導(dǎo)語(yǔ)：如何才能寫好一篇計(jì)算機(jī)視覺(jué)處理技術(shù)，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：計(jì)算機(jī)；視覺(jué)技術(shù)；應(yīng)用；分析

中圖分類號(hào)：TP37 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）03-0242-02

計(jì)算機(jī)人工智能技術(shù)中的一項(xiàng)重要技術(shù)就是計(jì)算機(jī)視覺(jué)技術(shù)，這種技術(shù)主要是讓計(jì)算機(jī)利用圖像來(lái)實(shí)現(xiàn)認(rèn)知環(huán)境信息的目的，這一目的的實(shí)現(xiàn)需要用到多種高尖端技術(shù)。近年來(lái)隨著計(jì)算機(jī)技術(shù)以及計(jì)算機(jī)網(wǎng)絡(luò)的普及與發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)也得到了較快發(fā)展，并且在實(shí)際生產(chǎn)與生活中的應(yīng)用也越來(lái)越廣泛。

1 計(jì)算機(jī)視覺(jué)技術(shù)概述

1.1 基本概念

計(jì)算機(jī)視覺(jué)技術(shù)主要研究計(jì)算機(jī)認(rèn)知能力的一門技術(shù)，其具體主要是通過(guò)用攝像機(jī)代替人的眼睛，用電腦代替人的大腦，最終使計(jì)算機(jī)具備類似于人類的識(shí)別、判斷以及記憶目標(biāo)的功能，代替人類進(jìn)行部分生產(chǎn)作業(yè)。人們目前研究的人工智能技術(shù)中的一項(xiàng)重要內(nèi)容就是計(jì)算機(jī)視覺(jué)技術(shù)，通過(guò)研究計(jì)算機(jī)視覺(jué)技術(shù)可以讓計(jì)算機(jī)擁有利用二維圖像認(rèn)知三維環(huán)境的功能?？偟膩?lái)說(shuō)，計(jì)算機(jī)視覺(jué)技術(shù)是在圖像與信號(hào)處理技術(shù)、概率分析統(tǒng)計(jì)、網(wǎng)絡(luò)神經(jīng)技術(shù)以及信息處理技術(shù)的基礎(chǔ)上，利用計(jì)算機(jī)來(lái)分析、處理視覺(jué)信息的技術(shù)，它是現(xiàn)代社會(huì)新興起的一門高新技術(shù)。

1.2 工作原理

在亮度滿足要求的情況下，首先使用攝像機(jī)對(duì)具體事物的圖像信息進(jìn)行采集，利用網(wǎng)絡(luò)把采集到的圖像信息向計(jì)算機(jī)內(nèi)部輸送，然后在計(jì)算機(jī)系統(tǒng)內(nèi)部處理加工圖像信息會(huì)把事物的原始圖像得到，隨后利用圖像處理技術(shù)進(jìn)一步處理原始圖像，獲得優(yōu)化質(zhì)量效果之后的圖像，分類與整理圖像中有特征價(jià)值的信息，通過(guò)智能識(shí)別技術(shù)識(shí)別與描述提取到的圖像信息特征，最后把得到的高層次的抽象信息存儲(chǔ)起來(lái)，在進(jìn)行識(shí)別事務(wù)時(shí)分析對(duì)比這些儲(chǔ)存信息就可以實(shí)現(xiàn)事物的識(shí)別，這樣視覺(jué)系統(tǒng)的基本任務(wù)也就完成了。其具體視覺(jué)系統(tǒng)如圖1所示：

1.3理論框架

人類研究視覺(jué)技術(shù)雖然起步比較早，但取得較大進(jìn)步是在20世紀(jì)80年代初伴隨著視覺(jué)計(jì)算理論的出現(xiàn)。它的出現(xiàn)把研究視覺(jué)理論的策略問(wèn)題解決了，視覺(jué)技術(shù)是一項(xiàng)特別復(fù)雜的信息處理過(guò)程，要想對(duì)視覺(jué)的本質(zhì)準(zhǔn)確完整的理解，必須從不同角度與層次研究與分析視覺(jué)本質(zhì)。視覺(jué)計(jì)算理論研究層次大致可分為：計(jì)算機(jī)理論、算法以及實(shí)際執(zhí)行。站在計(jì)算機(jī)理論的角度分析視覺(jué)技術(shù)，我們可知必須用要素圖、維圖、以及三維模型表像來(lái)描述視覺(jué)信息。

所以，可以把計(jì)算機(jī)視覺(jué)技術(shù)當(dāng)做從三維環(huán)境圖像中抽取、描述與解釋信息的過(guò)程，其主要分析步驟可分為感覺(jué)、處理、描述、識(shí)別、解釋等。若依據(jù)上述各過(guò)程實(shí)現(xiàn)需用到的方法與技術(shù)的復(fù)雜性劃分層次，可大致把計(jì)算機(jī)視覺(jué)技術(shù)劃分為：低層視覺(jué)處理、中層視覺(jué)處理、高層視覺(jué)處理三個(gè)層次。

2 計(jì)算機(jī)視覺(jué)技術(shù)在自動(dòng)化中的應(yīng)用

2.1 農(nóng)業(yè)自動(dòng)化中計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用

在農(nóng)業(yè)自動(dòng)化中應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)可以全天候?qū)崟r(shí)監(jiān)測(cè)農(nóng)作物的生長(zhǎng)狀況，便于科學(xué)管理農(nóng)作物。還可以應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)檢測(cè)農(nóng)產(chǎn)品的質(zhì)量，例如可以應(yīng)用計(jì)算機(jī)監(jiān)測(cè)技術(shù)來(lái)監(jiān)測(cè)大多數(shù)蔬菜的質(zhì)量，傳統(tǒng)的人工檢測(cè)蔬菜質(zhì)量的方法，不僅費(fèi)時(shí)費(fèi)力，而且檢測(cè)結(jié)果的準(zhǔn)確性也不能很好的保證，在實(shí)際人工檢測(cè)過(guò)程中還容易傷害蔬菜，可以通過(guò)利用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)感應(yīng)蔬菜自身釋放的紅外線、紫外線以及其他可見(jiàn)光的能量大小，然后和質(zhì)量達(dá)標(biāo)蔬菜的光線能量大小進(jìn)行對(duì)比，根據(jù)這些對(duì)比結(jié)果可以把蔬菜質(zhì)量的好壞準(zhǔn)確判斷出來(lái)，在蔬菜質(zhì)量檢測(cè)過(guò)程中應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)，把傳統(tǒng)的蔬菜檢測(cè)方法完全顛覆了，極大的方便了農(nóng)產(chǎn)品的質(zhì)量檢測(cè)，由此可見(jiàn)，計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)生產(chǎn)中有很高的使用與推廣價(jià)值。

2.2 在工業(yè)自動(dòng)化中計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用

計(jì)算機(jī)視覺(jué)技術(shù)在工業(yè)自動(dòng)化應(yīng)用的一個(gè)重要領(lǐng)域就是可以精密測(cè)量零件尺寸，其測(cè)量與被測(cè)對(duì)象的原理如圖2所示。

光學(xué)系統(tǒng)、計(jì)算機(jī)處理系統(tǒng)以及CCD攝像頭，是計(jì)算機(jī)檢測(cè)系統(tǒng)的主要組成，被測(cè)物體由光源發(fā)出的平行光束進(jìn)行照射，利用顯微光學(xué)鏡把待檢測(cè)部位的輪廓圖像呈現(xiàn)在攝像機(jī)的面陣CCD上，然后再通過(guò)計(jì)算機(jī)處理這些圖像，進(jìn)而把被測(cè)部位的輪廓位置信息獲取下來(lái)，若被測(cè)對(duì)象是出現(xiàn)位移時(shí)，可通過(guò)兩次重復(fù)測(cè)量，利用兩次測(cè)量的位置差就可以得出，被測(cè)物體的位移量。

此外計(jì)算機(jī)視覺(jué)技術(shù)還可以應(yīng)用于逆向工程中，應(yīng)用3D數(shù)字化測(cè)量?jī)x可以快速準(zhǔn)確的測(cè)出現(xiàn)有工件輪廓的坐標(biāo)值，同時(shí)還能構(gòu)建曲面，保存成CAD或CAM圖像，把這些圖像送入CNC制作中心加工，便可制作出產(chǎn)品，這也就是所謂的逆向工程。由上述分析我們可知逆向工程要想實(shí)現(xiàn)，最關(guān)鍵的一環(huán)就是如何通過(guò)精密測(cè)量系統(tǒng)來(lái)測(cè)量樣品的三圍尺寸，獲得各部位數(shù)據(jù)，進(jìn)而做曲面處理進(jìn)而加工生產(chǎn)。對(duì)于這一難題我可以通過(guò)利用線結(jié)構(gòu)光測(cè)量物體表面輪廓技術(shù)來(lái)實(shí)現(xiàn)，器具體輪廓結(jié)構(gòu)示意圖如下圖3所示。

這種測(cè)量方法的工作原理為：利用激光穿越平行、等距的振幅光柵組件，或直接采用干涉儀發(fā)出的干涉條紋，形成平面條紋結(jié)構(gòu)光，再向物體表面投射，由于物體各表面的深度與曲率的不同，條紋會(huì)自動(dòng)出現(xiàn)變化，然后再通過(guò)使用CCD攝像機(jī)對(duì)變形條紋進(jìn)行拍攝。這樣就可以把物體表面輪廓的變化情況分析出來(lái)。攝像機(jī)在拍攝圖像的過(guò)程中，把圖像信號(hào)轉(zhuǎn)化為模擬信號(hào)，再轉(zhuǎn)化為數(shù)字信號(hào)，然后經(jīng)過(guò)傳送再還原信號(hào)到圖形處理系統(tǒng)，就得到三維輪廓圖像。

在工業(yè)自動(dòng)化中計(jì)算機(jī)視覺(jué)技術(shù)的深入廣泛應(yīng)用，不但使工業(yè)產(chǎn)品的生產(chǎn)質(zhì)量得到了保障，而且跨越式的提高了工業(yè)產(chǎn)品的生產(chǎn)速度。如計(jì)算機(jī)視覺(jué)技術(shù)可以很好的檢測(cè)產(chǎn)品包裝質(zhì)量，封口質(zhì)量以及印刷質(zhì)量等等，如我國(guó)重點(diǎn)指定的印刷造幣機(jī)器的南京造幣廠，由于貨幣制造印刷是由印刷造幣機(jī)器來(lái)實(shí)現(xiàn)的，所以要嚴(yán)格要求其生產(chǎn)工藝，一絲一毫的生產(chǎn)差錯(cuò)都不允許存在，為了保障印刷制造出來(lái)的造幣機(jī)器質(zhì)量完全達(dá)標(biāo)，必須嚴(yán)格精確檢測(cè)生產(chǎn)出來(lái)的成品。在印刷造幣機(jī)器的過(guò)程中要求要有非常高的計(jì)算機(jī)視覺(jué)技術(shù)，隨著計(jì)算機(jī)視覺(jué)技術(shù)的不斷進(jìn)步，計(jì)算機(jī)視覺(jué)技術(shù)已經(jīng)對(duì)印刷造幣機(jī)器的需求完全滿足了，實(shí)際的應(yīng)用效果也非常理想，印刷造幣機(jī)器在實(shí)際生產(chǎn)的過(guò)程中，南京造幣廠把計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用在了每個(gè)應(yīng)刷造幣機(jī)器最后的生產(chǎn)工序上，硬幣受到重力下落的瞬間，計(jì)算機(jī)視覺(jué)技術(shù)可以瞬間采集圖像的信息，準(zhǔn)確拍攝硬幣在下落過(guò)程中的圖像，通過(guò)高速光纖傳感器可以把硬幣圖像向計(jì)算機(jī)系統(tǒng)快速傳輸，利用計(jì)算機(jī)系統(tǒng)處理信息與識(shí)別信息的超強(qiáng)能力，可以及時(shí)識(shí)別硬幣質(zhì)量，經(jīng)大量實(shí)踐研究得出，在印刷造幣機(jī)器上應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)已經(jīng)幾乎沒(méi)有檢查差錯(cuò)現(xiàn)象的發(fā)生，由此可知，在工業(yè)自動(dòng)化中計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用不但可行，而且發(fā)展空間還很大。

2.3 在醫(yī)學(xué)自動(dòng)化中計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用

在醫(yī)學(xué)領(lǐng)域計(jì)算機(jī)視覺(jué)技術(shù)也得到了廣泛應(yīng)用，如醫(yī)學(xué)中經(jīng)常用到的CT圖像以及X射線圖都用到了計(jì)算機(jī)視覺(jué)技術(shù)，這些技術(shù)的廣泛應(yīng)用很大程度上方便了醫(yī)生準(zhǔn)確判斷病人病情，另外，在生產(chǎn)藥品的過(guò)程中，應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)可以高效檢測(cè)藥品包裝的合格與否，其基本流程是：傳送裝置先準(zhǔn)確運(yùn)輸藥品到指定位置，傳送裝置自身又可分為檢測(cè)與分離兩個(gè)區(qū)域，在傳送藥品的過(guò)程中藥品的圖像信息會(huì)被特定的攝像機(jī)采集，采集完成后向計(jì)算機(jī)系統(tǒng)傳遞采集信息，然后計(jì)算機(jī)系統(tǒng)會(huì)分析與處理這些信息，把沒(méi)有包裝好的藥品自動(dòng)識(shí)別出來(lái)，并且向分離區(qū)傳遞識(shí)別信息，分離區(qū)的自動(dòng)裝置會(huì)依據(jù)傳輸?shù)姆蛛x信息，隔離開(kāi)沒(méi)有包裝好的藥品，這樣就可以有效分類包裝好的藥品與沒(méi)有包裝好的藥品，在藥品包裝檢測(cè)方面應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)代替?zhèn)鹘y(tǒng)人工檢測(cè)，不但可以實(shí)現(xiàn)藥品準(zhǔn)確無(wú)誤的檢測(cè)，而且還可以大大提高檢測(cè)藥品包裝質(zhì)量的效率，完善了藥品生產(chǎn)的自動(dòng)化，由此可見(jiàn)，在醫(yī)學(xué)自動(dòng)化中應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)可以積極促進(jìn)醫(yī)學(xué)自動(dòng)化的發(fā)展。

3 結(jié)束語(yǔ)

總之，計(jì)算機(jī)視覺(jué)技術(shù)是一門研究計(jì)算機(jī)識(shí)別能力的高新技術(shù)，它涵蓋了很多其他技術(shù)，具有一定復(fù)雜性。要想使其在自動(dòng)化生產(chǎn)中得到更好地推廣與應(yīng)用，我們必須在明白其基本概念、工作原理以及理論框架的基礎(chǔ)上，結(jié)合實(shí)際生產(chǎn)情況，不斷進(jìn)行深入研究，只有這樣才能使計(jì)算機(jī)視覺(jué)技術(shù)得到更好地推廣與應(yīng)用，才能使這項(xiàng)現(xiàn)代化的高新技術(shù)更好的服務(wù)于社會(huì)，服務(wù)于人類。

參考文獻(xiàn)：

[1] 龔超，羅毅，涂光瑜.計(jì)算機(jī)視覺(jué)技術(shù)及其在電力系統(tǒng)自動(dòng)化中的應(yīng)用[J].電力系統(tǒng)自動(dòng)化，2003（1）.

[2] 李永奎，劉冬.計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用[J].農(nóng)業(yè)科技與裝備，2011（6）.

篇2

1、引言

隨著經(jīng)濟(jì)的迅猛發(fā)展，汽車的迅速普及，根據(jù)社會(huì)對(duì)汽車產(chǎn)業(yè)的要求，車輛的各方面指標(biāo)都受到人們?cè)絹?lái)越多地關(guān)注，汽車涂裝過(guò)程中的瑕疵直接影響汽車的外觀質(zhì)量，因此如何在生產(chǎn)過(guò)程中利用計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)檢測(cè)出并及時(shí)修補(bǔ)汽車涂裝過(guò)程中產(chǎn)生的瑕疵就成了首要的任務(wù)[1]。本文的研究?jī)?nèi)容是首先了解計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)的工作原理，汽車涂裝瑕疵的種類，然后結(jié)合兩者的特點(diǎn)，應(yīng)用計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)檢測(cè)汽車涂裝瑕疵。該研究的價(jià)值在于兩方面：①對(duì)于汽車生產(chǎn)的自動(dòng)化和過(guò)程自動(dòng)化，計(jì)算機(jī)視覺(jué)是現(xiàn)實(shí)真正意義的自動(dòng)的基礎(chǔ)和一種重要的質(zhì)量控制的手段；②對(duì)于汽車涂裝瑕疵的修補(bǔ)可以提高其修補(bǔ)的精度。

2、汽車涂裝瑕疵的計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)

汽車涂裝瑕疵檢測(cè)系統(tǒng)主要包括照明系統(tǒng)、圖像采集卡、CCD攝像機(jī)、計(jì)算機(jī)以及軟件處理等幾個(gè)主要部分[2]。綜合計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)的構(gòu)成和線結(jié)構(gòu)光測(cè)量的原理，基于計(jì)算機(jī)視覺(jué)的汽車涂裝瑕疵的檢測(cè)系統(tǒng)大致是這樣構(gòu)成的：將線結(jié)構(gòu)光投射到被測(cè)物上，所形成的光斑作為傳感信號(hào)，用CCD攝像機(jī)采集光斑圖像，采集到的圖像信號(hào)被傳輸?shù)接?jì)算機(jī)，根據(jù)圖像處理和計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)的處理產(chǎn)生處理結(jié)果，返回到涂裝生產(chǎn)線，對(duì)車身的涂裝進(jìn)行修正，從而提高產(chǎn)品質(zhì)量。汽車涂裝瑕疵的視覺(jué)檢測(cè)系統(tǒng)如圖1所示[3]。

3、計(jì)算機(jī)視覺(jué)檢測(cè)

計(jì)算機(jī)視覺(jué)是計(jì)算機(jī)對(duì)圖像進(jìn)行自動(dòng)處理并報(bào)告“圖像中有什么”的過(guò)程，也就是說(shuō)它識(shí)別圖像中的內(nèi)容。圖像中的內(nèi)容往往是某些機(jī)器零件，而處理的目標(biāo)不僅要能對(duì)機(jī)器零件定位，還要能對(duì)其進(jìn)行檢驗(yàn)。計(jì)算機(jī)視覺(jué)系統(tǒng)基本原理：機(jī)器視覺(jué)系統(tǒng)通常采用CCD相機(jī)攝取圖像，將其轉(zhuǎn)化為數(shù)字信號(hào)，再采用先進(jìn)的計(jì)算機(jī)硬件與軟件技術(shù)對(duì)圖像數(shù)字信號(hào)進(jìn)行處理，從而得到所需要的各種目標(biāo)圖像特征值，并在此基礎(chǔ)上實(shí)現(xiàn)模式識(shí)別、坐標(biāo)計(jì)算、灰度分布圖等多種功能。計(jì)算機(jī)視覺(jué)系統(tǒng)能夠根據(jù)其檢測(cè)結(jié)果快速地顯示圖像、輸出數(shù)據(jù)、指令，執(zhí)行機(jī)構(gòu)可以配合其完成指令的實(shí)施。計(jì)算機(jī)視覺(jué)系統(tǒng)主要由圖像獲取、圖像分析和處理、輸出顯示或控制三個(gè)功能模塊組成[4]。視覺(jué)檢測(cè)按其所處理的數(shù)據(jù)類型可分為二值圖像、灰度圖像、彩色圖像和深度圖像的視覺(jué)檢測(cè)。另外，還有X射線檢測(cè)、超聲波檢測(cè)和紅外線檢測(cè)。一個(gè)完整視覺(jué)檢測(cè)系統(tǒng)包括：圖像采集、圖像分割、零件識(shí)別、模型匹配和決策判斷。Newman[5]等描述了利用深度圖像進(jìn)行零件檢測(cè)的AVI系統(tǒng)，具有一定的代表性。一個(gè)典型的AVI系統(tǒng)如圖2所示。

4、汽車涂裝瑕疵的檢測(cè)算法

由于汽車涂膜中一些缺陷的邊界比較模糊，例如：氣泡、爆裂氣泡孔、氣泡針孔、抽縮等等。邊緣處灰度變化很小，直接用傳統(tǒng)的微分邊緣檢測(cè)算法無(wú)法有效的檢測(cè)出來(lái)。所以對(duì)缺陷模糊邊緣的檢測(cè)成為了算法的關(guān)鍵[6]。本文介紹了基于線結(jié)構(gòu)光的邊緣檢測(cè)方法。汽車涂裝表面被光源投射器發(fā)出的線結(jié)構(gòu)光照射，反射出的圖像被CCD攝像機(jī)所接收傳輸?shù)接?jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)中。若涂裝表面沒(méi)有瑕疵，則產(chǎn)生圖3的圖像。若涂裝表面有瑕疵，則產(chǎn)生圖4的圖像[7]。

篇3

關(guān)鍵詞：計(jì)算機(jī)；視覺(jué)檢測(cè)技術(shù)；原理；應(yīng)用

中圖分類號(hào)：TP391.41

受到CIMS的推動(dòng)和影響，諸多企業(yè)的發(fā)展趨勢(shì)逐步趨向于個(gè)性化以及自動(dòng)化，這種大的發(fā)展趨勢(shì)間接的對(duì)我國(guó)的計(jì)算機(jī)輔助技術(shù)提出了更高的要求，計(jì)算機(jī)相關(guān)技術(shù)的發(fā)展面臨著更加嚴(yán)峻的挑戰(zhàn)。就現(xiàn)階段分析來(lái)看，計(jì)算機(jī)輔助檢測(cè)技術(shù)在現(xiàn)代諸多企業(yè)中得到了廣泛的應(yīng)用。隨著柔性制造系統(tǒng)的不斷進(jìn)步與發(fā)展，驅(qū)動(dòng)圖像處理軟件、現(xiàn)場(chǎng)總線技術(shù)的日趨成熟，檢測(cè)系統(tǒng)的靈敏性、智能化特點(diǎn)愈發(fā)受到人們的關(guān)注，在這種大的發(fā)展趨勢(shì)之下，計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)得到了較快的發(fā)展。基于計(jì)算機(jī)視覺(jué)系統(tǒng)現(xiàn)已經(jīng)廣泛應(yīng)用于現(xiàn)場(chǎng)監(jiān)控、工況監(jiān)視等諸多環(huán)境之中。

1 關(guān)于對(duì)視覺(jué)技術(shù)的相關(guān)研究

1.1 基于計(jì)算機(jī)的視覺(jué)檢測(cè)技術(shù)的原理分析和探究

圖像技術(shù)主要指的就是通過(guò)各種途徑所實(shí)現(xiàn)的對(duì)圖像的獲取以及進(jìn)一步的深入加工和處理技術(shù)。根據(jù)視覺(jué)檢測(cè)技術(shù)的抽象程度以及對(duì)圖像處理方式的不同，可以大致將圖像的處理和加工技術(shù)劃分為三個(gè)最主要的層次，這三個(gè)層次分別是圖像的加工處理、圖像的分析以及對(duì)于圖像的理解。將這三個(gè)層次進(jìn)行進(jìn)一步的結(jié)合，便是圖像工程。計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)是一門新興的計(jì)算機(jī)檢測(cè)技術(shù)，該技術(shù)建立在對(duì)計(jì)算機(jī)視覺(jué)研究的基礎(chǔ)之上，吸收和借鑒相關(guān)的研究成果，借助于傳感器來(lái)實(shí)施三維測(cè)量，進(jìn)而有效獲得被測(cè)物體的空間具置信息，故而可以很好的滿足當(dāng)代制造業(yè)的發(fā)展需求。區(qū)別于一般的圖像處理系統(tǒng)，計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)所獲取的相關(guān)數(shù)據(jù)信息更為精準(zhǔn)和迅速，其環(huán)境適應(yīng)性更強(qiáng)。

基于計(jì)算機(jī)的視覺(jué)檢測(cè)技術(shù)注重計(jì)算理論的輔導(dǎo)作用，以應(yīng)用為目標(biāo)進(jìn)行視覺(jué)技術(shù)分析。自上世紀(jì)七十年代以來(lái)，我國(guó)關(guān)于對(duì)計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)的研究又取得了顯著的進(jìn)步，并且逐步邁入更為實(shí)質(zhì)性的研究階段，在該階段中，逐步開(kāi)始從通過(guò)從多個(gè)角度（諸如光學(xué)角度、生理學(xué)角度以及投影射影角度等等）對(duì)其成像問(wèn)題加以分析。以Marr為代表的專家更是建立了一些一般性的視覺(jué)性處理模型來(lái)輔助該技術(shù)的研究。

1.2 視覺(jué)檢測(cè)技術(shù)中傳感器的作用

在計(jì)算機(jī)的控制下配有相關(guān)的視覺(jué)檢測(cè)系統(tǒng)，在該視覺(jué)檢測(cè)系統(tǒng)中，主要有三個(gè)主要方面的主要作用：第一，對(duì)于視覺(jué)傳感器模型的分析以及確定；第二，進(jìn)行圖像數(shù)據(jù)分散與整理的相關(guān)工作；第三，CAD模型的建立。傳感器的主要作用就是對(duì)測(cè)量棒材的多個(gè)截面進(jìn)行分析，將所收集得到的數(shù)據(jù)經(jīng)由圖像采集卡采集后，傳到相關(guān)的圖像處理系統(tǒng)中，進(jìn)而進(jìn)一步輔助準(zhǔn)確的模型的建立。

2 基于計(jì)算機(jī)的視覺(jué)檢測(cè)技術(shù)的應(yīng)用研究分析

2.1 基于計(jì)算機(jī)的視覺(jué)檢測(cè)技術(shù)的發(fā)展?fàn)顩r研究

在研究的初步階段，相關(guān)技術(shù)人員借助于數(shù)字化的圖像處理技術(shù)，主要就是為了進(jìn)一步提高所獲得的數(shù)字照片的清晰度和質(zhì)量要求，進(jìn)而更為精準(zhǔn)、科學(xué)、規(guī)范的對(duì)照片所提供的信息加以辨別，為航空衛(wèi)星圖片的讀取、識(shí)別和分類做準(zhǔn)備。在這一系列的視覺(jué)工作中，其中最為主要和常見(jiàn)的工作主要是包括分類、識(shí)別判讀以及三維結(jié)構(gòu)的構(gòu)建。

基于計(jì)算機(jī)的視覺(jué)檢測(cè)技術(shù)借助于對(duì)計(jì)算機(jī)視覺(jué)技術(shù)，將所獲得的被觀察物品的相關(guān)信息加以信號(hào)轉(zhuǎn)換，并傳遞給圖像處理系統(tǒng)，圖像處理系統(tǒng)通過(guò)甄別和判斷不同照片像素的分布和亮度等訊息，將其進(jìn)一步轉(zhuǎn)換成為數(shù)字化信號(hào)，接下來(lái)由計(jì)算機(jī)的圖像系統(tǒng)抽出符合目標(biāo)特征的信號(hào)加以運(yùn)算，對(duì)下一步的設(shè)備動(dòng)作加以決定和執(zhí)行。

就現(xiàn)階段而言，我國(guó)的計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)系統(tǒng)在諸多領(lǐng)域均有所應(yīng)用，最為典型的領(lǐng)域諸如醫(yī)學(xué)的輔助診斷、機(jī)器人的感應(yīng)系統(tǒng)、智能化的人機(jī)接口等均是建立在該技術(shù)的基礎(chǔ)之上。借助于計(jì)算機(jī)視覺(jué)技術(shù)這一手段，可以有效提高對(duì)產(chǎn)品檢測(cè)的效率，提高精準(zhǔn)度，這種新型的視覺(jué)檢測(cè)技術(shù)相比較于傳統(tǒng)的人眼在流水線上的跟進(jìn)，其具有顯著的優(yōu)越性，其獲取測(cè)量結(jié)構(gòu)迅速、檢測(cè)結(jié)果可以直接被觀察、可以進(jìn)行自動(dòng)識(shí)別以及定位準(zhǔn)確和實(shí)時(shí)性的特點(diǎn)，這就很好的避免了由于人的一些主觀性因素所導(dǎo)致的誤差出現(xiàn)。

二十世紀(jì)以來(lái)，基于生物特性的計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)得到了空前的發(fā)展，具體表現(xiàn)在人臉識(shí)別、生硬識(shí)別、指紋識(shí)別以及虹膜的識(shí)別中，形式日趨靈活和復(fù)雜多變。借助于計(jì)算機(jī)的視覺(jué)檢測(cè)技術(shù)，可以有效對(duì)用戶的身份進(jìn)行鑒定和識(shí)別、判定用戶的特殊信息等。除此之外，還可以將基于計(jì)算機(jī)的視覺(jué)識(shí)別技術(shù)逐步推廣到其他領(lǐng)域，如海關(guān)的安全檢查以及出口、入口的安全控制等領(lǐng)域。

2.2 基于計(jì)算機(jī)的視覺(jué)檢測(cè)技術(shù)的相關(guān)應(yīng)用分析

2.2.1 數(shù)碼相機(jī)中所采用的圖像采集技術(shù)

視覺(jué)檢測(cè)技術(shù)的一個(gè)顯著特點(diǎn)就是有效提高了生產(chǎn)的柔性和自動(dòng)化程度，本世紀(jì)以來(lái)，數(shù)碼相機(jī)憑借其高分辨率，快速成像、顯像，功能豐富多變以及性價(jià)比較高的特定風(fēng)靡全球，逐步取代了傳統(tǒng)的照相機(jī)，傳統(tǒng)的照相機(jī)主要采用的是CCD 攝像頭，其主要的核心及時(shí)采集卡，顯然這種采集系統(tǒng)已經(jīng)逐步落后于時(shí)展的腳步，現(xiàn)已逐步被淘汰。

2.2.2 微文字識(shí)別系統(tǒng)的相關(guān)研發(fā)和設(shè)計(jì)

隨著科學(xué)技術(shù)的不斷進(jìn)步與發(fā)展，大規(guī)模集成電路得到了較快的進(jìn)步，基于計(jì)算機(jī)的視覺(jué)檢測(cè)系統(tǒng)的成本得到了極大的降低，基于計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)的微文字識(shí)別系統(tǒng)的研發(fā)也被提到了日程中來(lái)。微文字識(shí)別系統(tǒng)的處理芯片大多是借助于數(shù)字信號(hào)處理芯片來(lái)實(shí)現(xiàn)圖像的識(shí)別，進(jìn)而借助先進(jìn)的語(yǔ)音合成技術(shù)將朗讀變?yōu)榭赡?。此外，為了便于使用，該系統(tǒng)的體積被盡可能的縮小，并且可根據(jù)美觀度和實(shí)用性等設(shè)計(jì)為各種形狀。

2.2.3 特殊用紙水印在線檢測(cè)系統(tǒng)

基于計(jì)算機(jī)的視覺(jué)檢測(cè)技術(shù)可以在某一特定領(lǐng)域代替人的主觀判斷，諸如水印質(zhì)量的自動(dòng)檢測(cè)方面。區(qū)別于普通的工作人員，計(jì)算機(jī)可以實(shí)現(xiàn)長(zhǎng)時(shí)間工作，對(duì)于誤差范圍的控制可以通過(guò)設(shè)置等實(shí)現(xiàn)，而且在計(jì)算機(jī)執(zhí)行任務(wù)期間，所受到的客觀和主觀因素相對(duì)較少，這就極大程度上避免了由于人的因素所導(dǎo)致的失誤性操作，進(jìn)而有效提高了工作效率以及檢測(cè)的精準(zhǔn)度。這一優(yōu)點(diǎn)，在水印質(zhì)量標(biāo)準(zhǔn)的認(rèn)定中具有十分重要的意義和作用，通過(guò)研發(fā)一定的程序和軟件，可以制定出一套操作性強(qiáng)、權(quán)威性較高的水印清晰度量化標(biāo)準(zhǔn)。

3 基于計(jì)算機(jī)的視覺(jué)檢測(cè)技術(shù)的發(fā)展展望

綜合分析來(lái)看，計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)現(xiàn)已有大約四十年的歷史，作為一種新興的檢測(cè)技術(shù)，該技術(shù)的顯著優(yōu)越性不言而喻，該檢測(cè)技術(shù)以其高精度、反應(yīng)靈敏迅速、智能化、自動(dòng)化等特點(diǎn)被廣泛應(yīng)用于諸多領(lǐng)域和行業(yè)之中，并取得了顯著的成，可以說(shuō)，該技術(shù)具有十分廣闊的發(fā)展前景。但是，不可否認(rèn)，基于計(jì)算機(jī)的視覺(jué)檢測(cè)技術(shù)并不是十分的成熟，在其設(shè)計(jì)和研發(fā)過(guò)程中仍然存在著諸多不足，而且視覺(jué)檢測(cè)技術(shù)是一項(xiàng)設(shè)計(jì)到心理、生理等多方面知識(shí)的復(fù)雜性技術(shù)，涉及領(lǐng)域眾多，更強(qiáng)大功能的實(shí)現(xiàn)需要人類知識(shí)的不斷拓展和延伸，因此，必須意識(shí)到該檢測(cè)技術(shù)發(fā)展道路上的困難和挑戰(zhàn)。

4 結(jié)束語(yǔ)

隨著科學(xué)技術(shù)的不斷進(jìn)步與發(fā)展，經(jīng)濟(jì)的發(fā)展對(duì)于新技術(shù)的研發(fā)提出了更高的挑戰(zhàn)，再者由于廣大人民群眾生活質(zhì)量的不斷提高，對(duì)于生活水平也有了進(jìn)一步的認(rèn)識(shí)和了解?；谟?jì)算機(jī)的視覺(jué)檢測(cè)技術(shù)的研發(fā)和進(jìn)步，無(wú)疑更好推動(dòng)了高速發(fā)展的經(jīng)濟(jì)，不斷滿足了人民群眾日益提高生活需求。由此來(lái)看，深入對(duì)視覺(jué)檢測(cè)技術(shù)的研究和探究無(wú)疑具有十分重要的作用，筆者衷心希望，以上關(guān)于對(duì)我國(guó)基于計(jì)算機(jī)的視覺(jué)檢測(cè)技術(shù)的相關(guān)探究能夠被相關(guān)負(fù)責(zé)人合理的吸收和采納，進(jìn)而更好的推動(dòng)科學(xué)技術(shù)的創(chuàng)新和進(jìn)步，推動(dòng)經(jīng)濟(jì)的不斷進(jìn)步與發(fā)展。

參考文獻(xiàn)：

[1]李旭港.計(jì)算機(jī)視覺(jué)及其發(fā)展與應(yīng)用[J].中國(guó)科技縱橫，2010（06）：42.

[2]張江明，張娟.淺談制造業(yè)中計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)的應(yīng)用與發(fā)展[J].科技創(chuàng)新導(dǎo)報(bào)，2011（24）：1.

篇4

【關(guān)鍵詞】Opencv;計(jì)算機(jī)視覺(jué)技術(shù);系統(tǒng);研究

隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，計(jì)算機(jī)設(shè)備逐漸被應(yīng)用到社會(huì)生活的各個(gè)方面，尤其是在當(dāng)前計(jì)算機(jī)視覺(jué)技術(shù)和圖像處理技術(shù)快速發(fā)展的時(shí)期，各個(gè)科技領(lǐng)域中的計(jì)算機(jī)視覺(jué)技術(shù)已經(jīng)逐漸成熟。計(jì)算機(jī)視覺(jué)技術(shù)主要是利用計(jì)算機(jī)智能化來(lái)替代人眼，即對(duì)于客觀存在的三維立體化世界的理解和識(shí)別，整個(gè)實(shí)現(xiàn)過(guò)程均是以計(jì)算機(jī)技術(shù)作為基礎(chǔ)。隨著計(jì)算機(jī)視覺(jué)技術(shù)的不斷發(fā)展，現(xiàn)今其已逐漸成為了一門神經(jīng)生理學(xué)、計(jì)算機(jī)工程、信號(hào)學(xué)、物理學(xué)、應(yīng)用數(shù)學(xué)等綜合性學(xué)科。計(jì)算機(jī)視覺(jué)技術(shù)系統(tǒng)其在高性能計(jì)算機(jī)基礎(chǔ)之上來(lái)實(shí)現(xiàn)對(duì)大量數(shù)據(jù)的獲取，并且通過(guò)智能算法來(lái)對(duì)獲取數(shù)據(jù)進(jìn)行處理，從而完成對(duì)數(shù)據(jù)集成。

一、視頻中運(yùn)動(dòng)物體檢測(cè)原理

對(duì)于視頻中的運(yùn)動(dòng)物體檢測(cè)主要分為兩中方法，其一為宏觀檢測(cè)法;其二為微觀檢測(cè)法。宏觀檢測(cè)法是對(duì)獲得的整幅圖像進(jìn)行檢測(cè)，而微觀檢測(cè)法則是對(duì)所需要的區(qū)域進(jìn)行圖像檢測(cè)。視覺(jué)技術(shù)在檢測(cè)運(yùn)動(dòng)物體的時(shí)候，首先對(duì)圖像進(jìn)行采集，并對(duì)采集的信息數(shù)據(jù)進(jìn)行預(yù)處理，將圖像進(jìn)行分割，然后分別提取運(yùn)動(dòng)物體的影象，從而實(shí)現(xiàn)參數(shù)的更新。圖像采集過(guò)程中采用背景差分法，實(shí)現(xiàn)對(duì)背景圖像的提取，其通過(guò)一定算法采用人為手段獲取沒(méi)有背景的圖像。另外在進(jìn)行運(yùn)動(dòng)物體檢測(cè)的時(shí)候還可以采用幀間差分法，其主要是實(shí)時(shí)獲取幀圖，然后實(shí)現(xiàn)一幀一幀圖像比值的比較，從而獲取具有差值的圖像。運(yùn)動(dòng)物體進(jìn)行檢測(cè)的時(shí)候需連續(xù)獲取幀圖，將這些幀圖組合起來(lái)，其實(shí)就是物體的運(yùn)動(dòng)軌跡，然后同分割技術(shù)就能勾勒出物體的輪廓。隨著計(jì)算機(jī)視覺(jué)技術(shù)的不斷深入研究，發(fā)現(xiàn)此兩種方法單獨(dú)使用仍然存在的一些缺點(diǎn)，于是研究人員將二種檢測(cè)方法進(jìn)行融合，形成一種綜合檢測(cè)方法。綜合檢測(cè)法將兩者檢測(cè)方法的優(yōu)勢(shì)進(jìn)行了融合，并將其靈活的應(yīng)用到了生產(chǎn)和生活之中，取得了十分不錯(cuò)的效用。

二、基于Opencv的計(jì)算機(jī)視覺(jué)技術(shù)探究

（一）基于Opencv的運(yùn)動(dòng)物體檢測(cè)

運(yùn)動(dòng)物體在進(jìn)行檢測(cè)的時(shí)候，基于Opencv的檢測(cè)原理主要為：根據(jù)物體某項(xiàng)特定信息，例如，顏色、輪廓、性狀等，在復(fù)雜背景中利用這些特定的信息將物體分離出來(lái)。整個(gè)圖像的分離過(guò)程首先是進(jìn)行視頻流捕捉，然后是進(jìn)行視頻的格式轉(zhuǎn)換，再將圖像進(jìn)行預(yù)處理，從而提取前景物體，減少環(huán)境因素對(duì)圖像處理的誤差，最后根據(jù)物體特征提取，并完成對(duì)運(yùn)動(dòng)物體的跟蹤。從圖像中提取所需的目標(biāo)物體，其實(shí)質(zhì)就是對(duì)整個(gè)屋里輪廓進(jìn)行檢測(cè)和分割，根據(jù)每個(gè)圖像的幀差異來(lái)進(jìn)行提取。

（二）基于Opencv圖像預(yù)處理

視覺(jué)技術(shù)應(yīng)用于復(fù)雜的環(huán)境之中，由于存在著光照的變化，其場(chǎng)景中所出現(xiàn)的環(huán)境因素對(duì)視頻采集設(shè)備性能影響很大。環(huán)境因素會(huì)使得獲取的圖像信息的質(zhì)量降低，并且在圖像中無(wú)法避免的存在著噪點(diǎn)，這對(duì)于運(yùn)動(dòng)物體的檢測(cè)和圖像采集會(huì)造成很大的影響。當(dāng)獲取視頻幀圖像之后需對(duì)其數(shù)據(jù)進(jìn)行預(yù)處理，通常有平滑度濾波處理、圖像填充、圖像背景更新等。

1.平滑度濾波處理

由于在進(jìn)行視頻圖像采集的時(shí)候存在著噪點(diǎn)，那么我們就需要對(duì)其進(jìn)行噪點(diǎn)處理，以求減小噪聲。濾波平滑度濾波處理，其具有線性和非線性兩種方式，其中線性方式進(jìn)行處理器運(yùn)算簡(jiǎn)單、運(yùn)算速度快，但是在進(jìn)行處理之后的圖像都會(huì)呈現(xiàn)不清晰的情況。而非線性方式盡心給處理之后，雖然能夠很好的減小噪點(diǎn)，確保信號(hào)的局部特點(diǎn)，但是其運(yùn)算的速度會(huì)較慢。

2.圖像填充

對(duì)于幀圖像進(jìn)行處理，通常采用檢測(cè)邊緣填充法或者是腐蝕膨脹法來(lái)完成，其中填充法是指當(dāng)檢測(cè)出目標(biāo)物體之后，利用邊緣檢測(cè)方法來(lái)對(duì)物體進(jìn)行辨識(shí)，然后利用形態(tài)學(xué)的漫水填充法進(jìn)行填充。圖像的腐蝕膨脹則主要是由于攝像機(jī)的性能等問(wèn)題造成的。

3.實(shí)時(shí)背景更新

在進(jìn)行圖像差分之前，需要對(duì)背景圖樣進(jìn)行確定，并且需要對(duì)其進(jìn)行初始化處理。以方便以后在進(jìn)行檢測(cè)時(shí)候能夠?qū)?shí)時(shí)背景圖進(jìn)行差分計(jì)算，只有這樣，才能夠獲得極佳的前景效果。在進(jìn)行圖像差分時(shí)，首先需要根據(jù)指定法來(lái)確定第一幀背景的圖像，并將其指定為第一張背景圖片，然后在檢測(cè)過(guò)程中根據(jù)算法對(duì)背景實(shí)施更新。整個(gè)圖像在進(jìn)行更新時(shí)，其主要的流程為：判斷并讀取圖像是否為第一幀;將Opencv處理的圖像轉(zhuǎn)化為單通道灰度值;將實(shí)時(shí)采集的圖像進(jìn)行高斯平滑度處理，去除噪點(diǎn);最后使用形態(tài)學(xué)濾波處理噪點(diǎn)。

（三）提取前景運(yùn)動(dòng)物體圖像

檢測(cè)運(yùn)動(dòng)物體的時(shí)候，只有在檢測(cè)流程中確保精確度，才能夠獲取滿意的前景跟蹤效果。此過(guò)程中主要分為兩個(gè)步驟，第一步為二值化圖像之后進(jìn)行分割;第二步，圖像分析前處理，進(jìn)行充分填充，確保前景圖的完整性。其中，前景圖的提取主要分為下面幾個(gè)步驟：首先對(duì)前景圖像和背景圖像進(jìn)行差分，然后對(duì)差分的圖像進(jìn)行二值化，再對(duì)背景中的前景圖像邊緣進(jìn)行檢測(cè)，根據(jù)輪廓進(jìn)行填充圖像。由于攝像頭存在于不同的場(chǎng)景和環(huán)境之中，不論是室外或者是室內(nèi)隨著場(chǎng)景的變化都會(huì)對(duì)圖像的采集產(chǎn)生影響。那么在前景圖中提取目標(biāo)就需要在檢測(cè)系統(tǒng)中采用有效手段來(lái)完成背景實(shí)時(shí)更新。

閥值二值化分割法可以對(duì)檢測(cè)的物體進(jìn)行前景和背景差圖分割，從而使目標(biāo)物體能夠分離出圖像，且閥值分割先要確定每個(gè)像素的點(diǎn)是否處于灰度范圍值之內(nèi)。將圖像中的像素灰度與確定的閥值進(jìn)行比較，其結(jié)果解釋所有像素點(diǎn)分為2類，一類像素的灰度小于閥值，另外一類就是大于閥值。閥值二值化分割時(shí)，確定分割的閥值T，然后分割圖像。選取合適的閥值進(jìn)行分割，可以有效的減少光照因素影響，常用的動(dòng)態(tài)閥值主要有直方圖來(lái)法與最大類方差法這另種分割方法。

三、計(jì)算機(jī)視覺(jué)三維技術(shù)

計(jì)算機(jī)視覺(jué)技術(shù)的核心為分割問(wèn)題、運(yùn)動(dòng)分析、3D立體場(chǎng)景重構(gòu)等，立體視覺(jué)主要是從多幅圖像的參照中獲取目標(biāo)物體的三維幾何信息。計(jì)算機(jī)視覺(jué)所模擬出的3D立體畫面只需要攝像機(jī)從不同的角度同一時(shí)間針進(jìn)行圖像捕獲，將2D信息進(jìn)行3D重構(gòu)，進(jìn)而將計(jì)算機(jī)程序重建于真實(shí)的三維場(chǎng)景之中，以恢復(fù)物體的真實(shí)空間信息。

（一）視覺(jué)系統(tǒng)

視覺(jué)系統(tǒng)捕獲圖像的過(guò)程，實(shí)則可以看成為對(duì)大量信息進(jìn)行處理過(guò)程，整個(gè)系統(tǒng)處理可以分為三個(gè)層次，其一，理論層次;其二，描述層次;其三，實(shí)現(xiàn)層次。在攝像機(jī)視覺(jué)系統(tǒng)之中，輸入的是2D圖像，但是輸出為3D信息，而這就可以實(shí)現(xiàn)對(duì)圖像的位置、距離等信息的如實(shí)描述。視覺(jué)系統(tǒng)分為三個(gè)進(jìn)階層次，第一階段為基礎(chǔ)框架;第二階段為2.5D表達(dá);第三階段為三維階段。在第二階段中實(shí)現(xiàn)的2.5D表達(dá)，其原理是將不完整的3D圖像信息進(jìn)行表達(dá)，即以一個(gè)點(diǎn)為坐標(biāo)，從此點(diǎn)看去某一些物體的部分被遮擋。第三階段的三維階段，則是人眼觀察之后可以從不同的角度來(lái)觀察物體的整體框架，從而實(shí)現(xiàn)了將2.5D圖像信息的疊加重合運(yùn)算，進(jìn)一步處理之后得到了3D圖像。

（二）雙目視覺(jué)

人們從不同角度觀看同一時(shí)間內(nèi)的同一物體的時(shí)候，可以利用算法測(cè)量物體間的距離。此法被稱為雙目立體感覺(jué)，其依據(jù)的原理是視覺(jué)差原理，利用兩臺(tái)攝像機(jī)或者一臺(tái)攝像機(jī)，對(duì)兩幅不同的圖像進(jìn)行不同角度觀察，并且對(duì)其觀察的數(shù)據(jù)進(jìn)行對(duì)比分析。實(shí)現(xiàn)雙目立體視覺(jué)與平面視覺(jué)圖像獲取，其主要的步驟為：

（1）圖像獲取

從兩臺(tái)不同的攝像機(jī)，捕獲幀圖像，由于環(huán)境因素會(huì)造成圖像差異困難。為了更好的跟蹤目標(biāo)、檢測(cè)，當(dāng)捕獲圖像之后，需要對(duì)圖像進(jìn)行預(yù)處理。

（2）攝像標(biāo)定方式

獲得真實(shí)坐標(biāo)系中的場(chǎng)景點(diǎn)中的與平面成像點(diǎn)占比見(jiàn)的對(duì)應(yīng)關(guān)系，借用三維立體空間中的三維坐標(biāo)，標(biāo)定之后確定攝像機(jī)的位置以及屬性參數(shù)，并建立起成像的模型。

（3）特征提取方式

所謂的特征提取方式主要是為了提升檢測(cè)、跟蹤目標(biāo)的準(zhǔn)確性，需要對(duì)目標(biāo)物體進(jìn)行特征提取，從而實(shí)現(xiàn)對(duì)圖像分割提取。

（4）深度計(jì)算

深度信息主要是根據(jù)幾何光學(xué)原理，從三維世界進(jìn)行客觀分析，因?yàn)榫嚯x會(huì)產(chǎn)生不同的位置，會(huì)使得成像位置與兩眼視網(wǎng)膜上有所不同。簡(jiǎn)單來(lái)說(shuō)，客觀景物的深度可以反映出雙目的視覺(jué)差，而利用視覺(jué)差的信息結(jié)合三角原理進(jìn)行計(jì)算，可呈現(xiàn)出深度的圖像信息。

（三）攝像機(jī)模型

攝像機(jī)在標(biāo)定過(guò)程中確定了其建立的基礎(chǔ)為攝像機(jī)的模型，攝像機(jī)模型在標(biāo)定過(guò)程中關(guān)系到三個(gè)不同坐標(biāo)系的轉(zhuǎn)換，分別為2D圖像平面坐標(biāo)系、攝像機(jī)自身坐標(biāo)系以及真實(shí)的世界坐標(biāo)系。攝像機(jī)在攝像的時(shí)候起本質(zhì)是2D圖像坐標(biāo)轉(zhuǎn)換，首先要定義攝像機(jī)的自身坐標(biāo)系，將坐標(biāo)系的原點(diǎn)設(shè)置為光心，X、Y、Z成立三維坐標(biāo)系。其次則是建立平面的圖像坐標(biāo)系，用以透視模型表示，其原點(diǎn)也在廣心的位置，稱之為主點(diǎn)。實(shí)際應(yīng)用中，物理的距離光心的位置d≠f焦距，而且會(huì)遠(yuǎn)遠(yuǎn)大于焦距，為了解決如此問(wèn)題就提出了平面概念。在光軸z上設(shè)置一個(gè)虛擬的圖像平面，然后在此位置于平面關(guān)于光心對(duì)稱。接著，在設(shè)置的虛擬2D坐標(biāo)系中，光軸和原點(diǎn)重合，并且攝像機(jī)與垂直平面的垂直方向相同，真實(shí)圖像上的點(diǎn)影射到攝像機(jī)坐標(biāo)系。

（四）3D重構(gòu)算法

視頻流的采集，主要是采用Kinect設(shè)備、彩色攝像頭、紅外發(fā)射攝像頭、紅外接收攝像頭。使用微軟提供API控制Kinect設(shè)備，在操作之前需調(diào)用NUI初始化函數(shù)，將函數(shù)的參數(shù)設(shè)置為用戶信息深度圖數(shù)據(jù)、彩色圖數(shù)據(jù)、骨骼追蹤圖數(shù)據(jù)、深度圖數(shù)據(jù)。上述的視頻流的打開(kāi)方式不同，既可以是一種打開(kāi)方式，也可以是多種打開(kāi)方式，尤其在進(jìn)行Kinect傳輸數(shù)據(jù)處理的時(shí)候，需遵循三條步驟的運(yùn)行管線。此三條管線分別為：第一條為處理彩色和深度數(shù)據(jù)，第二條為根據(jù)用索引添加顏色信息，并將其放入到深度圖之中，第三條為骨骼追蹤數(shù)據(jù)。

四、總結(jié)

隨著計(jì)算技術(shù)的快速發(fā)展，視覺(jué)技術(shù)逐漸被廣泛的應(yīng)用于我們?nèi)粘５难芯恐?。本文通過(guò)對(duì)視覺(jué)技術(shù)的相關(guān)問(wèn)題進(jìn)行分析，探究了圖像處理、分割、前景提取、運(yùn)動(dòng)物體觀測(cè)以及重構(gòu)3D圖等問(wèn)題，為實(shí)現(xiàn)視覺(jué)技術(shù)更加深入研究做出了相應(yīng)的貢獻(xiàn);為廣大參與計(jì)算機(jī)視覺(jué)技術(shù)研究同仁提供一個(gè)研究的思路，為實(shí)現(xiàn)視覺(jué)技術(shù)的騰飛貢獻(xiàn)薄力。

參考文獻(xiàn)

[1]張?？?基于Opencv的人手識(shí)別與跟蹤定位技術(shù)研究與實(shí)現(xiàn)[D].云南大學(xué)，2013.

篇5

關(guān)鍵詞：計(jì)算機(jī)；交通監(jiān)管系統(tǒng)；視覺(jué)

中圖分類號(hào)：TP277

近年來(lái)，道路交通安全問(wèn)題因公路交通事業(yè)的快速發(fā)展而受到越來(lái)多關(guān)注。據(jù)2002年世界銀行統(tǒng)計(jì)，全球平均每年死于道路交通事故高達(dá)117萬(wàn)人。而在中國(guó)，據(jù)2008年公安部交通管理局公布的數(shù)據(jù)顯示，全國(guó)道路交通事故多達(dá)265204起，死亡人數(shù)為73484人。

全國(guó)道路交通事故防御工作隨公路里程、機(jī)動(dòng)車保有量、道路交通流量、駕駛?cè)藬?shù)的增加成遞增趨勢(shì)。而通過(guò)必要的技術(shù)手段構(gòu)建交通安全保障機(jī)制，降低交通事故是重中之重。若要好的為基礎(chǔ)的交通違規(guī)行為檢測(cè)技術(shù)的不斷更新，市場(chǎng)上已出現(xiàn)了自動(dòng)檢測(cè)與記錄的商業(yè)化產(chǎn)品，能實(shí)時(shí)記錄出闖紅燈、違規(guī)超車、違規(guī)停車、超速、逆行等違規(guī)行為。然而，我國(guó)高速交通監(jiān)控體系仍比較落后，大多在交叉路口設(shè)置電子警察系統(tǒng)以此檢測(cè)車輛闖紅燈的違規(guī)行為。交通管理部門并不能對(duì)出現(xiàn)違規(guī)行為的車輛進(jìn)行及時(shí)的交通管制和處理，概括來(lái)說(shuō)管理與檢測(cè)仍處于管理誤區(qū)與盲目狀態(tài)。針對(duì)該現(xiàn)象，文本研究了基于計(jì)算機(jī)的交通監(jiān)管系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)。

1 智能交通管理系統(tǒng)簡(jiǎn)介

ITS系統(tǒng)，該系統(tǒng)綜合先進(jìn)的現(xiàn)代計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、信息電子通訊技術(shù)、現(xiàn)代信息技術(shù)以及自動(dòng)控制技術(shù)等，并將其在整個(gè)交通運(yùn)輸管理體系進(jìn)行有效的運(yùn)用，為此建立起一種實(shí)時(shí)、有效、準(zhǔn)確、范圍廣的全方位發(fā)揮作用的交通運(yùn)輸控制體系和綜合管理系統(tǒng)。近幾年人流、車流隨著城市發(fā)展而猛增，交通職能部門對(duì)更加智能的交通管理系統(tǒng)的需求越來(lái)越急迫。所以，ITS成為21世紀(jì)地面交通管理、運(yùn)輸科技、運(yùn)營(yíng)的主要研究方向，帶領(lǐng)著交通運(yùn)輸一場(chǎng)偉大的變革。北美、西歐、日本自上世紀(jì)80年代末就開(kāi)始競(jìng)相發(fā)展智能運(yùn)輸系統(tǒng)，并制定相應(yīng)的開(kāi)發(fā)計(jì)劃加以實(shí)施，而發(fā)展中國(guó)家也開(kāi)始對(duì)ITS系統(tǒng)的全面研究與開(kāi)發(fā)。

2 認(rèn)識(shí)基于計(jì)算機(jī)視覺(jué)的智能交通監(jiān)控系統(tǒng)

2.1 計(jì)算機(jī)視覺(jué)技術(shù)

所謂計(jì)算機(jī)視覺(jué)，理解為使用可替代人眼的高清攝影機(jī)設(shè)備或其他現(xiàn)代高清電子影像攝錄裝備進(jìn)行觀察，實(shí)現(xiàn)對(duì)目標(biāo)的追蹤定位、圖像識(shí)別、模擬數(shù)據(jù)測(cè)量等，并對(duì)采集的視覺(jué)數(shù)據(jù)信息送達(dá)遠(yuǎn)端計(jì)算機(jī)服務(wù)器，通過(guò)計(jì)算機(jī)服務(wù)器的信號(hào)圖形圖像處理技術(shù)對(duì)視頻數(shù)據(jù)信息進(jìn)行進(jìn)一步加工，實(shí)現(xiàn)三維重現(xiàn)現(xiàn)實(shí)情景的計(jì)算機(jī)觀察呈現(xiàn)技術(shù)。

2.2 智能交通監(jiān)測(cè)系統(tǒng)

通過(guò)使用現(xiàn)有的、先進(jìn)的計(jì)算機(jī)智能化、視覺(jué)化、信息化科技對(duì)國(guó)內(nèi)各大路況交通運(yùn)輸實(shí)施監(jiān)測(cè)，為工作于交通運(yùn)輸人員呈現(xiàn)數(shù)據(jù)信息的自動(dòng)化采集、分析、處理等的智能化服務(wù)，且該交通管理系統(tǒng)存在一定自作能力和指揮能力，即為智能交通系統(tǒng)。隨著道路、車輛的飛速發(fā)展，人民生活水平及國(guó)民生產(chǎn)總值的不斷提高，智能交通系統(tǒng)，在國(guó)內(nèi)外受到越來(lái)越多的青睞。近幾年，各道路關(guān)鍵路段、路口隨著道路監(jiān)控機(jī)制的普遍建立，也都基本完成了視頻監(jiān)控。

2.3 基于計(jì)算機(jī)視覺(jué)的智能交通監(jiān)控機(jī)制

根據(jù)前面2.1對(duì)計(jì)算機(jī)視覺(jué)技術(shù)和2.2對(duì)智能化交通監(jiān)控系統(tǒng)概念的解析與理解，可總結(jié)出以計(jì)算機(jī)視覺(jué)為基礎(chǔ)的智能化交通監(jiān)控機(jī)制，其是通過(guò)現(xiàn)代高端計(jì)算機(jī)對(duì)視覺(jué)信息收集、提取、處理、分析等技術(shù)，實(shí)現(xiàn)對(duì)城市道路交通信息的實(shí)時(shí)監(jiān)控、視頻數(shù)據(jù)的收集、信息分析處理，并對(duì)城市交通狀況使用智能交通機(jī)制狀況，并通過(guò)視頻影像引導(dǎo)車輛行駛，以此降低或避免各種各樣交通事故發(fā)生的智能化交通監(jiān)控機(jī)制。

3 構(gòu)建以計(jì)算機(jī)視覺(jué)為基礎(chǔ)的智能交通監(jiān)控機(jī)制及配套措施

3.1 基于計(jì)算機(jī)視覺(jué)的智能交通監(jiān)控機(jī)制的構(gòu)建

監(jiān)控指揮系統(tǒng)、實(shí)時(shí)交通信息收集系統(tǒng)、高質(zhì)量信息傳輸系統(tǒng)是基于計(jì)算機(jī)視覺(jué)的智能交通監(jiān)控的三大系統(tǒng)。實(shí)時(shí)交通信息收集系統(tǒng)由多套信息收集裝置組成，通過(guò)這些信息采集裝置實(shí)時(shí)監(jiān)控不同位置交通現(xiàn)狀。實(shí)時(shí)交通信息收集系統(tǒng)不僅能進(jìn)行路段監(jiān)控與實(shí)時(shí)交通信息采集的工作，還能將收集數(shù)據(jù)信息，經(jīng)由高質(zhì)量信息傳輸系統(tǒng)實(shí)施輸送，或在服務(wù)器中存儲(chǔ)已處理的信息；一個(gè)中央數(shù)據(jù)庫(kù)與一個(gè)中央服務(wù)器是高質(zhì)量信息存儲(chǔ)傳輸系統(tǒng)核心部分，其中中央數(shù)據(jù)庫(kù)對(duì)獲取到的實(shí)時(shí)交通路況信息進(jìn)行存儲(chǔ)。而為了便于工作者能通過(guò)界面對(duì)中央數(shù)據(jù)庫(kù)實(shí)施提取、查詢、查看等操作，因此該界面就由中央服務(wù)器來(lái)提供，此外該服務(wù)器還能將已處理的實(shí)時(shí)路況數(shù)據(jù)通過(guò)高質(zhì)量的傳輸系統(tǒng)輸送到監(jiān)控指揮機(jī)制，達(dá)到對(duì)各路段的交通進(jìn)行管制、部署及指揮的目的。

3.2 專業(yè)技術(shù)人員的儲(chǔ)備

以計(jì)算機(jī)視覺(jué)技術(shù)為基礎(chǔ)的智能交通監(jiān)控機(jī)制是一個(gè)龐大的系統(tǒng)，具有突出點(diǎn)的優(yōu)點(diǎn)，該系統(tǒng)集自動(dòng)化、信息化、智能化為一體，只有專業(yè)的技術(shù)人才才能使該系統(tǒng)高效工作，因此開(kāi)展培訓(xùn)儲(chǔ)備相關(guān)技術(shù)人員至關(guān)重要。實(shí)時(shí)交通信息借助于先進(jìn)的高清裝置的正常采集工作，所以儲(chǔ)備一批針對(duì)高清裝置安裝、檢測(cè)、調(diào)試及故障修復(fù)的技術(shù)人員極為重要?，F(xiàn)代基于計(jì)算機(jī)視覺(jué)的智能交通監(jiān)控機(jī)制雖然本身具有一定的圖形圖像分析及處理能力，然而有些工作人是永遠(yuǎn)被替代的，所以培養(yǎng)儲(chǔ)備一批專業(yè)的圖形圖像處理技術(shù)人員也是重要的。儲(chǔ)備服務(wù)器維護(hù)技術(shù)工，每天以計(jì)算機(jī)視覺(jué)技術(shù)為基礎(chǔ)的智能交通監(jiān)控機(jī)制都會(huì)獲取大量的監(jiān)控信息數(shù)據(jù)，然而只有大型的服務(wù)器才能存儲(chǔ)這些數(shù)據(jù)，可想而知一旦服務(wù)器癱瘓就會(huì)引發(fā)整個(gè)機(jī)制的崩潰，造成嚴(yán)重的后果，因此專業(yè)服務(wù)器維護(hù)工作者的儲(chǔ)備與培養(yǎng)也尤為重要?；谟?jì)算機(jī)視覺(jué)技術(shù)的智能交通監(jiān)控機(jī)制并不能取代交通指揮員，其僅是用來(lái)采集實(shí)時(shí)交通信息的系統(tǒng)，僅為了協(xié)助交通指揮員監(jiān)管及疏導(dǎo)城市交通，因此要求儲(chǔ)備一批高素質(zhì)、高質(zhì)量的交通指揮員也極為必要。

3.3 交通知識(shí)的宣傳

大城市的交通問(wèn)題，并不是依靠單純的開(kāi)發(fā)先進(jìn)的計(jì)算機(jī)視覺(jué)智能交通監(jiān)控系統(tǒng)就能處理解決，也不是單單要求市政建設(shè)增加公交數(shù)量、增鋪幾條公路或增開(kāi)通幾條地鐵就能解決的，以上這些僅是輔助方法。關(guān)鍵在于開(kāi)展交通知識(shí)的宣傳與教育工作，強(qiáng)化駕駛員的素質(zhì)，倡導(dǎo)不酒駕、不逆行、不超速、限號(hào)行駛等，自覺(jué)遵守道路交通規(guī)則，提倡公交地鐵出行，減少私家車輛行駛，齊心協(xié)力共同打造和諧的交通環(huán)境。

3.4 獲取政府支持

市政建設(shè)的主要問(wèn)題之一即是交通問(wèn)題，政府的支持是萬(wàn)萬(wàn)不可缺失的。由于構(gòu)建以計(jì)算機(jī)視覺(jué)技術(shù)為基礎(chǔ)的智能交通管制機(jī)制，涉及面廣，包括道路勘測(cè)、先進(jìn)裝置的引進(jìn)、專業(yè)技術(shù)人員的儲(chǔ)備、裝備組織安裝與調(diào)試、后期維護(hù)等等多方面，這些都需要投入大量的人力、財(cái)力、物力，而對(duì)于任何一個(gè)單位、部門或幾個(gè)市政部門來(lái)說(shuō)都無(wú)法獨(dú)自承擔(dān)，由此可知政府的大力支持是必不可少的，以政府的力量為媒介，將各部門進(jìn)行協(xié)調(diào)、協(xié)作，只有這樣才能構(gòu)建成較健全的交通監(jiān)控體系。

4 結(jié)束語(yǔ)

道路交通雜、亂是國(guó)內(nèi)城市交通最突出的特點(diǎn)之一，對(duì)于我國(guó)的交通事業(yè)來(lái)說(shuō)進(jìn)行行人識(shí)別勢(shì)在必行。而我國(guó)對(duì)于行人識(shí)別的研究仍處于起步階段，還較落后。且基于計(jì)算機(jī)的交通監(jiān)管系統(tǒng)設(shè)計(jì)較為復(fù)雜，涵蓋點(diǎn)較多，因此本文僅對(duì)設(shè)計(jì)進(jìn)行簡(jiǎn)要介紹，希望達(dá)到拋磚引玉的效果。

參考文獻(xiàn)：

[1]康曉麗.無(wú)線網(wǎng)絡(luò)技術(shù)在交通管理中的應(yīng)用[J].科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì)，2011（21）.

[2]鐘振，賴順橋，肖熠琳，張沛強(qiáng).RFID車輛智能管理系統(tǒng)[J].機(jī)電工程技術(shù)，2011（02）.

[3]文軍.視頻監(jiān)控系統(tǒng)軟件現(xiàn)狀與技術(shù)分析[J].金卡工程，2007（08）.

[4]張玉風(fēng).簡(jiǎn)述視頻監(jiān)控系統(tǒng)的發(fā)展歷程[J].鐵道通信信號(hào)工程技術(shù)，2006（06）.

[5]馬伏花，朱青.基于射頻識(shí)別技術(shù)的車輛自動(dòng)識(shí)別系統(tǒng)的實(shí)現(xiàn)[J].中國(guó)儀器儀表，2006（11）.

篇6

關(guān)鍵詞 模式分析 計(jì)算機(jī)視覺(jué) 教學(xué)改革

中圖分類號(hào)：G643.2 文獻(xiàn)標(biāo)識(shí)碼：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

我校模式分析與智能計(jì)算研究所師資團(tuán)隊(duì)是江蘇省“青藍(lán)工程”創(chuàng)新團(tuán)隊(duì)，主要研究領(lǐng)域包括智能數(shù)據(jù)分析、圖像處理和機(jī)器視覺(jué)等方向，承擔(dān)研究生和本科生的模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、智能信息檢索、數(shù)字圖像處理、計(jì)算機(jī)視覺(jué)等課程的教學(xué)任務(wù)。以往的教學(xué)過(guò)程中雖然積累了豐富的教學(xué)經(jīng)驗(yàn)，但當(dāng)前新知識(shí)不斷涌現(xiàn)、新技術(shù)發(fā)展迅猛，對(duì)模式分析與視覺(jué)處理課程群的知識(shí)體系、實(shí)踐體系改進(jìn)提出了新的挑戰(zhàn)。

近年來(lái)，國(guó)內(nèi)外高校在該類課程教學(xué)上，已涌現(xiàn)出眾多新理念、新方法。Coursera聯(lián)合創(chuàng)始人Andrew Ng推出的機(jī)器學(xué)習(xí)課程，開(kāi)啟了教育領(lǐng)域的MOOC時(shí)代，引領(lǐng)了教育教學(xué)方法的新革命。①深圳大學(xué)、②江蘇科技大學(xué)③分別進(jìn)行了基于CDIO工程教育理念的計(jì)算機(jī)視覺(jué)課程教學(xué)改革實(shí)踐，實(shí)現(xiàn)多層次項(xiàng)目設(shè)計(jì)的教學(xué)模式改革，講座式、討論式、實(shí)踐式教學(xué)方法的探索。國(guó)防科技大學(xué)④在計(jì)算機(jī)視覺(jué)課程中引入研討式教學(xué)模式，通過(guò)案例教學(xué)、小組研討的方式來(lái)替代傳統(tǒng)的教學(xué)方式。華中科技大學(xué)⑤從教學(xué)內(nèi)容國(guó)際化、教學(xué)方式國(guó)際化、教學(xué)成果國(guó)際化三個(gè)方面開(kāi)展了計(jì)算機(jī)視覺(jué)課程的國(guó)際化建設(shè)。另外，也有高校進(jìn)行了圖像工程課程群建設(shè)，⑥基于圖像分析與計(jì)算機(jī)視覺(jué)應(yīng)用課程結(jié)合的項(xiàng)目協(xié)同創(chuàng)新能力培養(yǎng)實(shí)踐。⑦

在分析上述國(guó)內(nèi)外高校該類課程改革的基礎(chǔ)上，我們重點(diǎn)以模式分析與視覺(jué)處理課程群的實(shí)踐教學(xué)體系改革為切入點(diǎn)，優(yōu)化師資隊(duì)伍結(jié)構(gòu)，梳理課程群知識(shí)體系，優(yōu)化課程授課模式，完善課程群實(shí)踐體系，改革實(shí)踐考核模式，實(shí)現(xiàn)學(xué)生國(guó)際化視野、理論聯(lián)系實(shí)際、工程實(shí)踐和創(chuàng)新能力全面提升的目標(biāo)。

2 模式分析與視覺(jué)處理課程群特點(diǎn)

模式分析與視覺(jué)處理課程群涵蓋了模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)字圖像處理、計(jì)算機(jī)視覺(jué)等多門課程。該類課程存在以下特點(diǎn)。

（1）該類課程屬于多學(xué)科交叉，涉及的知識(shí)面既廣又深。由于該方向涉及計(jì)算機(jī)科學(xué)與技術(shù)、應(yīng)用數(shù)學(xué)、自動(dòng)化、電子科學(xué)與技術(shù)、信息工程等多學(xué)科內(nèi)容，而學(xué)生在大學(xué)本科階段很難學(xué)習(xí)和了解如此多的知識(shí)模塊，這對(duì)研究生階段學(xué)習(xí)來(lái)說(shuō)，具有相當(dāng)大的挑戰(zhàn)。同時(shí)，對(duì)于每個(gè)知識(shí)模塊，所要求的數(shù)學(xué)基礎(chǔ)較高，理論具有相當(dāng)?shù)纳疃?，理解和掌握不容易?/p>

（2）該類課程既重視扎實(shí)的基礎(chǔ)理論，也強(qiáng)調(diào)良好的工程實(shí)踐能力。該類課程的基礎(chǔ)理論教學(xué)一直受到各高校的重視。隨著近年來(lái)產(chǎn)業(yè)界的迅猛發(fā)展，計(jì)算機(jī)視覺(jué)應(yīng)用層出不窮，對(duì)學(xué)生的工程實(shí)踐也提出了更高要求，需要能夠在系統(tǒng)層次上有整體認(rèn)知，同時(shí)要能對(duì)各功能模塊進(jìn)行優(yōu)化，提升系統(tǒng)的整體性能。

（3）該類課程所面向的選修學(xué)生面廣。該類課程既是多學(xué)科交叉，也面向計(jì)算機(jī)應(yīng)用、電子科學(xué)與技術(shù)、自動(dòng)化、應(yīng)用數(shù)學(xué)等不同研究方向、不同水平層次的研究生開(kāi)設(shè)。這對(duì)課堂教學(xué)和實(shí)驗(yàn)實(shí)踐也帶來(lái)更大挑戰(zhàn)。

3 模式分析與視覺(jué)處理課程群改革舉措

針對(duì)上述分析的課程群特點(diǎn)，我們重點(diǎn)以實(shí)踐體系改革為突破口，通過(guò)優(yōu)化師資隊(duì)伍結(jié)構(gòu)，梳理課程群知識(shí)體系，優(yōu)化課程授課模式，完善課程群實(shí)踐體系，改革實(shí)踐考核模式等舉措，實(shí)現(xiàn)學(xué)生國(guó)際化視野、理論聯(lián)系實(shí)際、工程實(shí)踐和創(chuàng)新能力全面提升的目標(biāo)。

3.1 師資隊(duì)伍結(jié)構(gòu)優(yōu)化

為了學(xué)生能夠適應(yīng)模式分析與視覺(jué)處理產(chǎn)業(yè)的快速發(fā)展，在課程群建設(shè)過(guò)程中更強(qiáng)調(diào)學(xué)生的工程實(shí)踐和創(chuàng)新能力培養(yǎng)。這首先對(duì)師資隊(duì)伍結(jié)構(gòu)提出了新的要求。

近年來(lái)，課程教學(xué)團(tuán)隊(duì)引進(jìn)海內(nèi)外具有深厚理論功底和較強(qiáng)工程能力的高水平師資4名，大大充實(shí)了機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、圖像處理等課程的教學(xué)力量。對(duì)于現(xiàn)有教師隊(duì)伍，鼓勵(lì)教師跟產(chǎn)業(yè)一線企業(yè)廣泛合作，目前已與華為、中興等企業(yè)在視頻檢索、智能交通視覺(jué)處理等方面開(kāi)展了實(shí)質(zhì)合作。這些來(lái)源于產(chǎn)業(yè)界的高質(zhì)量課題對(duì)科研和教學(xué)起到了良好的促進(jìn)作用。

與此同時(shí)，通過(guò)研究生工作站、企業(yè)短期實(shí)習(xí)等渠道，鼓勵(lì)企業(yè)高級(jí)研發(fā)人員參與到學(xué)生實(shí)踐能力培養(yǎng)環(huán)節(jié)中，將實(shí)際項(xiàng)目進(jìn)行適當(dāng)切分或提煉，實(shí)現(xiàn)該類課程實(shí)踐環(huán)節(jié)的模塊化、專題化訓(xùn)練。

綜上，通過(guò)引培并舉，優(yōu)化校內(nèi)師資隊(duì)伍結(jié)構(gòu)；通過(guò)校企合作，積極吸引企業(yè)師資參與。良好的師資隊(duì)伍為該類課程的實(shí)踐體系改革提供了有力支撐。

3.2 課程群知識(shí)體系梳理與授課模式改革

模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、智能信息檢索、數(shù)字圖像處理、計(jì)算機(jī)視覺(jué)等課程既有一定的邏輯關(guān)系，也存在相互交叉的混雜關(guān)系。一般認(rèn)為，模式識(shí)別、機(jī)器學(xué)習(xí)是模式分析與視覺(jué)處理領(lǐng)域的基礎(chǔ)理論課程，數(shù)據(jù)挖掘是建立在模式識(shí)別、機(jī)器學(xué)習(xí)和數(shù)據(jù)庫(kù)基礎(chǔ)上的應(yīng)用類課程，智能信息檢索則是數(shù)據(jù)挖掘基礎(chǔ)上更為具體的應(yīng)用實(shí)現(xiàn)。數(shù)字圖像處理為計(jì)算機(jī)視覺(jué)課程提供了基礎(chǔ)支撐，計(jì)算機(jī)視覺(jué)則是在綜合利用模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)字圖像處理、數(shù)據(jù)挖掘等知識(shí)模塊基礎(chǔ)上面向應(yīng)用的系統(tǒng)實(shí)現(xiàn)。但是，這些課程也存在著知識(shí)點(diǎn)的交叉或重復(fù)。例如，模式識(shí)別和機(jī)器學(xué)習(xí)中都有貝葉斯參數(shù)估計(jì)、支持向量機(jī)模型等知識(shí)點(diǎn)，但視角和側(cè)重點(diǎn)有所不同；圖像處理、計(jì)算機(jī)視覺(jué)中都有顏色模型、成像模型等知識(shí)點(diǎn)，也同時(shí)存在與模式識(shí)別、機(jī)器學(xué)習(xí)交叉的知識(shí)點(diǎn)。

我們針對(duì)來(lái)自不同研究領(lǐng)域的學(xué)生群體，對(duì)該課程群的知識(shí)點(diǎn)進(jìn)行系統(tǒng)梳理，既避免知識(shí)點(diǎn)的重復(fù)講授，也防止重要知識(shí)點(diǎn)的缺漏。課程教師集體討論，形成每門課程的核心知識(shí)集，和針對(duì)不同研究領(lǐng)域的選講知識(shí)集。學(xué)生在學(xué)習(xí)課程時(shí)，在掌握核心知識(shí)集的基礎(chǔ)上，結(jié)合自己的研究方向選擇相關(guān)的選講知識(shí)集學(xué)習(xí)。

在課程教材和參考書的選擇上，注重挑選國(guó)際上有影響力的教材。例如，模式識(shí)別的參考書為Richard O. Duda等人編著的Pattern Classification；機(jī)器學(xué)習(xí)的參考書為Tom M. Mitchell編著的Machine Learning和Christopher M. Bishop編著的Pattern Recognition and Machine Learning；數(shù)據(jù)挖掘的參考書為Jiawei Han等人編著的Data Mining：Concepts and Techniques；數(shù)字圖像處理的參考書為K. R. Castleman編著的Digital Image Processing；計(jì)算機(jī)視覺(jué)的參考書為D. A. Foryth編著的Computer Vision： A Modern Approach和Richard Szeliski編著的Computer Vision： Alogrithms and Applications。這些教材已被國(guó)內(nèi)外著名大學(xué)普遍采用。同時(shí)，每門課程都提供相關(guān)的國(guó)內(nèi)外頂級(jí)會(huì)議和期刊的列表，供學(xué)生課后追蹤研究領(lǐng)域的熱點(diǎn)問(wèn)題。

在課堂授課環(huán)節(jié)上，注意采用靈活多樣的授課方式。對(duì)于核心基礎(chǔ)知識(shí)模塊，以教師講授為主，同時(shí)提供國(guó)內(nèi)外該類課程的熱門MOOC網(wǎng)址給學(xué)生參考。對(duì)于選講知識(shí)模塊，鼓勵(lì)學(xué)生事先結(jié)合各自研究方向有目的自學(xué)，在學(xué)生報(bào)告的基礎(chǔ)上進(jìn)行課堂討論方式進(jìn)行。充分發(fā)揮學(xué)生學(xué)習(xí)的主體作用，也便于教師了解學(xué)生的水平和學(xué)習(xí)狀況。

除此以外，不定期邀請(qǐng)國(guó)內(nèi)外著名學(xué)者來(lái)校做學(xué)術(shù)報(bào)告，讓學(xué)生充分了解該研究領(lǐng)域的最新前沿動(dòng)態(tài)，并就熱點(diǎn)問(wèn)題進(jìn)行專題討論。

3.3 課程群實(shí)踐體系完善與考核方式改革

工程實(shí)踐和創(chuàng)新能力的培養(yǎng)是該課程群改革的重要目標(biāo)。我們?cè)谏鲜鰩熧Y隊(duì)伍結(jié)構(gòu)優(yōu)化、課程群知識(shí)體系梳理與授課模式改革的基礎(chǔ)上，著力進(jìn)行課程群實(shí)踐體系的改革與完善。我們通過(guò)多層次菜單式的實(shí)驗(yàn)項(xiàng)目選擇、項(xiàng)目牽引的創(chuàng)新能力訓(xùn)練、學(xué)生綜合研究能力的全面考查等方面來(lái)實(shí)現(xiàn)。

首先，整合和優(yōu)化課程群實(shí)踐內(nèi)容，實(shí)現(xiàn)多層次菜單式靈活選擇。根據(jù)各研究領(lǐng)域的要求進(jìn)行靈活搭配，根據(jù)學(xué)生個(gè)體的能力與水平選擇適當(dāng)規(guī)模和難度的實(shí)踐內(nèi)容，通過(guò)課程內(nèi)的基礎(chǔ)實(shí)驗(yàn)、課程間的綜合實(shí)驗(yàn)、課程群的創(chuàng)新實(shí)驗(yàn)來(lái)選擇和組合，如圖1所示。

圖1 多層次菜單式實(shí)驗(yàn)內(nèi)容示意圖

基礎(chǔ)型實(shí)驗(yàn)內(nèi)容主要是各課程核心知識(shí)點(diǎn)的實(shí)驗(yàn)驗(yàn)證，主要包括模式識(shí)別，機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘，圖像處理與分析，計(jì)算機(jī)視覺(jué)等課程的實(shí)驗(yàn)。要求選課學(xué)生對(duì)這些基礎(chǔ)實(shí)驗(yàn)必做，打下良好的研究基礎(chǔ)。

綜合探索型實(shí)驗(yàn)在基礎(chǔ)型實(shí)驗(yàn)基礎(chǔ)上，既有單門課程內(nèi)總的綜合實(shí)驗(yàn)，也有課程間知識(shí)的綜合應(yīng)用。主要分為兩大塊，包括模式分析與機(jī)器學(xué)習(xí)方向的綜合實(shí)驗(yàn)，以及圖像處理與機(jī)器視覺(jué)方向的綜合實(shí)驗(yàn)。實(shí)驗(yàn)?zāi)康闹饕轻槍?duì)這兩大塊方向重點(diǎn)知識(shí)的綜合分析和比較，能夠熟練掌握和靈活應(yīng)用。例如模式分析、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等方向都用到的線性判別分析、支持向量機(jī)、均值聚類等內(nèi)容；圖像處理與機(jī)器視覺(jué)中的圖像特征抽取、視覺(jué)系統(tǒng)選型、目標(biāo)檢測(cè)、特定平臺(tái)的算法優(yōu)化等內(nèi)容。學(xué)生可根據(jù)各自研究方向有目的的選擇兩塊綜合實(shí)驗(yàn)的大部分內(nèi)容。

在綜合型實(shí)驗(yàn)基礎(chǔ)上，該課程群通過(guò)若干創(chuàng)新型實(shí)驗(yàn)來(lái)檢驗(yàn)學(xué)生理論知識(shí)掌握程度和實(shí)踐方法應(yīng)用能力，為后續(xù)的研究課題開(kāi)展打下良好的科研素養(yǎng)。主要內(nèi)容包括人臉識(shí)別、二維條碼識(shí)別、車輛屬性識(shí)別、智能視覺(jué)監(jiān)控、以及企業(yè)來(lái)源的關(guān)鍵技術(shù)等。這些項(xiàng)目實(shí)踐既涉及用到圖像處理與機(jī)器視覺(jué)的內(nèi)容，也涉及模式分析與機(jī)器學(xué)習(xí)方向的知識(shí)。并且需要學(xué)生在綜合運(yùn)用相關(guān)知識(shí)的基礎(chǔ)上有創(chuàng)新能力。

其次，重視各類項(xiàng)目牽引的創(chuàng)新能力訓(xùn)練。一方面，鼓勵(lì)教師從國(guó)家自然科學(xué)基金、企業(yè)合作項(xiàng)目等研究中提煉出問(wèn)題規(guī)模和難度適中的訓(xùn)練項(xiàng)目，作為課程群的綜合能力訓(xùn)練項(xiàng)目。另一方面，鼓勵(lì)學(xué)生參加挑戰(zhàn)杯、全國(guó)研究生智慧城市技術(shù)與創(chuàng)意設(shè)計(jì)大賽等各類具有挑戰(zhàn)性的競(jìng)賽項(xiàng)目，以賽代練，提升學(xué)生的工程實(shí)踐和創(chuàng)新能力。同時(shí)，也鼓勵(lì)學(xué)生利用百度、微軟等相關(guān)研究領(lǐng)域的企業(yè)實(shí)習(xí)機(jī)會(huì)，參與產(chǎn)品一線的工程實(shí)踐能力訓(xùn)練。

再次，注重考核環(huán)節(jié)，實(shí)現(xiàn)科研素養(yǎng)和實(shí)踐能力的全面考查。只有嚴(yán)格、公平、公正的考核，才能保證實(shí)驗(yàn)實(shí)踐的質(zhì)量和水平，才能提升學(xué)生的科研素養(yǎng)和實(shí)踐能力。我們主要在手段、方式方法上進(jìn)行了改進(jìn)。在題目選擇上，根據(jù)學(xué)生個(gè)體水平和研究領(lǐng)域要求的差異，在選題上有適當(dāng)?shù)碾y易區(qū)分度，讓每位學(xué)生都有鍛煉和提升的機(jī)會(huì)；在考核方式上，采用結(jié)題書面報(bào)告來(lái)檢驗(yàn)學(xué)術(shù)論文的寫作能力，采用程序演示檢驗(yàn)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)水平，采用上臺(tái)匯報(bào)的方式檢驗(yàn)學(xué)生的表達(dá)能力，多管齊下全面檢查學(xué)生的綜合科研素養(yǎng)；在考核成績(jī)?cè)u(píng)定上，采用現(xiàn)場(chǎng)教師和學(xué)生共同評(píng)分的方式，公平合理；最后，通過(guò)網(wǎng)站展示、發(fā)表學(xué)術(shù)小論文、專利、軟件著作權(quán)等方式展示和公開(kāi)優(yōu)秀成果，激發(fā)學(xué)生的學(xué)習(xí)熱情，并由此形成積累，有利于學(xué)生實(shí)驗(yàn)實(shí)踐氛圍的傳承。

4 結(jié)語(yǔ)

本文在分析國(guó)內(nèi)外高校模式分析與視覺(jué)處理類課程群改革現(xiàn)狀的基礎(chǔ)上，以學(xué)生國(guó)際化視野、理論聯(lián)系實(shí)際、工程實(shí)踐和創(chuàng)新能力全面提升為目標(biāo)，重點(diǎn)開(kāi)展了師資隊(duì)伍結(jié)構(gòu)優(yōu)化、課程群知識(shí)體系梳理、課程授課模式改革、課程群實(shí)踐體系完善和實(shí)踐考核模式改革等工作，取得了良好的效果，并為校內(nèi)其他課程群的教學(xué)改革作為示范推廣。

注釋

① https：///learn/machine-learning/

② 郭小勤，曹廣忠.計(jì)算機(jī)視覺(jué)課程的CDIO教學(xué)改革實(shí)踐.理工高教研究，2010.29（5）：98-100，148.

③ 史金龍，白素琴，龐林斌，錢強(qiáng).研究生機(jī)器視覺(jué)課程的CDIO教學(xué)改革實(shí)踐.計(jì)算機(jī)教育，2013.9：40-43.

④ 陳芳林，劉亞?wèn)|，沈輝.在《計(jì)算機(jī)視覺(jué)》課程中引入研討式教學(xué)模式.當(dāng)代教育理論與實(shí)踐，2013.5（7）：112-114.

⑤ 王岳環(huán)，桑農(nóng)，高常鑫.計(jì)算機(jī)視覺(jué)課程的國(guó)際化教學(xué)模式.計(jì)算機(jī)教育，2014.19：101-103.

篇7

關(guān)鍵詞：計(jì)算機(jī)智能視頻監(jiān)控；運(yùn)動(dòng)目標(biāo)檢測(cè)方法；目標(biāo)跟蹤方法

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-7712 (2012) 10-0104-01

隨著人工智能技術(shù)日新月異的發(fā)展，基于人工智能的計(jì)算機(jī)視覺(jué)技術(shù)也得到了廣泛的推廣和應(yīng)用，成為計(jì)算機(jī)智能領(lǐng)域一個(gè)重要的發(fā)展方向。到目前為止，計(jì)算機(jī)視覺(jué)技術(shù)已經(jīng)過(guò)20余年的發(fā)展，其在社會(huì)人文，軍事技術(shù)及工業(yè)生產(chǎn)領(lǐng)域得到了廣泛的應(yīng)用，并以其獨(dú)具特色的技術(shù)優(yōu)勢(shì)逐漸形成了一門具有一定先進(jìn)理論支撐的獨(dú)立學(xué)科。其中，著名學(xué)者M(jìn)arr提出的視覺(jué)計(jì)算理論已成為計(jì)算機(jī)智能視頻監(jiān)控領(lǐng)域的主導(dǎo)思想，為大多數(shù)該領(lǐng)域內(nèi)的研究人員所接受。從廣義上講，計(jì)算機(jī)視覺(jué)技術(shù)的實(shí)質(zhì)就是實(shí)現(xiàn)對(duì)在復(fù)雜環(huán)境中運(yùn)動(dòng)物體的幾何尺寸、形狀及相關(guān)運(yùn)動(dòng)狀態(tài)的識(shí)別和認(rèn)知，即把實(shí)際空間中的三維對(duì)象轉(zhuǎn)換為計(jì)算機(jī)視覺(jué)系統(tǒng)識(shí)別的二維圖像。近年來(lái)，計(jì)算機(jī)視覺(jué)技術(shù)以其迅猛的發(fā)展態(tài)勢(shì)及成熟的應(yīng)用技術(shù)成為了業(yè)界的新寵，并得到了廣泛的應(yīng)用，取得了矚目的成績(jī)。

一、運(yùn)動(dòng)目標(biāo)檢測(cè)方法分析

（一）運(yùn)動(dòng)目標(biāo)在靜止背景條件下的檢測(cè)分析

1.差分檢測(cè)法

將同一背景不同時(shí)刻兩幅圖像進(jìn)行比較，可以反映出一個(gè)運(yùn)動(dòng)物體在此背景下運(yùn)動(dòng)的結(jié)果，比較簡(jiǎn)單的一種方法是將兩圖像做“差分”或“相減”運(yùn)算，從相減后的圖像中，很容易發(fā)現(xiàn)運(yùn)動(dòng)物體的信息。在相減后的圖像中，灰度不發(fā)生變化的部分被減掉，則前區(qū)為正，后區(qū)為負(fù)，其他部分為零。由于減出的部分可以大致確定運(yùn)動(dòng)目標(biāo)在圖像上的位置，使用相關(guān)法時(shí)就可以縮小搜索范圍。

2.自適應(yīng)運(yùn)動(dòng)檢測(cè)方法

當(dāng)兩幀圖像的背景圖像起伏較大時(shí)，簡(jiǎn)單的差分法難以得到滿意的解。此時(shí)可以考慮用自適應(yīng)背景對(duì)消的方法，該方法可以在低信雜比的情況下壓制背景雜波和噪聲，檢測(cè)出非穩(wěn)態(tài)圖像信息。在背景雜波較大時(shí)，常用的門限分割不能分出這種運(yùn)動(dòng)目標(biāo)。在圖像序列中，每一個(gè)像素點(diǎn)的灰度值都是這一點(diǎn)所對(duì)應(yīng)傳感器的輸出信號(hào)值與噪聲值的疊加，因此，如何克服噪聲的影響確定一個(gè)最佳門限將目標(biāo)與背景分離，就成為弱小目標(biāo)檢測(cè)的一個(gè)重要環(huán)節(jié)。

（二）目標(biāo)在運(yùn)動(dòng)背景條件下的檢測(cè)方法分析

塊匹配法是目標(biāo)在運(yùn)動(dòng)背景條件下的主要檢測(cè)方法。基于塊的運(yùn)動(dòng)分析在圖像運(yùn)動(dòng)估計(jì)和其他圖像處理和分析中得到了廣泛的應(yīng)用，比如說(shuō)在數(shù)字視頻壓縮技術(shù)中，國(guó)際標(biāo)準(zhǔn)MPEG1-2采用了基于塊的運(yùn)動(dòng)分析和補(bǔ)償算法。塊運(yùn)動(dòng)估計(jì)與光流計(jì)算不同，它無(wú)需計(jì)算每一個(gè)像素的運(yùn)動(dòng)，而只是計(jì)算由若干像素組成的像素塊的運(yùn)動(dòng)，對(duì)于許多圖像分析和估計(jì)應(yīng)用來(lái)說(shuō)，塊運(yùn)動(dòng)分析是一種很好的近似。這里主要介紹塊匹配方法。塊匹配方法實(shí)質(zhì)上是在圖像序列中做一種相鄰幀間的位置對(duì)應(yīng)人物。它首先選取一個(gè)圖像塊，然后假設(shè)塊內(nèi)的所有像素做相同的運(yùn)動(dòng)，以此來(lái)跟蹤相鄰幀間的對(duì)應(yīng)位置。各種塊匹配算法的差異主要體現(xiàn)在：匹配準(zhǔn)則、搜索策略及塊尺寸選擇方法上。

1.匹配準(zhǔn)則

典型的匹配準(zhǔn)則有：最大互相關(guān)準(zhǔn)則、最小均方差準(zhǔn)則、最小平均絕對(duì)值差準(zhǔn)則、最大匹配像素?cái)?shù)量準(zhǔn)則等。

2.搜索策略

為了求得最佳位移估計(jì)，可以計(jì)算所有可能的位移矢量對(duì)應(yīng)的匹配誤差，然后選擇最小匹配誤差對(duì)應(yīng)的矢量就是最佳位移估計(jì)值。因此，人們提出了各種快速搜索策略。這種策略的最大優(yōu)點(diǎn)是可以找到全局最優(yōu)值，但十分浪費(fèi)時(shí)間。因此，人們提出了各種快速搜索策略。盡管快速搜索策略得到的可能是局部最優(yōu)值，但由于其快速計(jì)算的實(shí)用性，在實(shí)際中得到了廣泛的應(yīng)用。下面討論兩種快速搜索方法：二維對(duì)數(shù)及三步搜索法。

二維對(duì)數(shù)搜索法開(kāi)創(chuàng)了快速搜索算法的先例，分多個(gè)階段搜索，逐漸縮小搜索范圍，直到不能再小而結(jié)束。其基本思想是從當(dāng)前像素點(diǎn)開(kāi)始，以十字形分布的5個(gè)點(diǎn)構(gòu)成每次搜索的點(diǎn)群，通過(guò)快速搜索跟蹤最小誤差MBD點(diǎn)。

三步搜索法與二位對(duì)數(shù)法類似，由于簡(jiǎn)單、健壯、性能良好等特點(diǎn)，為人們所重視。例如其最大搜索長(zhǎng)度為7，搜索精度取一個(gè)像素，則步長(zhǎng)為4、2、1，只需三步即可滿足要求，因此而得名三步法。其基本思想是采用一種由粗到細(xì)的搜索模式，從原點(diǎn)開(kāi)始，按一定步長(zhǎng)取周圍8個(gè)點(diǎn)構(gòu)成每次搜索的點(diǎn)群，然后進(jìn)行匹配計(jì)算，跟蹤最小塊誤差MBD點(diǎn)。

三、運(yùn)動(dòng)目標(biāo)跟蹤方法

成像跟蹤系統(tǒng)經(jīng)過(guò)圖像的預(yù)處理、圖像的分割識(shí)別等一系列信息處理，最終實(shí)現(xiàn)對(duì)目標(biāo)位置的實(shí)時(shí)精確測(cè)量。跟蹤策略基本上可分為兩大類：波門跟蹤和相關(guān)跟蹤。

（一）波門跟蹤法分析

參考被跟蹤目標(biāo)外觀的實(shí)際尺寸形態(tài)，事先確定好跟蹤窗口就是我們通常所定義的“波門”的概念。與傳統(tǒng)的圖像處理方法不同，采用波門跟蹤法進(jìn)行圖像的分析和處理，其原始狀態(tài)的圖像數(shù)據(jù)僅僅限于波門內(nèi)的數(shù)據(jù)，這樣系統(tǒng)一旦捕捉到目標(biāo)，不僅可以避免傳統(tǒng)技術(shù)對(duì)整幅圖像處理過(guò)程的耗時(shí)缺點(diǎn)，而且這種跟蹤技術(shù)應(yīng)用和操作更為簡(jiǎn)單，跟蹤及成像效果也能夠得到切實(shí)的保障。

（二）相關(guān)跟蹤法分析

當(dāng)被跟蹤的目標(biāo)物體出現(xiàn)運(yùn)動(dòng)、姿態(tài)的調(diào)整或由于自然條件等因素造成了背景的雜波干擾時(shí)，目標(biāo)圖像的分割及提取工作由于目標(biāo)矩心及形心的不確定將難于進(jìn)行。這種情況下，就可以采用相關(guān)跟蹤的方式進(jìn)行處理。這種基于圖像匹配為基礎(chǔ)的相關(guān)跟蹤技術(shù)是以圖像相識(shí)性度量為基礎(chǔ)，獲取現(xiàn)場(chǎng)圖像中實(shí)時(shí)的最接近目標(biāo)圖像值的一種跟蹤方式。由于分析及處理過(guò)程中，不需對(duì)用于分割及提取的特征值進(jìn)行處理，因而可以應(yīng)用于對(duì)圖像數(shù)據(jù)的原始資料的處理方面，這種方法不僅可以使圖像的信息得以全部的保留，而且適合眾多復(fù)雜的環(huán)境及場(chǎng)景，是一種操作簡(jiǎn)單，結(jié)果精確的測(cè)量方法。

四、結(jié)語(yǔ)

近年來(lái)，各行各業(yè)對(duì)視頻監(jiān)控的需求不斷升溫，但已有的視頻監(jiān)控產(chǎn)品不能滿足日益增長(zhǎng)的需要。因此，計(jì)算機(jī)視覺(jué)和應(yīng)用研究學(xué)者適時(shí)提出新一代監(jiān)控—視頻智能監(jiān)控。它是目前國(guó)內(nèi)外計(jì)算機(jī)視覺(jué)研究領(lǐng)域熱點(diǎn)問(wèn)題之一。因而，在生產(chǎn)實(shí)踐中，不斷加強(qiáng)對(duì)其的分析和研究具有非常重要的現(xiàn)實(shí)意義。

參考文獻(xiàn)：

篇8

關(guān)鍵詞：印制電路板；圖像處理；機(jī)器視覺(jué)；PCB裸板；自動(dòng)光學(xué)檢測(cè)；缺陷檢測(cè) 文獻(xiàn)標(biāo)識(shí)碼：A

中圖分類號(hào)：TP391 文章編號(hào)：1009-2374（2016）09-0010-05 DOI：10.13535/ki.11-4406/n.2016.09.005

我國(guó)是全球第一大PCB生產(chǎn)基地，作為電子產(chǎn)品承載體的電路板，其集成度和產(chǎn)量不斷在提高。為了保證電子產(chǎn)品的性能，電路板缺陷檢測(cè)技術(shù)已經(jīng)成為電子行業(yè)中非常關(guān)鍵的技術(shù)。建立在圖像處理算法基礎(chǔ)上的機(jī)器視覺(jué)檢測(cè)技術(shù)與傳統(tǒng)的人工檢測(cè)技術(shù)相比，提高了缺陷檢測(cè)的效率和準(zhǔn)確度。因此，設(shè)計(jì)一種高效精準(zhǔn)的機(jī)器視覺(jué)檢測(cè)電路板缺陷的系統(tǒng)，具有非常重要的現(xiàn)實(shí)意義。評(píng)估印刷電路板質(zhì)量的一個(gè)重要因素就是表觀檢測(cè)，PCB的表觀質(zhì)量對(duì)產(chǎn)品性能及成品使用安全有著極大的重要性。而伴隨著近年來(lái)在工業(yè)生產(chǎn)領(lǐng)域崛起的計(jì)算機(jī)視覺(jué)，當(dāng)前表觀缺陷檢測(cè)和分類識(shí)別的研究方向已經(jīng)轉(zhuǎn)向了利用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)實(shí)現(xiàn)。計(jì)算機(jī)圖像處理識(shí)別技術(shù)這種基于計(jì)算機(jī)視覺(jué)的檢測(cè)技術(shù)成功取代了傳統(tǒng)的PCB缺陷檢測(cè)方法，在自動(dòng)光學(xué)檢測(cè)系統(tǒng)眾多應(yīng)用中占據(jù)了相對(duì)重要的地位，一躍成為PCB生產(chǎn)業(yè)表觀缺陷的主要檢測(cè)方法。

圖1 系統(tǒng)框圖

因此本文通過(guò)設(shè)計(jì)AOI自動(dòng)光學(xué)檢測(cè)系統(tǒng)，搭建較為簡(jiǎn)單的PCB缺陷自動(dòng)檢測(cè)系統(tǒng)的實(shí)驗(yàn)平臺(tái)，對(duì)PCB中四類較為關(guān)鍵、常見(jiàn)的缺陷進(jìn)行檢測(cè)、分析、識(shí)別、判定，為研究推廣PCB缺陷自動(dòng)檢測(cè)系統(tǒng)開(kāi)拓應(yīng)用前景，如能實(shí)現(xiàn)工業(yè)上的產(chǎn)業(yè)化檢測(cè)，將有高額的經(jīng)濟(jì)收益。本文側(cè)重對(duì)PCB中的四類較為關(guān)鍵、常見(jiàn)的缺陷進(jìn)行檢測(cè)、分析、識(shí)別、判定，并且僅搭建了較為簡(jiǎn)單的PCB缺陷自動(dòng)檢測(cè)系統(tǒng)的實(shí)驗(yàn)平臺(tái)，即通過(guò)復(fù)雜算法對(duì)采集到的圖像進(jìn)行處理、配準(zhǔn)、對(duì)比，從而得出PCB缺陷類型及對(duì)其進(jìn)行標(biāo)識(shí)。如圖1所示。

1 硬件設(shè)計(jì)方案

PCB缺陷檢測(cè)的總體系統(tǒng)設(shè)計(jì)方案主要是基于自動(dòng)光學(xué)檢測(cè)技術(shù)來(lái)搭建PCB缺陷檢測(cè)系統(tǒng)，硬件設(shè)計(jì)是使用CNC-T程控光源高精度影像測(cè)試系統(tǒng)操作臺(tái)，對(duì)待測(cè)電路板進(jìn)行圖像采集，再通過(guò)VS2010軟件所編寫程序處理，得出待測(cè)電路板的缺陷種類。整個(gè)系統(tǒng)主要分為運(yùn)動(dòng)控制、光源、圖像采集、圖像處理四個(gè)模塊，分模塊簡(jiǎn)要闡述了實(shí)驗(yàn)過(guò)程、所需設(shè)備以及軟件算法，搭建了一個(gè)相對(duì)完整的系統(tǒng)工作平臺(tái)。

圖2 CNC-T程控光源影像操作臺(tái)

該設(shè)備具有測(cè)量元素種類齊全、手動(dòng)測(cè)量、自動(dòng)對(duì)焦等多種功能，使用該設(shè)備采集圖像進(jìn)行二維檢測(cè)，測(cè)量軟體為YR-CNC，將圖像儲(chǔ)存至電腦后便由VS軟件進(jìn)行圖像處理。實(shí)驗(yàn)組成如圖3所示：

圖3 實(shí)驗(yàn)系統(tǒng)框圖

1.1 運(yùn)動(dòng)控制模塊

本系統(tǒng)運(yùn)動(dòng)流程為：被檢測(cè)的PCB在檢測(cè)臺(tái)上，通過(guò)步進(jìn)電機(jī)XY軸運(yùn)動(dòng)到攝像機(jī)拍攝區(qū)域，CCD攝像機(jī)固定在工作臺(tái)上方（Z軸），通過(guò)Z軸的運(yùn)動(dòng)實(shí)現(xiàn)聚焦。如圖4所示：

圖4 平臺(tái)運(yùn)動(dòng)示意圖

設(shè)備工作臺(tái)臺(tái)面尺寸為746mm×506mm，承載玻璃面尺寸為452mm×354mm，有效測(cè)量行程為400×300×200。本裝置既可通過(guò)軟件驅(qū)動(dòng)自動(dòng)采集圖像，也可以通過(guò)手動(dòng)控制，移動(dòng)并聚焦采集待測(cè)PCB的圖像。

1.2 光源模塊

輔助光照――采用的是正向和背向光源這兩種輔助光照。其中正光源和攝像頭同側(cè)，均位于Z軸上，正光源主要用于檢測(cè)待測(cè)物體的表面特征。背光源位于檢測(cè)臺(tái)面下方，與正光源處于同軸反向關(guān)系，背光源能突出待測(cè)物體的輪廓特征，常用于檢測(cè)物體輪廓尺寸。

圖像采集：分別利用正光源突出PCB表面如走線、過(guò)孔和焊盤等主要特征，而下光源主要使PCB的輪廓尺寸和過(guò)孔產(chǎn)生強(qiáng)烈的輪廓對(duì)比。

光源：使用的是高度集中照明光源中心的LDR系列，由于該光源的傘狀結(jié)構(gòu)緊密排列著LED且采用了CCS獨(dú)創(chuàng)的柔性板，使之成為L(zhǎng)ED照明系統(tǒng)的標(biāo)準(zhǔn)模式。照明系統(tǒng)如圖5所示：

圖5 照明系統(tǒng)

1.3 圖像采集模塊

圖像采集模塊是由圖像采集卡、相機(jī)和鏡頭組成的，該模塊是圖像配準(zhǔn)階段的硬件基礎(chǔ)。計(jì)算機(jī)采集圖像的媒介就是相機(jī)，而相機(jī)按照不同原理又分為多種，常見(jiàn)的有CCD（Charge Coupled Device）和CMOS（Complementary Metal Oxide Semiconductor）兩類。本系統(tǒng)采用的是CCD 1/2英寸43萬(wàn)像素彩色攝像頭和高清晰度0.7～4.5X變焦倍率鏡頭，顯示分辨率為0.001mm。

1.4 圖像處理模塊

通常獲得的圖像將受到工業(yè)現(xiàn)場(chǎng)環(huán)境、光照等條件的干擾，計(jì)算機(jī)所獲得的圖像質(zhì)量多數(shù)參差不齊，圖像的清晰度不一致，大大增加了PCB缺陷檢測(cè)的難度，所以在利用復(fù)雜算法檢測(cè)、識(shí)別PCB缺陷前要先對(duì)圖像進(jìn)行預(yù)處理。

本圖像處理模塊主要通過(guò)VS軟件在OpenCV計(jì)算機(jī)視覺(jué)庫(kù)的基礎(chǔ)上，通過(guò)一系列算法對(duì)圖像進(jìn)行處理對(duì)比。

2 系統(tǒng)軟件設(shè)計(jì)

2.1 OpenCV

OpenCV（Open Source Computer Vision Library）是一個(gè)跨平臺(tái)的可以運(yùn)行在Linux、Windows和Mac OS操作系統(tǒng)上的基于（開(kāi)源）發(fā)行的計(jì)算機(jī)視覺(jué)庫(kù)。它重量輕而高效，開(kāi)放了多種接口如MATLAB、Ruby和Python等，并且在計(jì)算機(jī)視覺(jué)和圖像處理中大多數(shù)通用的算法都是被允許的。OpenCV可用于開(kāi)發(fā)實(shí)時(shí)圖像處理、計(jì)算機(jī)視覺(jué)和模式識(shí)別方案，它提供了多種函數(shù)，實(shí)現(xiàn)了大量的計(jì)算機(jī)視覺(jué)算法，算法涵蓋了從最基礎(chǔ)的濾波至以高級(jí)的物體檢測(cè)。OpenCV實(shí)際上是一堆C和C++語(yǔ)言源代碼文件，許多常見(jiàn)的計(jì)算機(jī)視覺(jué)算法由這些源代碼文件實(shí)現(xiàn)。如C接口函數(shù)cvCanny（）實(shí)現(xiàn)Canny邊緣檢測(cè)算法。它可直接加入到我們自己的軟件項(xiàng)目編程中，而無(wú)需去編寫自己的Canny算子代碼，就是沒(méi)有必要重復(fù)“造輪子”。

根據(jù)OpenCV中源代碼文件巨多的特點(diǎn)，以算法的功能為基準(zhǔn)，將這些源文件分到多個(gè)模塊中，如core、imgproc、highgui等。將每個(gè)模塊中的源文件編譯成一個(gè)庫(kù)文件（如opencv_core.lib、opencv_imgproc.lib、opencv_highgui.lib等），用戶在使用時(shí)，僅需在自己的項(xiàng)目中添加要用的庫(kù)文件，與自己的源文件一起連接成可執(zhí)行程序即可。

OpenCV計(jì)算機(jī)視覺(jué)庫(kù)的出現(xiàn)，是為了使人們利用方便快捷的計(jì)算機(jī)視覺(jué)框架，在計(jì)算機(jī)視覺(jué)領(lǐng)域可以更加輕松地設(shè)計(jì)出更為復(fù)雜的應(yīng)用程序。OpenCV涵蓋了多種計(jì)算機(jī)視覺(jué)應(yīng)用區(qū)域，如用戶界面、信息安全、醫(yī)學(xué)影像學(xué)、工廠產(chǎn)品檢驗(yàn)、立體視覺(jué)、機(jī)器人和攝像機(jī)標(biāo)定等，約有500多個(gè)函數(shù)。因?yàn)橛?jì)算機(jī)視覺(jué)與機(jī)器學(xué)習(xí)是相輔相成的，所以O(shè)penCV也開(kāi)放了MLL（Machine Learning Library）機(jī)器學(xué)習(xí)庫(kù)。MLL除了在視覺(jué)任務(wù)相關(guān)中使用，也可以很容易地應(yīng)用到其他機(jī)器學(xué)習(xí)中。

2.2 Microsoft Visual Studio2010

Visual Studio是微軟公司推出的開(kāi)發(fā)環(huán)境，是同行業(yè)中目前最流行的Windows平臺(tái)應(yīng)用程序開(kāi)發(fā)環(huán)境。Visual Studio 2010于2010年4月12日，其集成開(kāi)發(fā)環(huán)境（IDE）已被重新設(shè)計(jì)和組織，變得更簡(jiǎn)單了。

Visual Studio 2010同時(shí)帶來(lái)了NET Framework 4.0、Microsoft Visual Studio 2010 CTP（Community Technology Preview――CTP），并且支持開(kāi)發(fā)面向Windows 7的應(yīng)用程序。除了Microsoft SQL Server外，它還支持IBM DB2和Oracle數(shù)據(jù)庫(kù)。目前有專業(yè)版、高級(jí)版、旗艦版、學(xué)習(xí)版和測(cè)試版五個(gè)版本。Visual Studio的用處十分廣泛，不僅可被用來(lái)基于Windows平臺(tái)創(chuàng)建Windows應(yīng)用程序和Web應(yīng)用程序，還可被用來(lái)創(chuàng)建智能設(shè)備、Office插件和Web服務(wù)等應(yīng)用程序。微軟的Visual Studio 2010將成為一個(gè)版本的經(jīng)典，這是相當(dāng)于6.0版本。該版本可以自定義開(kāi)始頁(yè)，新功能還包括：（1）C# 4.0中的動(dòng)態(tài)類型和動(dòng)態(tài)編程；（2）多顯示器支持；（3）使用Visual Studio 2010的特性支持TDD；（4）支持Office；（5）Quick Search特性；（6）C++ 0x新特性；（7）IDE增強(qiáng)；（8）使用Visual C++ 2010創(chuàng)建Ribbon界面；（9）新增基于.NET平臺(tái)的語(yǔ)言F#。本課題將基于OpenCV計(jì)算機(jī)視覺(jué)庫(kù)使用Microsoft Visual Studio2010開(kāi)發(fā)環(huán)境，通過(guò)編輯算法實(shí)現(xiàn)PCB缺陷檢測(cè)。

3 圖像預(yù)處理

要使用計(jì)算機(jī)對(duì)圖像進(jìn)行處理，所得到的連續(xù)圖像就必須被轉(zhuǎn)換為離散的數(shù)據(jù)集，這是因?yàn)橛?jì)算機(jī)只能處理離散度數(shù)據(jù)，這一過(guò)程我們稱之為圖像采集。圖像采集由圖像采集系統(tǒng)實(shí)現(xiàn)，如圖6所示。圖像采集系統(tǒng)的三個(gè)主要模塊是成像系統(tǒng)、采樣系統(tǒng)和量化器。

圖6

將整理出的字符圖像交予識(shí)別模塊來(lái)識(shí)別，被稱為圖像的預(yù)處理。PCB的圖像預(yù)處理包括灰度化、增強(qiáng)、濾波、二值化、配準(zhǔn)等，處理后的PCB輸出的圖像質(zhì)量將得到改善，在很大程度上使得該圖像特征更直觀，方便計(jì)算機(jī)分析和處理。PCB的圖像預(yù)處理為整個(gè)PCB缺陷檢測(cè)系統(tǒng)的核心部件，很大程度上決定了檢測(cè)的準(zhǔn)確性。圖像預(yù)處理流程如圖7所示：

圖7 圖像預(yù)處理流程圖

4 PCB缺陷檢測(cè)

本文針對(duì)四種常見(jiàn)缺陷：斷路、短路、毛刺（凸起）、缺損（凹陷）進(jìn)行檢測(cè)研究。在這四種缺陷中，最為嚴(yán)重的缺陷類型是斷路和短路，它們將會(huì)使整塊板子失去本來(lái)的功能；而凸起、凹陷也可能影響到PCB在使用過(guò)程中的穩(wěn)定性能。如圖8所示為幾種常見(jiàn)的缺陷：

圖8 常見(jiàn)電路板缺陷

4.1 PCB缺陷的檢測(cè)方法

常用的PCB缺陷檢測(cè)方法有參考法和非參考法兩種。要是從概念理解和電路難易程度看，參考法明顯更加具有概念直觀、電路簡(jiǎn)單的優(yōu)勢(shì)；要是從檢測(cè)所需要的條件來(lái)看，非參考法則在不需要待測(cè)PCB與標(biāo)準(zhǔn)PCB進(jìn)行準(zhǔn)確對(duì)準(zhǔn)這一點(diǎn)上優(yōu)于參考法。

本課題采用參考法進(jìn)行PCB缺陷檢測(cè)。

使用參考法對(duì)PCB缺陷進(jìn)行檢測(cè)的流程為：（1）確定標(biāo)準(zhǔn)的PCB圖像并放入?yún)⒖紟?kù)；（2）通過(guò)成像設(shè)備采集待測(cè)PCB圖像，進(jìn)行圖像預(yù)處理之后，再二值化PCB待測(cè)圖像，并對(duì)其進(jìn)行連通域提??；（3）然后將處理結(jié)果與標(biāo)準(zhǔn)圖像進(jìn)行對(duì)比，利用圖像相減來(lái)判斷PCB可能存在的缺陷；（4）進(jìn)行分類，確定缺陷類型。

4.2 圖像連通域

像素是圖像中最小的單位，每個(gè)像素周圍有8個(gè)鄰接像素，常見(jiàn)的鄰接關(guān)系有兩種：4鄰接與8鄰接。4鄰接一共4個(gè)點(diǎn)，即上下左右。包括對(duì)角線位置的點(diǎn)，8鄰接的點(diǎn)一共有8個(gè)，如圖9所示：

圖9 領(lǐng)域示圖

如果像素點(diǎn)A與B鄰接，我們稱A與B連通，即有如下的結(jié)論：

如果A與B連通、B與C連通，則A與C連通。在視覺(jué)上看來(lái)，點(diǎn)與點(diǎn)相互連通，形成一個(gè)區(qū)域，而不是連通的點(diǎn)形成不同的區(qū)域。這種相互立體的所有的點(diǎn)，我們稱為連通區(qū)域。連通區(qū)域標(biāo)記常用的方法有Two-Pass（兩遍掃描法）和Seed Filling（種子填充法）兩種方法，本課題主要介紹第二種。

Seed Filling來(lái)源于計(jì)算機(jī)圖形學(xué)，通常應(yīng)用在填充圖形上。思路：以一個(gè)前景像素當(dāng)作種子，而后在處于同一像素值且位置相鄰的連通區(qū)域，把和種子相鄰的前景像素融合到同一組像素中，結(jié)果將是獲得一個(gè)像素集，即連通區(qū)域。接下來(lái)介紹使用種子填充法實(shí)現(xiàn)的連通區(qū)域分析法：

第一，重復(fù)掃描圖像，當(dāng)?shù)玫疆?dāng)前像素點(diǎn)B（x，y）=1時(shí)停止：（1）賦予B（x，y）一個(gè)label，并將像素位置作為種子，接著將所有位于該種子周圍的前景像素都?jí)喝霔Ｖ?；?）將棧頂像素賦以相同的label值并彈出，接著將全部位于棧頂像素周邊的前景像素都?jí)喝霔Ｖ?；?）重復(fù)（2）步驟，直到棧為空。此時(shí)，圖像B中的一個(gè)像素值被標(biāo)記為label的連通區(qū)域便被找到了。

第二，在掃描結(jié)束前，重復(fù)第一個(gè)步驟，由此可以獲得圖像B中所有的連通區(qū)域在掃描結(jié)束后。

掃描所得的連通域如圖10所示：

圖10 圖像連通域提取

4.3 缺陷識(shí)別

缺陷識(shí)別具體特征如表1所示：

表1 缺陷特征

缺陷種類 二值圖像面積 連通區(qū)域數(shù)

斷路 減少 增加

短路 增加 減少

凸起 增加 不變

凹陷 減少 不變

第一，短路和斷路。在出現(xiàn)短路缺陷時(shí)，待測(cè)圖像與標(biāo)準(zhǔn)圖像相比，其所包含的連通區(qū)域數(shù)將會(huì)減少。同理可得，在出現(xiàn)斷路缺陷時(shí)，待測(cè)圖像與標(biāo)準(zhǔn)圖像相比，其所包含的連通區(qū)域數(shù)將會(huì)增多。因此，斷路和短路缺陷便可利用比較連通區(qū)域數(shù)來(lái)判定和識(shí)別。

第二，凸起和凹陷。凸起缺陷將導(dǎo)致導(dǎo)線和導(dǎo)線、導(dǎo)線和其他導(dǎo)體間的間隙變小，而凹陷缺陷將導(dǎo)致導(dǎo)線和導(dǎo)線、導(dǎo)線和其他導(dǎo)體間的間隙變大，二者均會(huì)導(dǎo)致PCB使用過(guò)程中出現(xiàn)不穩(wěn)定狀態(tài)。而觀察可知，這兩種缺陷的連通區(qū)域相同，差別在于各自二值化面積的大小，所以可以通過(guò)計(jì)算該待測(cè)圖像的連通區(qū)域面積來(lái)識(shí)別凸起、凹陷缺陷。

識(shí)別過(guò)程：將經(jīng)過(guò)圖像預(yù)處理的待測(cè)PCB圖像與標(biāo)準(zhǔn)圖像進(jìn)行對(duì)比后，通過(guò)算法找出缺陷。比較二者的連通區(qū)域數(shù)，若前者大于后者，則標(biāo)定該缺陷點(diǎn)為斷路，反之則為短路；若二者連通區(qū)域數(shù)相同，則比較二值化圖像面積，若前者大于后者，則標(biāo)定該缺陷點(diǎn)為凸起，反之則為凹陷。檢測(cè)流程如圖11所示：

圖11 PCB缺陷檢測(cè)流程圖

5 系統(tǒng)實(shí)驗(yàn)

本文使用CNC-T程控光源高精度影像測(cè)試系統(tǒng)操作臺(tái)，結(jié)合VS2010軟件基于OpenCV計(jì)算機(jī)視覺(jué)庫(kù)的算法編程來(lái)實(shí)現(xiàn)PCB的缺陷檢測(cè)。整體實(shí)驗(yàn)過(guò)程為：手動(dòng)控制操作臺(tái)捕捉、聚焦、采集待測(cè)PCB的圖像，采集到的圖像與標(biāo)準(zhǔn)圖像進(jìn)行對(duì)比、識(shí)別，得出缺陷種類并顯示結(jié)果。

本課題一共就所研究缺陷類型，做了40組實(shí)驗(yàn)，通過(guò)實(shí)驗(yàn)結(jié)果計(jì)算正確率。如表2所示：

表2 實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)

缺陷類型 實(shí)驗(yàn)次數(shù) 正確率

斷路 10 100%

短路 10 100%

凸起 10 100%

凹陷 10 100%

針對(duì)不同電路板圖中出現(xiàn)的同種斷路類型進(jìn)行檢測(cè)，效果如圖12a、圖12b、圖12c所示，可準(zhǔn)確檢測(cè)出缺陷存在。

圖12

針對(duì)不同電路板圖中出現(xiàn)的同種短路類型進(jìn)行檢測(cè)，效果如圖13a、圖13b、圖13c所示，可準(zhǔn)確檢測(cè)出缺陷存在。

圖13

針對(duì)不同電路板圖中出現(xiàn)的同種凸起類型進(jìn)行檢測(cè)，效果如圖14a、圖14b、圖14c所示，可準(zhǔn)確檢測(cè)出缺陷存在。

圖14

針對(duì)不同電路板圖中出現(xiàn)的同種凹陷類型進(jìn)行檢測(cè)，效果如圖15a、圖15b、圖15c所示，可準(zhǔn)確檢測(cè)出缺陷存在。

圖15

6 結(jié)語(yǔ)

PCB板面向體積越來(lái)越小、密度越來(lái)越高的方向發(fā)展。在檢測(cè)產(chǎn)品價(jià)格方面，國(guó)外AOI檢測(cè)產(chǎn)品價(jià)格普遍偏高，而由于經(jīng)濟(jì)原因，在國(guó)內(nèi)PCB板生產(chǎn)制造商多數(shù)仍采用人工目測(cè)等傳統(tǒng)檢測(cè)方法檢測(cè)。隨著經(jīng)濟(jì)的發(fā)展，數(shù)字圖像處理研究的深入，自動(dòng)光學(xué)檢測(cè)系統(tǒng)也開(kāi)始頻繁活躍在人們視線中，但在PCB缺陷檢測(cè)方面的應(yīng)用卻還有待完善。因此，本論文建立在深入掌握工控系統(tǒng)結(jié)構(gòu)并從PCB板的質(zhì)量標(biāo)準(zhǔn)、圖像特點(diǎn)、缺陷特征及檢測(cè)要求的分析基礎(chǔ)上，對(duì)以圖像處理為基礎(chǔ)的PCB缺陷檢測(cè)技術(shù)進(jìn)行了深入研究。由于PCB缺陷自動(dòng)檢測(cè)系統(tǒng)的研究涉及多個(gè)領(lǐng)域的知識(shí)，其研究過(guò)程十分耗時(shí)、繁瑣，由此，本論文僅僅對(duì)PCB缺陷檢測(cè)中較為常見(jiàn)的問(wèn)題進(jìn)行了較深入研究，并且僅搭建了較為簡(jiǎn)單的PCB缺陷自動(dòng)檢測(cè)系統(tǒng)的實(shí)驗(yàn)平臺(tái)，對(duì)PCB中的四類較為關(guān)鍵、常見(jiàn)的缺陷進(jìn)行檢測(cè)、分析、識(shí)別、判定。雖然還未實(shí)現(xiàn)真正實(shí)現(xiàn)工業(yè)上產(chǎn)業(yè)化檢測(cè)，但是在未來(lái)幾十年中，研究推廣的PCB缺陷自動(dòng)檢測(cè)系統(tǒng)將有十分良好的應(yīng)用前景，也將有高額的經(jīng)濟(jì)收益。

參考文獻(xiàn)

[1] 陳勝勇，劉盛，等.基于OpenCV的計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)[M].北京：科學(xué)出版社，2008.

[2] Gary Bradski，Adrian Kaebler，于仕琪，等.學(xué)習(xí)OpenCV[M].北京：清華大學(xué)出版社，2009.

[3] 周長(zhǎng)發(fā).精通Visual C++圖像處理編程（第3版）

[M].北京：電子工業(yè)出版社，2006.

[4] 黨振.中國(guó)大陸PCB產(chǎn)業(yè)的現(xiàn)狀與未來(lái)[J].印制電路信息，2006，32（1）.

[5] 胡躍明，譚穎.自動(dòng)光學(xué)檢測(cè)在中國(guó)的應(yīng)用現(xiàn)狀和發(fā)展[J].微計(jì)算機(jī)信息，2006，（4）.

[6] 李漢，何星，等.印刷電路板的自動(dòng)光學(xué)檢測(cè)系統(tǒng)

[J].無(wú)損檢測(cè)，2004，26（6）.

[7] 張利，高永英，等.PCB板檢測(cè)中的定位研究[J].中國(guó)圖像圖形學(xué)，1999，4（8）.

[8] 姚立新，張武學(xué)，等.AOI系統(tǒng)在PCB中的應(yīng)用[J].電子工業(yè)專用備，2004，（5）.

[9] 范小濤，夏雨人.一種基于圖像處理的PCB檢測(cè)算法研究[J].計(jì)算機(jī)工程與應(yīng)用，2004，（13）.

[10] 傅莉.印制電路板的發(fā)展及前景[J].電腦與電信，2010，（5）.

[11] 張明軒.基于視頻序列的人臉檢測(cè)與跟蹤算法研究[D].中北大學(xué)，2011.

[12] 張馳.基于機(jī)器視覺(jué)的智能控制與圖像識(shí)別問(wèn)題研究[D].蘭州理工大學(xué)，2009.

[13] 謝飛.基于計(jì)算機(jī)視覺(jué)的自動(dòng)光學(xué)檢測(cè)關(guān)鍵技術(shù)與應(yīng)用研究[D].南京大學(xué)，2013.

[14] 張靜.PCB表觀缺陷的自動(dòng)光學(xué)檢測(cè)理論與技術(shù)

[D].電子科技大學(xué)，2013.

[15] 俞瑋.AOI技術(shù)在PCB缺陷檢測(cè)中的應(yīng)用研究[D].電子科技大學(xué)，2007.

篇9

【關(guān)鍵字】行人檢測(cè) 目標(biāo)檢測(cè) 圖像處理

一、引言

在計(jì)算機(jī)視覺(jué)領(lǐng)域中，行人檢測(cè)是目標(biāo)檢測(cè)的一個(gè)重要研究熱點(diǎn)，其主要利用各種傳感器獲取行人的數(shù)據(jù)信息，通過(guò)圖像處理及模式識(shí)別等算法從圖像數(shù)據(jù)中檢測(cè)出行人。其中傳感器包括激光、雷達(dá)等。行人檢測(cè)并不是孤立存在的，它與行人跟蹤、行為分析、姿態(tài)估計(jì)、場(chǎng)景分割等問(wèn)題息息相關(guān)，因此具有極高的科研價(jià)值和商業(yè)價(jià)值。

二、行人檢測(cè)技術(shù)發(fā)展趨勢(shì)

如圖1所示，早在2007年開(kāi)始就已經(jīng)出現(xiàn)了行人檢測(cè)技術(shù)的研究。2007至2010年期間，專利申請(qǐng)量雖然呈逐步增長(zhǎng)趨勢(shì)，然而增長(zhǎng)速率較平穩(wěn)，每年的申請(qǐng)量沒(méi)有太大的變動(dòng)；2011年相比較于2010年增長(zhǎng)率達(dá)到兩倍以上，此后2012年和2013年相較前一年都有較大的增長(zhǎng)量，然而在2014年專利申請(qǐng)量與其前一年2013年相比，呈現(xiàn)減少的趨勢(shì)，這可能與發(fā)明專利未提前公開(kāi)有關(guān)，但該年的總量在除2013年以外的其它各年中仍占有絕對(duì)性的優(yōu)勢(shì)，預(yù)計(jì)2014年申請(qǐng)量不會(huì)低于2013年。

三、行人檢測(cè)技術(shù)解析

常見(jiàn)的行人檢測(cè)方法可分為基于簡(jiǎn)單的圖像處理的行人檢測(cè)方法和基于計(jì)算機(jī)視覺(jué)的行人檢測(cè)方法。

3.1基于簡(jiǎn)單圖像處理的行人檢測(cè)技術(shù)

該類技術(shù)主要分為：幀間差分法、光流法和背景差分法等。其與基于計(jì)算機(jī)視覺(jué)的技術(shù)相比算法較為簡(jiǎn)單，不需要事先準(zhǔn)備大量的訓(xùn)練樣本或模板，處理速度也較快，因此在國(guó)內(nèi)也占據(jù)一定的申請(qǐng)量。如上海交通大學(xué)的專利CN201210586125采用高斯混合模型對(duì)背景建模從而檢測(cè)行人，寧波大學(xué)的專利CN201210017307采用圖割方法進(jìn)行行人檢測(cè)，奇瑞汽車股份有限公司的專利CN201310382009通過(guò)獲取候選區(qū)域的至少兩個(gè)特征圖進(jìn)行候選區(qū)域是否包含行人的判斷。

3.2基于計(jì)算機(jī)視覺(jué)的行人檢測(cè)方法

基于統(tǒng)計(jì)學(xué)習(xí)的方法與其他方法相比占絕對(duì)性的優(yōu)勢(shì)，是最近幾年高校和科研院所所研究的重點(diǎn)，同時(shí)也是公司企業(yè)發(fā)展的方向。如北京中星微電子的專利CN200710179786采用積分圖像和平方積分圖像提高分類器的檢測(cè)速度，江蘇大學(xué)的CN201110447411對(duì)特征向量進(jìn)行稀疏表示并組合成稀疏化的混合特征向量作為分類器的特征進(jìn)行行人檢測(cè)。

特征和分類器是統(tǒng)計(jì)學(xué)習(xí)的兩大關(guān)鍵技術(shù)。對(duì)特征的改進(jìn)占56%，如中國(guó)科學(xué)技術(shù)大學(xué)的專利CN200810101705利用種群優(yōu)化尋找行人檢測(cè)最優(yōu)特征進(jìn)行行人檢測(cè)，北京博康智能信息技術(shù)有限公司的專利CN201210082846利用梯度特征和線性邊緣特征進(jìn)行行人檢測(cè)；

分類器的改進(jìn)分別占42%，如杭州?？低晹?shù)字技術(shù)股份有限公司的專利CN201210169536利用多尺度的Adaboost作為分類器進(jìn)行行人檢測(cè)，無(wú)錫慧眼電子科技有限公司的專利CN201310076413首先基于Adaboost得到級(jí)聯(lián)分類器。

篇10

關(guān)鍵詞： 計(jì)算機(jī)視覺(jué)； 考試； 自動(dòng)監(jiān)考； 視頻幀

中圖分類號(hào)： TN957.52+3?34； TP373 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）14?0099?03

Abstract： In view of the high packet loss rate and low intelligent degree of the current video monitoring for test invigilation， the optimal design was carried out for the computer vision based automatic monitoring system of student examination. A video frame cycle error correction coding based design method of automatic invigilation system based on computer vision is put forward. The system design is divided into hardware and software design， including the A/D circuit， clock circuit， video frame cycle error correction coding circuit， program load circuit and output interface circuit. The experimental test results show that the system can reduce the video packet loss in the invigilation process effectively， improve the vision coverage degree of invigilation area， and has high system integration and intellectuality.

Keywords： computer vision； examination； automatic invigilation； video frame

0 引 言

隨著視頻圖像處理技術(shù)的發(fā)展，采用計(jì)算機(jī)視頻監(jiān)測(cè)方法進(jìn)行現(xiàn)場(chǎng)O控設(shè)計(jì)，提高對(duì)監(jiān)控區(qū)域的自動(dòng)化識(shí)別和管理能力[1]。學(xué)生考試自動(dòng)監(jiān)考系統(tǒng)是考試智能化管理系統(tǒng)的重要部分，采用計(jì)算機(jī)視覺(jué)分析方法進(jìn)行自動(dòng)監(jiān)考，首先采用計(jì)算機(jī)視頻監(jiān)控方法進(jìn)行考試現(xiàn)場(chǎng)的實(shí)時(shí)視覺(jué)畫面采集，從而實(shí)現(xiàn)對(duì)考試現(xiàn)場(chǎng)的檢驗(yàn)分析和指導(dǎo)。研究學(xué)生考試自動(dòng)監(jiān)考系統(tǒng)，在促進(jìn)智能化考試管理和提高考場(chǎng)監(jiān)考的管控能力方面具有積極重要意義[2]，對(duì)學(xué)生考試自動(dòng)監(jiān)考系統(tǒng)是建立在視頻圖像分析基礎(chǔ)上的，結(jié)合系統(tǒng)硬件設(shè)備設(shè)計(jì)和軟件開(kāi)發(fā)，采用計(jì)算機(jī)視覺(jué)分析方法進(jìn)行監(jiān)控現(xiàn)場(chǎng)的異常信息特征提取和分析，采用視頻幀循環(huán)糾錯(cuò)編碼避免監(jiān)控過(guò)程中的丟包和誤碼失真。首先進(jìn)行系統(tǒng)的總體構(gòu)架分析，然后進(jìn)行監(jiān)考系統(tǒng)的硬件模塊化設(shè)計(jì)，最后進(jìn)行系統(tǒng)調(diào)試分析，得出有效性結(jié)論。

1 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

1.1 器件選擇

根據(jù)上述設(shè)計(jì)思想和總體設(shè)計(jì)構(gòu)架，進(jìn)行基于計(jì)算機(jī)視覺(jué)的學(xué)生考試自動(dòng)監(jiān)考系統(tǒng)的硬件模塊化設(shè)計(jì)，學(xué)生考試自動(dòng)監(jiān)考系統(tǒng)的數(shù)據(jù)采集系統(tǒng)是整個(gè)系統(tǒng)的基礎(chǔ)。通過(guò)PCI橋接芯片與PC機(jī)進(jìn)行數(shù)據(jù)通信，采用PCI9054的LOCAL 總線設(shè)計(jì)方法，進(jìn)行數(shù)據(jù)特征采集，把學(xué)生考試監(jiān)考現(xiàn)場(chǎng)的視頻信息存儲(chǔ)到PCI總線上，在嵌入式RAM中對(duì)監(jiān)控視頻信息進(jìn)行收發(fā)轉(zhuǎn)換和視頻幀間編碼，基于視頻幀循環(huán)糾錯(cuò)編碼方法進(jìn)行視頻糾錯(cuò)。硬件設(shè)計(jì)主要包括如下幾個(gè)部分：學(xué)生考試監(jiān)考現(xiàn)場(chǎng)的視頻信息的DSP信號(hào)處理器、模擬信號(hào)預(yù)處理機(jī)、視頻信息的邏輯控制設(shè)備、外部I/O設(shè)備以及A/D設(shè)備和電源供電設(shè)備，用DSP控制A/D轉(zhuǎn)換FLASH寄存器寄存學(xué)生考試監(jiān)考現(xiàn)場(chǎng)的視頻視覺(jué)特征信息，同時(shí)DSP與PCI通信，DSP接收PCI總線的用戶信息，輸出多路視頻編碼到功率放大器。通過(guò)串行E2PROM進(jìn)行配置校驗(yàn)，在C 模式下通過(guò)PCI總線送采樣數(shù)據(jù)或處理結(jié)果到PC機(jī)進(jìn)行監(jiān)考現(xiàn)場(chǎng)的監(jiān)控信息分析。

1.2 監(jiān)考系統(tǒng)的電路設(shè)計(jì)

根據(jù)上述總體設(shè)計(jì)要求，結(jié)合選擇的器件，采用可編程DSP芯片ADSP?BF537作為核心處理芯片，進(jìn)行學(xué)生考試自動(dòng)監(jiān)考系統(tǒng)的電路設(shè)計(jì)，主要包括了A/D電路、時(shí)鐘電路、視頻幀循環(huán)糾錯(cuò)編碼電路、程序加載電路和輸出接口電路等，分別設(shè)計(jì)描述如下：

（1） A/D電路。學(xué)生考試監(jiān)考系統(tǒng)的A/D電路是實(shí)現(xiàn)對(duì)輸入視頻采集信息的數(shù)/模轉(zhuǎn)換，提供給計(jì)算機(jī)和DSP芯片可識(shí)別的原始計(jì)算機(jī)視覺(jué)信息，結(jié)合視頻幀循環(huán)糾錯(cuò)編碼方法進(jìn)行可視化校對(duì)和視頻編碼。外部I/O設(shè)備包括A/D轉(zhuǎn)換器AD7864兩片，A/D電路的分辨率為12位，最大采樣頻率25 kHz，采用AD7864（以下簡(jiǎn)稱7864）作為A/D芯片，它是4通道輸入、轉(zhuǎn)換速度1.65 μs的高性能AD芯片，自動(dòng)監(jiān)考系統(tǒng)的A/D輸入電壓滿足：

采樣通道數(shù)由DSP數(shù)據(jù)總線dspD[3：0]控制[3]，A4～A0和譯碼，利用信號(hào)作讀數(shù)標(biāo)志信號(hào)，得到A/D電路的接口硬件設(shè)計(jì)圖如圖1所示。

考慮到系統(tǒng)處理視頻傳輸信息的時(shí)間和讀數(shù)匹配問(wèn)題，在進(jìn)行A/D設(shè)計(jì)中，需要考慮7864模擬輸入/輸出對(duì)應(yīng)碼表，見(jiàn)表1。

（2） 時(shí)鐘電路。時(shí)鐘電路執(zhí)行學(xué)生考試自動(dòng)監(jiān)考系統(tǒng)的時(shí)鐘中斷控制功能[4]，采用5409A 作為自動(dòng)監(jiān)考系統(tǒng)的時(shí)鐘中斷的核心控制芯片，5409A有3個(gè)多通道緩沖串口McBSPs，提供串行A/D、D/A 設(shè)備以及其他的串行器件直接接口，本地總線支持復(fù)用/非復(fù)用的 32 位地址/數(shù)據(jù)，包括 PCI 總線操作和LOCAL總線操作，PC9054 內(nèi)部CI9054的LOCAL 總線與PCI總線通過(guò)異步操作實(shí)現(xiàn)兩個(gè) DMA數(shù)據(jù)的串行接口輸入和輸出。時(shí)鐘電路的引腳設(shè)計(jì)如圖2所示。

（3） 視頻幀循環(huán)糾錯(cuò)編碼電路。視頻幀循環(huán)糾錯(cuò)編碼電路是整個(gè)系統(tǒng)設(shè)計(jì)的核心模塊，視頻幀循環(huán)糾錯(cuò)編碼通過(guò)Emulator由JTAG（Joint Test Action Group）口下載到DSP中運(yùn)行，在IEEE 1149.1標(biāo)準(zhǔn)協(xié)議下進(jìn)行 5409A芯片器件的操作測(cè)試，芯片采用4通道高性能運(yùn)放，帶寬為10 MHz。使用ADUM1201進(jìn)行幀同步信號(hào)設(shè)計(jì)[5]，選擇Motorola 公司高性能 MPC850/86作為自動(dòng)監(jiān)考系統(tǒng)的三維特征分析模塊，從外部16位存儲(chǔ)器讀取監(jiān)測(cè)視頻圖像的編碼特征，引出雙排的14腳插針外接上拉或下拉電阻，選擇引腳、時(shí)鐘信號(hào)輸入引腳，數(shù)據(jù)總線LD 9054與應(yīng)用電路連接，以串行E2PROM的配置電路作為I/O 初始化控制寄存器模塊單元，直接從地址0x20000000執(zhí)行16位打包模式實(shí)現(xiàn)視頻糾錯(cuò)編碼，得到視頻幀循環(huán)糾錯(cuò)編碼電路設(shè)計(jì)如圖3所示。

（4） 程序加載電路。選擇Motorola 公司高性能 MPC850/86作為學(xué)生考試自動(dòng)監(jiān)考的可視化校驗(yàn)視覺(jué)分析的程序加載電路的核心處理芯片。在程序加載電路中，采用可編程邏輯芯片PLC進(jìn)行圖像信息分析，在程序加載中，從外部16位存儲(chǔ)器直接執(zhí)行16位打包模式，引導(dǎo)ROM配置異步存儲(chǔ)器空間，通過(guò)連續(xù)讀取0x00字節(jié)的個(gè)數(shù)來(lái)確定學(xué)生考試自動(dòng)監(jiān)考系統(tǒng)的SPI存儲(chǔ)器的片選[6]，程序加載電路設(shè)計(jì)如圖4所示。

圖4中，在VCC和地之間并聯(lián)1個(gè)電容，滿足程序加載電路的可編程的硬件寫保護(hù)和片內(nèi)的偶然性的寫保護(hù)功能。

（5） 輸出接口電路。輸出接口電路設(shè)計(jì)中，通過(guò)JTAG接口訪問(wèn)CPU的內(nèi)部寄存器，通過(guò)串行E2PROM進(jìn)行配置校驗(yàn)。使用JTAG仿真器執(zhí)行12通道DMA異步串行口設(shè)計(jì)，采用分立元件構(gòu)成串口復(fù)位電路，降低DSP的能耗。開(kāi)關(guān)頻率也可在0～1間調(diào)節(jié)，內(nèi)核電壓在0.8～1.2 V間調(diào)整，內(nèi)核電源通過(guò)10 和0.1 電容濾波，以減少電源噪聲。實(shí)時(shí)時(shí)鐘電源與I/O電源采取分別供電策略，綜上分析，得到輸出接口電路見(jiàn)圖5。

在上述進(jìn)行系統(tǒng)的硬件模塊化設(shè)計(jì)的基礎(chǔ)上，進(jìn)行系統(tǒng)集成設(shè)計(jì)與軟件開(kāi)發(fā)。

2 實(shí)驗(yàn)測(cè)試分析

對(duì)上述學(xué)生考試自動(dòng)監(jiān)考系統(tǒng)進(jìn)行軟件開(kāi)發(fā)和系統(tǒng)調(diào)試分析。件開(kāi)發(fā)建立在CCS 2.20開(kāi)發(fā)平臺(tái)下，借助于 LabWindows/CVI，C/C++開(kāi)發(fā)計(jì)算機(jī)視覺(jué)下的圖像和視頻信息處理程序。根據(jù)編寫的PCI卡驅(qū)動(dòng)程序進(jìn)行視頻信息采樣和監(jiān)考系統(tǒng)的原始數(shù)據(jù)采集，得到學(xué)生考試自動(dòng)監(jiān)考的視頻采集分析界面如圖6所示。

從圖6可見(jiàn)，采用本文設(shè)計(jì)的考試自動(dòng)監(jiān)考系統(tǒng)，能有效實(shí)現(xiàn)計(jì)算機(jī)視覺(jué)下的監(jiān)考視頻信息傳輸。為了定量測(cè)試系統(tǒng)的性能，圖7給出了不同方法進(jìn)行監(jiān)考視覺(jué)分析的視頻丟包率對(duì)比結(jié)果，從圖7得知，該系統(tǒng)能有效降低監(jiān)考過(guò)程中的視頻丟包，從而提高監(jiān)考區(qū)域的視覺(jué)覆蓋度。

3 結(jié) 語(yǔ)

本文提出一種基于視頻幀循環(huán)糾錯(cuò)編碼的計(jì)算機(jī)視覺(jué)自動(dòng)監(jiān)考系統(tǒng)設(shè)計(jì)方法。系統(tǒng)設(shè)計(jì)分為硬件和軟件部分，首先進(jìn)行了學(xué)生考試自動(dòng)監(jiān)考系統(tǒng)的總體設(shè)計(jì)構(gòu)架分析和功能指標(biāo)描述；然后以ADSP?BF537并行微處理芯片為核心進(jìn)行監(jiān)考系統(tǒng)的硬件設(shè)計(jì)，包括A/D電路、時(shí)鐘電路、視頻幀循環(huán)糾錯(cuò)編碼電路、程序加載電路和輸出接口電路；最后在Visual DSP++集成開(kāi)發(fā)環(huán)境中進(jìn)行自動(dòng)監(jiān)考系統(tǒng)的軟件開(kāi)發(fā)設(shè)計(jì)，結(jié)合視頻幀循環(huán)糾錯(cuò)編碼進(jìn)行程序加載，實(shí)現(xiàn)計(jì)算機(jī)視覺(jué)下的自動(dòng)監(jiān)考。實(shí)驗(yàn)測(cè)試結(jié)果表明，該系統(tǒng)能有效降低監(jiān)考過(guò)程中的視頻丟包，提高了監(jiān)考區(qū)域的視覺(jué)覆蓋度，具有優(yōu)越性能。

參考文獻(xiàn)

[1] STOEAN C， PREUSS M， STOEAN R， et al. Multimodal optimization by means of a topological species conservation algorithm [J]. IEEE transactions on evolutionary computation， 2010， 14（6）： 842?864.

[2] LIANG J J， QU B Y， MAO X B， et al. Differential evolution based on fitness Euclidean?distance ratio for multimodal optimization [J]. Neurocomputing， 2014， 137（8）： 252?260.

[3] 章俊，張冬梅，王辛剛.一類參數(shù)不確定連續(xù)正系統(tǒng)受限控制[J].信息與控制，2015，44（5）：592?597.

[4] 陸興華，吳恩.基于安卓客戶端的智能家居電力控制優(yōu)化設(shè)計(jì)[J].電力與能源，2015，36（5）：692?695.