑信息作为最基本的一类空间信息，构成了空间关系的基础。通过空间推理发现数据背后隐藏的规律，可以更好的为智能化生活和自动化生产服务。目前空间推理已广泛应用于地理信息系统、机器人导航、高级视觉、自然语言理解、工程设计和物理位置的常识推理等方面，并且正在不断向其他领域渗透。

空间推理的发展方向是以人类认知模式为基础，融合不同的空间关系描述方法，同时考虑与GIS 的结合，完善空间关系理论、增强模型的实用性，建立更符合人类认知的空间关系描述体系，更好地解决实际问题。目前，三维、时空、模糊、层次等拓扑关系的形式化描述模型与表达方法，以及基于空间关系的认知、推理和存取等方面都是空间推理的研究方向。

参考文献

[1] 陈军，赵仁亮. GIS空间关系的基本问题与研究进展. 测绘学报[J]. 1999.28（2）：95-102

[2] 廖楚江，杜清运. GIS空间关系描述模型研究综述. 测绘标准化[J]. 2004年第4期. 79-82

[3] 蔡少华，翟战强. GIS基础空间关系分析 [J]. 测绘工程，1999，8（2）：38242

[4] 寇振华，应新洋，周国兵. GIS中拓扑关系及空间推理研究. 计算机应用研究[J]. 2005年第5期. 97-99

[5] 刘亚彬，刘大有. 空间推理与地理信息系统综述 [J]. 软件学报，2000，11（12）

[6] 杜世宏等. 不确定区域间拓扑关系定性推理. 测绘学报[J]. 2005年第4期. 349-354

[7] 孙海滨，李文辉. 基于结合空间拓扑和方向关系信息的空间推理. 计算机研究与发展[J]. 2006年第2期. 253-259

第8篇：计算机视觉综述范文

关键词：目标跟踪算法；目标识别；时空方向能量；外观模型；运动模型

中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2016）13?0041?05

Abstract： To reduce the impact of occlusion on target tracking performance， a target tracking algorithm based on spatiotemporal oriented?energy of adaptive update is proposed. With the algorithm， the moving target is tracked in preliminary according to its appearance model to compute the average motion vector， and then obtain the spatiotemporal oriented?energy feature of the target and construct the motion model. After that the target state is detected according to the motion model and state machine to generate the occlusion mask. For the target with different status and occlusion conditions， the appearance model and motion model of the target are self?adaptively updated by means of different parameters. In the experiment， two testing datasets （CAVIAR and York） commonly used in the world were adopted， and the indexes of average tracking error and multi?object tracking precision were employed to evaluate the tracking performance. The experimental results show that the proposed method has good target tracking performance， especially for strong robustness to target occlusion.

Keywords： target tracking algorithm； target identification； spatiotemporal oriented?energy； appearance model； motion model

0 引言

运动目标跟踪是计算机视觉领域的研究热点，在制导导航、人工智能、视频监控等领域应用广泛[1]。文献[2]提出的均值漂移（Meanshift）方法是目标跟踪领域的经典方法，其基本思想是利用概率密度的梯度爬升寻找局部最优，通过不断迭代跟踪目标的最优匹配点，实现目标跟踪。然而，该方法对目标遮挡和光线变化的鲁棒性较弱。如何提高目标跟踪算法对光线变化和目标遮挡及姿态变化的适应性是当前目标跟踪领域的难题之一。文献[3]提出了一种基于颜色纹理直方图的带权分块均值漂移目标跟踪方法，将目标划分为互不重叠的矩形分块，提取颜色直方图和局部二元模式特征，执行基于背景权重的Meanshift算法，提高Meanshift方法对姿态变化和部分目标遮挡的鲁棒性。文献[4]提出了一种基于SIFT特征和粒子滤波的目标跟踪方法，依据SIFT特征对光照、尺度以及仿射变换的不变性，提高目标跟踪对光照变化和部分遮挡的鲁棒性。文献[5]提出了一种增量视觉跟踪（Incremental Visual Tracker，IVT）方法，在目标跟踪过程中，采用增量主成分分析算法自适应更新目标整体外观模型，适应光照和姿态变化；在构建低维子空间过程中，引入一个遗忘因子，降低新数据对子空间构建的作用，从而降低短时部分遮挡对目标跟踪性能的影响。该方法对目标短时部分遮挡的跟踪性能较好，但对于全遮挡状态的跟踪结果并不理想。

针对部分遮挡和全遮挡条件下的目标跟踪难题，本文提出一种基于时空方向能量（Spatiotemporal Oriented Energies，SOE）和模型自适应更新的目标跟踪方法。SOE特征可以有效表征视频中连续时空方向结构的动态模式，已被成功用于动态纹理识别与场景理解、行为识别和视觉跟踪等计算机视觉领域[6]。本文将归一化的SOE特征作为跟踪线索，检测遮挡和进行跟踪。在现有基于外观模型和运动模型进行目标跟踪的基础上，提出了模型的自适应更新策略，避免非刚性目标在目标跟踪过程中模型受损；另外，本文利用状态机区分目标的遮挡部分和非遮挡部分，便于在跟踪过程中仅使用非遮挡部分的目标数据，而且还可以区分目标的部分遮挡和全遮挡状态，从而对不同状态采用不同的模型更新和跟踪策略，提升目标跟踪性能。

1 视频序列的SOE描述

2 基于SOE的目标跟踪

基于SOE的目标跟踪过程如图1所示，感兴趣目标采用外观和运动两个模型独立进行描述，外观模型用于像素跟踪器计算目标运动矢量，运动模型用于检测遮挡和构建遮挡掩膜，并估计目标状态。跟踪器基于像素亮度计算整个目标的平均运动矢量，由此提取SOE特征对目标的时空运动进行描述和建模。遮挡检测和遮挡掩膜用于定位遮挡区域，在模型更新时阻止遮挡区域的更新，从而避免目标模板的破坏，降低漂移现象对目标跟踪的影响。状态机用于估计跟踪过程中目标的运动状态，对于不同的运动状态采用不同的模型更新策略。目标模型在跟踪过程中自适应更新，降低遮挡引起的目标丢失或破坏问题。

3 实验结果与分析

为了验证本文方法的目标跟踪性能，选用国际上通用的CAVIAR[10]和York[11]两个监控视频数据库作为实验数据库，并与经典的Meanshift方法[2]和目前对目标短时部分遮挡性能最优的IVT方法[5]进行实验对比，从定性和定量两个层面评价本文方法的跟踪性能。

3.1 定性评价

限于篇幅，本文仅列举在York数据库的Pop?Machines视频中的部分目标跟踪结果，如图3所示。由图可见，三种方法在目标未遮挡前的跟踪结果基本一致，但目标遮挡后，本文方法的跟踪结果与目标实际位置误差明显最小，尤其是目标被全部遮挡之后，其他两种方法跟踪误差非常大，而本文仍能保持较小的跟踪误差。可见本文提出的目标跟踪方法对目标遮挡的鲁棒性强。

3.2 定量评价

本文采用目标跟踪领域常用的平均跟踪误差和多目标跟踪精确度两个指标来定量评价算法的跟踪性能[12]。

平均跟踪误差（Average Tracking Error，ATE）：所有跟踪目标中，跟踪到的目标中心点位置与目标中心点实际位置之间的欧氏距离的平均值。值越小性能越好。

4 结语

本文提出了一种基于SOE和模型自适应更新的目标跟踪方法，可以有效解决部分遮挡和全遮挡条件下的目标跟踪难题。主要设计思路包括两个方面：一是在遮挡检测方面，依据归一化的SOE特征检测遮挡和构建遮挡掩膜，结合状态机的思想区分目标的不同状态，便于在跟踪过程中避免使用遮挡部分的目标数据引起的漂移现象；二是在模型自适应更新方面，对于目标的外观模型和运动模型，结合遮挡掩膜和目标状态，采用不同的策略进行更新，有效避免模型在目标跟踪过程中受损，进而提高跟踪精度。通过在国际上通用的CAVIAR和York两个公共测试数据集上进行仿真实验，证实本文方法对目标部分遮挡和全遮挡状态都有较小的跟踪误差，总体跟踪性能指标优于传统目标跟踪方法。然而，本文方法使用了多个经验参数和阈值，有可能影响算法对复杂环境的适应能力，有待后续深入研究。

参考文献

[1] 杨威，付耀文，龙建乾，等.基于有限集统计学理论的目标跟踪技术研究综述[J].电子学报，2012，40（7）：1440?1448.

[2] COMANCIU D， RAMESH V， MEER P. Kernel?based object tracking [J]. IEEE transactions on pattern analysis & machine intelligence， 2003， 25（5）： 564?575.

[3] 李冠彬，吴贺丰.基于颜色纹理直方图的带权分块均值漂移目标跟踪算法[J].计算机辅助设计与图形学学报，2011，23（12）：2059?2066.

[4] 牛长锋，陈登峰，刘玉树.基于SIFT特征和粒子滤波的目标跟踪方法[J].机器人，2010，32（2）：241?247.

[5] ROSS D A， LIM J， LIN R S， et al. Incremental learning for robust visual tracking [J]. International journal of computer vision， 2008， 77（1/3）： 125?141.

[6] CANNONS K J， WILDES R P. The applicability of spatiotemporal oriented energy features to region tracking [J]. IEEE tran?sactions on pattern analysis & machine intelligence， 2014， 36（4）： 784?796.

[7] FREEMAN W T， ADELSON E H. The design and use of stee?rable filters [J]. IEEE transactions on pattern analysis & machine intelligence， 1991， 13（9）： 891?906.

[8] DERPANIS K G， WILDES R P. Dynamic texture recognition based on distributions of spacetime oriented structure [C]// Proceedings of 2010 IEEE Conference on Computer Vision and Pattern Recognition. San Francisco： IEEE， 2010： 191?198.

[9] BLACK M J， ANANDAN P. The robust estimation of multiple motions： parametric and piecewise?smooth flow fields [J]. Computer vision & image understanding， 1996， 63（1）： 75?104.

[10] Anon. Context aware vision using image?based active recognition [EB/OL]. [2001?06?11]. http：//homepages.inf.ed.ac.uk/rbf/CAVIAR/.

第9篇：计算机视觉综述范文

【关键词】视觉测量数字图像处理开放性实验

【中图分类号】G642 【文献标识码】A 【文章编号】1006-9682（2012）10-0001-03

一、引言

数字图像处理作为一门学科大约形成于20世纪60年代初期，并首次在航空航天领域取得了成功应用。数字图像处理技术的发展除了与计算机技术、信息技术的快速发展密切相关以外，还得益于其在航空航天、工业、生物医学、军事、通信工程、商务、环境、林业等诸多领域的广泛应用，正是这些应用需求，促进了数字图像处理技术的深入研究和快速发展。“数字图像处理”课程是随着计算机和信息技术发展应运而生的一门新兴课程，已成为信息类专业本科生的重要专业课。通过该课程的学习，要求学生掌握数字图像处理的基本概念和原理，能够对图像进行各种处理，如图像增强、图像运算、图像编码、边缘检测等，为图像通信、模式识别、计算机视觉以及其他交叉学科等工程领域的应用奠定基础。

“数字图像处理”课程的理论教学很抽象，仅仅通过理论教学学生很难掌握数字图像处理的基本原理。如果把数字图像处理的广泛应用引入课堂理论教学，将具体知识点与其在实践中的使用相结合，同时为学生提供边学边实践的机会，不仅可以提高学生的学习兴趣，加深对抽象理论知识的理解，增强其动手实践的能力，还可以拓展学生的视野，与目前学科前沿技术相衔接。

二、视觉测量技术

在现代三维测量新技术中，视觉测量是由计算机视觉、图像处理、模式识别等多学科交叉结合而形成的科学。图1所示，视觉测量是一种非接触性测量手段，以数字图像作为信息载体，对被测目标进行成像，通过提取多个像面的二维像点信息，标定相机内、外参数，并重建、优化被测目标的三维信息，实现测量。视觉测量基于严谨的理论和现代的硬软件设施，可以达到相当高的精度和可靠性，便于对大型工件、设备的尺寸、位置、三维轮廓等进行高精度测量，而且移动方便，可快速灵活地构建适于不同测量对象的系统，进行现场测量。目前，视觉测量技术已经广泛应用于建筑工程、航空航天、汽车制造、生物医学、考古等各个领域。[1～5]因此，视觉测量技术正在深入工业生产和社会生活的各个领域，研究和应用新的基于光学、数字图像和视觉信息融合的三维测量方法，既具有重要的理论意义，又具有重大的实用价值，应用前景非常广阔。

根据视觉测量的基本原理，利用数字图像处理技术获取的二维信息是视觉测量中相机标定、三维重建等环节的基础，对于系统的测量精度、稳定性等方面具有决定性的影响，是视觉测量领域的关键技术。在长期的数字图像处理课程教学以及视觉测量研究工作中发现，可以将视觉测量中关于数字图像处理的应用内容引入课堂教学中，与具体理论知识相结合，加深学生对于课程理论的理解，使其接触到科学研究的前沿内容。此外，通过设置开放性实验等环节，引导有兴趣和能力的学生进行实践能力的培养，使学到的知识“活”起来。

三、视觉测量与数字图像处理课程的融合

为了改善数字图像处理课程的教学效果，提高教学效率，将视觉测量技术与数字图像处理课程相融合，本文主要在教学方法和教学手段改革、视觉测量需求与理论知识点结合、实践动手能力提高等方面进行了研究。

1.教学方法和教学手段改革

为了贯彻学生是教育主体的教育思路，使学生学会学习，并充分激发学生的创新能力和素质培养，促进学生个性的发展，同时有利于师生彼此促进共同进步的原则，针对数字图像处理课程的特点，采取了以下措施：

（1）重视数字图像处理课程的基础理论教学。数字图像处理内容丰富，应用灵活广泛，但学生在掌握某些具体应用技术时感到理解困难。因此，在实际教学上，首先需要注重相关的基础理论教学。[6]例如，数字图像的本质是数字信号，所以在课程前期阶段，专门有针对性地复习和讲解了信号分析与处理方面的基本理论，包括数字信号处理的常用方法、离散傅里叶变换和快速傅里叶变换、离散余弦变换等，这些理论在数字图像处理课程中有具体应用。这不仅有利于对数字图像处理内容的掌握，也可以反过来加深对相关理论的理解。另一方面注意授课内容的精选，内容不在于多，而在于少而精，突出重点，使学生在有限学时内有最大的收获。例如，在频域空间进行图像增强时，不能将频域空间的所有方法都对学生讲授，而是突出讲解了关于频域空间与时域空间处理之间的关系，针对频域图像平滑介绍一种低频滤波器，分析其原理和特点。这样不仅节省了教学时间，而且重点突出，同时也引导学生查阅其他相关方法，让他们自己去动脑思考，提高其思维能力。

（2）完善和改革课堂教学方法。在课堂教学过程中，我们始终重视启发式教学，遵循“提出问题”、“启发式思考”、“解决问题”的教学过程，使用“问题教学法”引导学生去思考、分析问题，激发学生学习的积极性，提高教学效果。课堂开始时，根据授课内容，提前向学生抛出相关问题，在讲课过程中则围绕该问题讲解课程内容，最后提出问题的解决方法。例如，在讲解“直方图均衡化图像增强技术”一节内容时，首先向学生展示了两幅曝光不足和曝光过量的图片，并且为了提高学生的学习兴趣，认识数字图像处理的实际应用，图片取自于视觉测量、航空交会对接定位等领域的实际图片，向学生提问，“如果实际应用中，由于环境光的影响，拍摄到了这样的图片，应该怎么办？”课堂讲解过程中，随着直方图、直方图增强技术的理论、直方图均衡化方法等内容的展开，使学生逐渐理解并掌握直方图均衡化方法，最后，给学生演示了直方图均衡化方法的实现，并看到了利用该方法对图片增强前后的图片效果。这种启发引导式的课堂教学方法，取得了良好的效果。

（3）传统和现代化教学手段相结合。随着计算机、通信技术应用的迅速普及，国内高校的课堂教学已普遍采用了多媒体技术，利用计算机、投影仪、幻灯机等现代化教学设备，结合计算机辅助教学（CAI）展示教学内容。这些现代化技术的确为课堂带来了很多丰富多彩的教学手段。数字图像处理是以图像为处理对象，其输出的形式主要以图像和图形为主，该课程也十分适宜将教学内容制成课件，采用多媒体计算机开展现代化教学。借助多媒体，使学生较直观地看到各种图像的处理需求、处理过程、处理效果等，这是普通教材和参考资料所无法比拟的。因此，我们针对课堂教学需求，进行了多媒体课程教学资源建设，如教学大纲、教学日历、授课教案和课件等通过多媒体平成，便于讲课，同时也便于学生课后的复习。例如，将视觉测量原理、过程等，通过多媒体课件的形式演示出来，相比较口头介绍等方法具有更加直观的效果。除了多媒体教学手段，传统的板书式教学作为补充手段也在数字图像处理课程中得到应用，主要用在课堂教学内容框架展示、理论推导等方面。

2.视觉测量与理论知识点结合

为了提高算法对于目标特征的识别效果，视觉测量通常采用圆形或方形特征点（图2），在获取的图像中对特征的成像位置进行识别和精确定位。视觉测量对于图像处理的要求主要包括图像预处理、特征粗定位、特征精定位等内容，对应数字图像处理课程中的图像增强、边缘检测、特征识别、几何运算等知识点。[7]

图2 视觉测量常用特征点

（1）图像预处理。图像预处理的主要方法包括彩色图像灰度化、图像增强等，为此，在讲解彩色图像内容时，介绍了RGB、HSI等彩色模型以及不同彩色模型之间的转换，并引出如何将彩色信息转换成灰度信息。通过分析彩色表示模型，建立了彩色到灰度图像的转换。

向学生展示常用视觉测量图像效果的基础上，为了减少图像噪声的影响、提高图像识别效果，提出改善图像质量的目标，需要进行图像增强。结合图像增强中常用的直方图增强技术、空域和频域图像增强方法在视觉测量图像处理中的实际应用，给学生展示直观的处理效果，加深对图像增强方法的理解。

（2）特征点粗定位。数字图像处理的边缘检测是该课程比较重要的一部分内容，边缘检测中包含了多种方法，便于学生对不同边缘检测算法的作用效果有直观印象，将各种算法应用于视觉测量图像征点的边缘检测，并有针对性地选择相应参数，使学生不仅学习了各种边缘检测算法的使用，也看到了算法的特点。

根据视觉成像的特点，圆形特征点成像后一般为椭圆，所以，利用边缘检测得到的边缘像点数据，讲解用边缘点进行指定特征识别的方法，如基于Hough变换的特征检测方法。为了引导学生思考，采用启发式讲课方法，讲解了Hough变换检测直线的方法，引出如何用Hough变换检测像面上的圆或椭圆，并鼓励有能力的学生实现相应算法。

（3）特征点精定位。特征点精定位的目的是在实现特征点粗定位的基础上，对圆形特征点中心在像面上的精确坐标进行定位。精确定位主要设计到数字图像处理中的点运算，但需要考虑采用的具体定位算法，如灰度重心法、加权灰度重心法、椭圆拟合法等。引导学生通过文献资料查找和实现相关定位算法，并且与国际领先的专业软件进行定位精度对比。通过比较，可以使学生发现不同算法之间的区别，并分析不同的原因。进一步，引导学生尝试对定位算法做一定的改进，这种改进，不需要从算法根本上做出很大的创新，只是从某一方面进行微小的变化，使其能够适合特定的应用需求。例如，如果对视觉测量像面上特征点定位采用加权灰度重心法时，通过调整加权系数，得到不用的效果，从而分析加权系数对于定位精度的影响，并据此得出适用于该需求的结论。

四、开放性实验

长期以来，“数字图像处理”课程教学主要采用课堂理论教学，教学内容也多为经典的内容，很难反映课程内容的时代特征。实验教学是高等教育的重要组成部分，是抽象思维与形象思维、传授知识与训练技能相结合的过程，在人才培养中具有课堂理论教学环节不可替代的作用，对培养理工科大学生的创造性是不可缺少的。虽然目前大多数课程都设置了实践环节，但也普遍存在着很多问题，[8]例如，实验课成绩占课程成绩比例小，学生对实验的重视度不够，存在着抄袭他人实验结果和报告的现象；实验模式单一，实验内容陈旧、呆板，多为验证性实验，缺乏创新性和挑战性，学生完全处于被动状态，最终导致实验不认真，敷衍了事，所学的知识和操作技术遗忘快；不能保证每个学生都有充分的时间和机会做实验，个别学生逐渐养成依赖心理，最终只有一部分学生得到了锻炼；理论课与实验课教学老师分离，造成理论和实践环节脱节等。

针对目前“数字图像处理”课程实验的现状，根据视觉测量像面特征点定位需求，开设相关开放性实验项目“视觉测量特征点提取定位实验”，实验要求学生结合数字图像处理课程知识理论，对视觉测量采集的数字图像进行处理，提取相关特征点。针对视觉测量中常用的特征点（圆形、方形）进行自动检测，并实现高精度定位，主要实验内容包括：图像预处理、特征点粗定位、特征点精定位、算法设计与实现、实验结果分析等。

教师在开放性实验项目中承担的角色主要是方案设计和实施过程中的指导、监督，对方案的具体实现方法不做限制性要求，主要由学生结合课堂教学内容以及查阅文献资料来设计并完成。为了提高项目完成的效率，教师可以通过适当的引导为学生指出主要方向。

对于单个学生来说，这样的实验项目有些困难，“团队合作”也是新时期对科技人才素质的要求，所以可以通过建立项目小组的方式开展实验。小组成员将实验内容进行分工，每人负责不同的部分，通过相互合作、帮助，完成整个实验项目。通过这种形式，也在某种程度上锻炼了学生的团队合作意识和合作方法。

五、结束语

通过将视觉测量领域研究成果引入“数字图像处理”课程，并在教学方法、教学手段、教学内容、开放性实践等方面的改革和尝试，逐步做到科学研究成果与课堂理论教学的有机结合，不仅丰富了课程的教学内容，提高了学生的学习兴趣，加深了对理论知识的理解，而且使学生接触到科学研究的前沿领域，开拓了视野，对创新能力的培养锻炼等方面也具有重要意义。

参考文献

1 E.M. Mikhail， J.S. Bethel. Introduction to Modern Photogramme

-try[M]. New York： John Wiley & Sons，2001

2 胡安文、季铮、盛庆红.基于近景数字视觉测量的飞机表面模型重建[J].地理空间信息，2004（6）：23～25

3 Nicola D’Apuzzo. Overview of 3D surface digitization technologi-es in Europe[C]. Three-Dimensional Image Capture and Applications VI， Proc. of SPIE-IS&T Electronic Imaging， San Jose （CA），2006

4 刘常杰、邾继贵、叶声华.汽车白车身机器视觉检测系统[J].汽车工程，2000（6）：373～376

5 彭三城、孙星明、刘国华.三维人体自动测量技术综述[J].计算机应用研究，2005（4）：1～5

6 Wang Jun， Dong Mingli， Liang Bo. A fast target location method for the photogrammetry system[C].Proc. of SPIE-ISMCM， Beijing，2011

计算机视觉综述精选(九篇)

第1篇：计算机视觉综述范文

第2篇：计算机视觉综述范文

第3篇：计算机视觉综述范文

第4篇：计算机视觉综述范文

第5篇：计算机视觉综述范文

第6篇：计算机视觉综述范文

第7篇：计算机视觉综述范文

第8篇：计算机视觉综述范文

第9篇：计算机视觉综述范文

相关热门标签

相关文章阅读

相关期刊推荐

计算物理

计算机

计算数学

现代计算机

航空计算技术

精选范文推荐