前言：中文期刊網精心挑選了計算機視覺的應用方向范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
計算機視覺的應用方向范文1
隨著計算機技術以及圖像處理技術的快速發展，計算機視覺技術作為一種新興的技術，其被廣泛應用在軍事、醫學、工業以及農業等領域[1]。一般而言，計算機及視覺技術應用在農業的生產前、生產中以及生產后等各個環節，其主要就是鑒別植物種類，分級和檢測農產品的品質。計算機視覺相較于人類視覺而言，其具有更多的優點，能夠有效提高農業的生產率，實現農業生產與管理的智能化和自動化，促進農業的可持續發展。
一、計算機視覺技術概述
計算機視覺主要是指利用計算機來對圖像進行分析，從而控制某種動作或者獲取某描述景物的數據，是人工智能與模式識別的重要領域。計算機視覺興起于20世紀70年代，其涉及的學科范圍較為廣泛，包括視覺學、CCD技術、自動化、人工智能、模式識別、數字圖像處理以及計算機等。就目前而言，計算機視覺技術主要以圖像處理技術為核心，是通過計算機視覺模擬人眼，并利用光譜對作物進行近距離拍攝，運用數字圖像處理以及人工智能等技術，對圖像信息進行分析和研究。計算機視覺技術主要步驟包括采集圖像、分割圖像、預處理、特征提取、處理和分析提取的特征等[2]。
二、農業機械中計算機視覺技術的應用分析
一般而言，農業機械中計算機視覺技術的應用，主要表現在以下三個方面：一是田間作業機械中的應用；二是農產品加工機械中的應用；三是農產品分選機械中的應用。
（一）田間作業機械中的應用
在田間作業機械中，計算機視覺技術的應用較晚。近年來，由于環境保護政策的提出，在農田作業的播種、植保以及施肥機械中的應用越來越廣泛。在田間作業的過程中應用計算機視覺技術時，主要應用在苗木嫁接、田間鋤草、農藥噴灑、施肥以及播種等方面[3]。為了有效識別雜草，對除草劑進行精確噴灑，相關研究人員分析了美國中西部地區常見的大豆、玉米以及雜草二值圖像的形態學特征，發現植物長出后14～23天內能夠有效區別雙子葉和單子葉的效果，準確率最高達到90%。在1998年開發出Detectspary除草劑噴灑器，其能夠有效識別雜草，在休耕季節時，其相較于播撒而言，能夠減少19%～60%的除草劑用量。在農業生產中，農藥的粗放式噴灑是污染嚴重，效率低下的環節，為了有效改變這種現狀，Giler D.K.等研制出能夠精量噴霧成行作物的裝置。該系統主要是利用機器視覺導向系統，使噴頭能夠與每行作物上方進行對準，并結合作物的寬度，對噴頭進行自動調節，確保作物的寬度與霧滴分布寬度具有一致性，從而有效節省農藥。一般而言，該系統能夠促使藥量減少66%，提高霧滴沉降效率和施藥效率，減少農藥對環境產生的影響。
（二）農產品加工機械中的應用
隨著信息技術以及計算機技術的快速發展，計算機視覺技術被廣泛應用在農產品加工的自動化中。如Jia P等提出了圖像處理算法，該算法主要是以鲇魚水平方向與主軸的形心位置和夾角為依據，檢測鲇魚的方位以及背鰭、腹鰭、頭、尾的位置，從而確定最佳的下刀位置。此外，我國的黃星奕等人在研究胚芽米的生產過程時，在不經過染色的情況下，對胚芽米的顏色特性等進行分析，得出胚芽米顏色特征的參數為飽和度S。同時利用計算機視覺系統，自動無損檢測胚芽精米的留胚率，其結果與人工評定的結果大體一致。
（三）農產品分選機械中的應用
在分級和鑒定農產品的品質時，可以利用計算機視覺技術對其進行無損檢測。一般計算機視覺技術不需對測定對象進行接觸，可以直接利用農產品的表面圖像，分級和評估其質量，其具有標準統一、識別率高一級效率高等優勢。計算機視覺技術在檢測農產品時，主要集中在谷物、蔬菜以及水果等方面。Chtioui Y等人提出了結合Rough sets理論，利用計算機視覺技術對蠶豆品質的方法進行評價。該理論通過不同的離散方法對石頭、異類蠶豆、過小、破損以及合格等進行有效區分，并利用影色圖像，對其特征參數進行分類，最終分類的結果相比于統計分類結果，兩者具有較好的一致性。
計算機視覺的應用方向范文2
關鍵詞 模式分析 計算機視覺 教學改革
中圖分類號：G643.2 文獻標識碼：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算研究所師資團隊是江蘇省“青藍工程”創新團隊，主要研究領域包括智能數據分析、圖像處理和機器視覺等方向，承擔研究生和本科生的模式識別、機器學習、數據挖掘、智能信息檢索、數字圖像處理、計算機視覺等課程的教學任務。以往的教學過程中雖然積累了豐富的教學經驗，但當前新知識不斷涌現、新技術發展迅猛，對模式分析與視覺處理課程群的知識體系、實踐體系改進提出了新的挑戰。
近年來，國內外高校在該類課程教學上，已涌現出眾多新理念、新方法。Coursera聯合創始人Andrew Ng推出的機器學習課程，開啟了教育領域的MOOC時代，引領了教育教學方法的新革命。①深圳大學、②江蘇科技大學③分別進行了基于CDIO工程教育理念的計算機視覺課程教學改革實踐，實現多層次項目設計的教學模式改革，講座式、討論式、實踐式教學方法的探索。國防科技大學④在計算機視覺課程中引入研討式教學模式，通過案例教學、小組研討的方式來替代傳統的教學方式。華中科技大學⑤從教學內容國際化、教學方式國際化、教學成果國際化三個方面開展了計算機視覺課程的國際化建設。另外，也有高校進行了圖像工程課程群建設，⑥基于圖像分析與計算機視覺應用課程結合的項目協同創新能力培養實踐。⑦
在分析上述國內外高校該類課程改革的基礎上，我們重點以模式分析與視覺處理課程群的實踐教學體系改革為切入點，優化師資隊伍結構，梳理課程群知識體系，優化課程授課模式，完善課程群實踐體系，改革實踐考核模式，實現學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升的目標。
2 模式分析與視覺處理課程群特點
模式分析與視覺處理課程群涵蓋了模式識別、機器學習、數據挖掘、數字圖像處理、計算機視覺等多門課程。該類課程存在以下特點。
（1）該類課程屬于多學科交叉，涉及的知識面既廣又深。由于該方向涉及計算機科學與技術、應用數學、自動化、電子科學與技術、信息工程等多學科內容，而學生在大學本科階段很難學習和了解如此多的知識模塊，這對研究生階段學習來說，具有相當大的挑戰。同時，對于每個知識模塊，所要求的數學基礎較高，理論具有相當的深度，理解和掌握不容易。
（2）該類課程既重視扎實的基礎理論，也強調良好的工程實踐能力。該類課程的基礎理論教學一直受到各高校的重視。隨著近年來產業界的迅猛發展，計算機視覺應用層出不窮，對學生的工程實踐也提出了更高要求，需要能夠在系統層次上有整體認知，同時要能對各功能模塊進行優化，提升系統的整體性能。
（3）該類課程所面向的選修學生面廣。該類課程既是多學科交叉，也面向計算機應用、電子科學與技術、自動化、應用數學等不同研究方向、不同水平層次的研究生開設。這對課堂教學和實驗實踐也帶來更大挑戰。
3 模式分析與視覺處理課程群改革舉措
針對上述分析的課程群特點，我們重點以實踐體系改革為突破口，通過優化師資隊伍結構，梳理課程群知識體系，優化課程授課模式，完善課程群實踐體系，改革實踐考核模式等舉措，實現學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升的目標。
3.1 師資隊伍結構優化
為了學生能夠適應模式分析與視覺處理產業的快速發展，在課程群建設過程中更強調學生的工程實踐和創新能力培養。這首先對師資隊伍結構提出了新的要求。
近年來，課程教學團隊引進海內外具有深厚理論功底和較強工程能力的高水平師資4名，大大充實了機器學習、數據挖掘、圖像處理等課程的教學力量。對于現有教師隊伍，鼓勵教師跟產業一線企業廣泛合作，目前已與華為、中興等企業在視頻檢索、智能交通視覺處理等方面開展了實質合作。這些來源于產業界的高質量課題對科研和教學起到了良好的促進作用。
與此同時，通過研究生工作站、企業短期實習等渠道，鼓勵企業高級研發人員參與到學生實踐能力培養環節中，將實際項目進行適當切分或提煉，實現該類課程實踐環節的模塊化、專題化訓練。
綜上，通過引培并舉，優化校內師資隊伍結構；通過校企合作，積極吸引企業師資參與。良好的師資隊伍為該類課程的實踐體系改革提供了有力支撐。
3.2 課程群知識體系梳理與授課模式改革
模式識別、機器學習、數據挖掘、智能信息檢索、數字圖像處理、計算機視覺等課程既有一定的邏輯關系，也存在相互交叉的混雜關系。一般認為，模式識別、機器學習是模式分析與視覺處理領域的基礎理論課程，數據挖掘是建立在模式識別、機器學習和數據庫基礎上的應用類課程，智能信息檢索則是數據挖掘基礎上更為具體的應用實現。數字圖像處理為計算機視覺課程提供了基礎支撐，計算機視覺則是在綜合利用模式識別、機器學習、數字圖像處理、數據挖掘等知識模塊基礎上面向應用的系統實現。但是，這些課程也存在著知識點的交叉或重復。例如，模式識別和機器學習中都有貝葉斯參數估計、支持向量機模型等知識點，但視角和側重點有所不同；圖像處理、計算機視覺中都有顏色模型、成像模型等知識點，也同時存在與模式識別、機器學習交叉的知識點。
我們針對來自不同研究領域的學生群體，對該課程群的知識點進行系統梳理，既避免知識點的重復講授，也防止重要知識點的缺漏。課程教師集體討論，形成每門課程的核心知識集，和針對不同研究領域的選講知識集。學生在學習課程時，在掌握核心知識集的基礎上，結合自己的研究方向選擇相關的選講知識集學習。
在課程教材和參考書的選擇上，注重挑選國際上有影響力的教材。例如，模式識別的參考書為Richard O. Duda等人編著的Pattern Classification；機器學習的參考書為Tom M. Mitchell編著的Machine Learning和Christopher M. Bishop編著的Pattern Recognition and Machine Learning；數據挖掘的參考書為Jiawei Han等人編著的Data Mining：Concepts and Techniques；數字圖像處理的參考書為K. R. Castleman編著的Digital Image Processing；計算機視覺的參考書為D. A. Foryth編著的Computer Vision： A Modern Approach和Richard Szeliski編著的Computer Vision： Alogrithms and Applications。這些教材已被國內外著名大學普遍采用。同時，每門課程都提供相關的國內外頂級會議和期刊的列表，供學生課后追蹤研究領域的熱點問題。
在課堂授課環節上，注意采用靈活多樣的授課方式。對于核心基礎知識模塊，以教師講授為主，同時提供國內外該類課程的熱門MOOC網址給學生參考。對于選講知識模塊，鼓勵學生事先結合各自研究方向有目的自學，在學生報告的基礎上進行課堂討論方式進行。充分發揮學生學習的主體作用，也便于教師了解學生的水平和學習狀況。
除此以外，不定期邀請國內外著名學者來校做學術報告，讓學生充分了解該研究領域的最新前沿動態，并就熱點問題進行專題討論。
3.3 課程群實踐體系完善與考核方式改革
工程實踐和創新能力的培養是該課程群改革的重要目標。我們在上述師資隊伍結構優化、課程群知識體系梳理與授課模式改革的基礎上，著力進行課程群實踐體系的改革與完善。我們通過多層次菜單式的實驗項目選擇、項目牽引的創新能力訓練、學生綜合研究能力的全面考查等方面來實現。
首先，整合和優化課程群實踐內容，實現多層次菜單式靈活選擇。根據各研究領域的要求進行靈活搭配，根據學生個體的能力與水平選擇適當規模和難度的實踐內容，通過課程內的基礎實驗、課程間的綜合實驗、課程群的創新實驗來選擇和組合，如圖1所示。
圖1 多層次菜單式實驗內容示意圖
基礎型實驗內容主要是各課程核心知識點的實驗驗證，主要包括模式識別，機器學習，數據挖掘，圖像處理與分析，計算機視覺等課程的實驗。要求選課學生對這些基礎實驗必做，打下良好的研究基礎。
綜合探索型實驗在基礎型實驗基礎上，既有單門課程內總的綜合實驗，也有課程間知識的綜合應用。主要分為兩大塊，包括模式分析與機器學習方向的綜合實驗，以及圖像處理與機器視覺方向的綜合實驗。實驗目的主要是針對這兩大塊方向重點知識的綜合分析和比較，能夠熟練掌握和靈活應用。例如模式分析、機器學習、數據挖掘等方向都用到的線性判別分析、支持向量機、均值聚類等內容；圖像處理與機器視覺中的圖像特征抽取、視覺系統選型、目標檢測、特定平臺的算法優化等內容。學生可根據各自研究方向有目的的選擇兩塊綜合實驗的大部分內容。
在綜合型實驗基礎上，該課程群通過若干創新型實驗來檢驗學生理論知識掌握程度和實踐方法應用能力，為后續的研究課題開展打下良好的科研素養。主要內容包括人臉識別、二維條碼識別、車輛屬性識別、智能視覺監控、以及企業來源的關鍵技術等。這些項目實踐既涉及用到圖像處理與機器視覺的內容，也涉及模式分析與機器學習方向的知識。并且需要學生在綜合運用相關知識的基礎上有創新能力。
其次，重視各類項目牽引的創新能力訓練。一方面，鼓勵教師從國家自然科學基金、企業合作項目等研究中提煉出問題規模和難度適中的訓練項目，作為課程群的綜合能力訓練項目。另一方面，鼓勵學生參加挑戰杯、全國研究生智慧城市技術與創意設計大賽等各類具有挑戰性的競賽項目，以賽代練，提升學生的工程實踐和創新能力。同時，也鼓勵學生利用百度、微軟等相關研究領域的企業實習機會，參與產品一線的工程實踐能力訓練。
再次，注重考核環節，實現科研素養和實踐能力的全面考查。只有嚴格、公平、公正的考核，才能保證實驗實踐的質量和水平，才能提升學生的科研素養和實踐能力。我們主要在手段、方式方法上進行了改進。在題目選擇上，根據學生個體水平和研究領域要求的差異，在選題上有適當的難易區分度，讓每位學生都有鍛煉和提升的機會；在考核方式上，采用結題書面報告來檢驗學術論文的寫作能力，采用程序演示檢驗系統的設計與實現水平，采用上臺匯報的方式檢驗學生的表達能力，多管齊下全面檢查學生的綜合科研素養；在考核成績評定上，采用現場教師和學生共同評分的方式，公平合理；最后，通過網站展示、發表學術小論文、專利、軟件著作權等方式展示和公開優秀成果，激發學生的學習熱情，并由此形成積累，有利于學生實驗實踐氛圍的傳承。
4 結語
本文在分析國內外高校模式分析與視覺處理類課程群改革現狀的基礎上，以學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升為目標，重點開展了師資隊伍結構優化、課程群知識體系梳理、課程授課模式改革、課程群實踐體系完善和實踐考核模式改革等工作，取得了良好的效果，并為校內其他課程群的教學改革作為示范推廣。
注釋
① https：///learn/machine-learning/
② 郭小勤，曹廣忠.計算機視覺課程的CDIO教學改革實踐.理工高教研究，2010.29（5）：98-100，148.
③ 史金龍，白素琴，龐林斌，錢強.研究生機器視覺課程的CDIO教學改革實踐.計算機教育，2013.9：40-43.
④ 陳芳林，劉亞東，沈輝.在《計算機視覺》課程中引入研討式教學模式.當代教育理論與實踐，2013.5（7）：112-114.
⑤ 王岳環，桑農，高常鑫.計算機視覺課程的國際化教學模式.計算機教育，2014.19：101-103.
計算機視覺的應用方向范文3
關鍵詞：計算機視覺技術 鐵路檢測 應用
中圖分類號：TP391 文獻標識碼：A 文章編號：1007-3973（2012）002-075-03
1 前言
自1825年世界第一條鐵路在英國出現以來，鐵路已經成為人們不可或缺的交通工具，越來越多的人在使用鐵路出行，由于近年來鐵路事故頻頻發生，促使了計算機視覺技術在鐵路檢測上的廣泛使用并大力發展。
傳統的鐵路檢測一直是靠人工和靜態檢測，這種檢測缺乏實時性和準確性，并且效率低下，根本無法滿足鐵路的發展。這就要求研究一種新的檢測方法來適應環境的發展，人們就試圖將計算機視覺技術應用于鐵路檢測上，并取得了很好的效果。將計算機視覺技術應用在鐵路檢測上顯著提高了鐵路檢測的實時性、準確性，有效的減輕了人工檢測中工作條件惡劣，工作量大等缺點。它能在列車行駛的過程中就能對鐵路和列車狀況進行檢測，并及時的做出預警，防止安全事故的發生。目前有關鐵路檢測主要集中在鐵路信號檢測、軌道檢測、接觸網檢測、電力機車檢測及站臺環境監測等五個方面。
2 計算機視覺技術
計算機視覺，也稱機器視覺。它是利用一個代替人眼的圖像傳感器獲取物體的圖像，將圖像轉換成數字圖像，并利用計算機模擬人的判別準則去理解和識別圖像，達到分析圖像和作出結論的目的。
計算機視覺是多學科的交叉和結合，涉及到數學、光學、人工智能、神經生物學、心理物理學、計算機科學、圖像處理、圖像理解、模式識別等多個領域。計算機視覺已有多年的發展歷程。隨著計算機、控制理論、模式識別、人工智能和生物技術的發展，計算機視覺在機器人、工業檢測、物體識別的應用越來越廣，研究方向也從二維到三維，從串行到并行，從直接依賴于輸入信號的低層處理到依賴于特征、結構、關系和知識的高層處理。
一般的計算機視覺系統是有CCD(電荷耦合器件)攝像機、裝備有圖像采集板的計算機、光照系統以及專用圖像處理軟件等組成。CCD攝像機將所要研究的對象和背景以圖像的形式記錄下來，這其實是一個光電傳感器，將光學信號轉成電信號，圖像采集板把采集的電信號轉為數字信號，即數字化，一般情況下在攝取圖像時都需要一個照明系統提供光照，然后再用專用的圖像處理軟件對圖像進行處理，輸出分析結果。
3 計算機視覺技術在鐵路信號中的應用
鐵路信號燈和現在的交通公路上的紅綠燈是一個功能，但鐵路和公路不同，鐵路有限定的道路，列車必須在限定的股道上行駛，所以一旦與其他車輛相遇的話根本沒有辦法避讓，如果發生車禍將會對國家和人民的生命和財產造成嚴重的損失，因此列車必須嚴格按照信號燈的指示行駛。
鐵路信號燈識別主要是利用了信號燈在不同情況下會發出特定色彩光的特點。文獻[1]在HSV空間中對S分量圖像邊緣檢測和膨脹等，結合各種信號燈色調H分量的取值范圍得到信號燈區域，然后多次腐蝕直到消除孤立點得到信號燈的邊緣，最后填充信號燈區域，從而實現了信號燈的識別。在文獻[2]也與此類似。文獻[3]將彩色圖像由RGB模式轉化為HSI模式，用彩色特征聚類分析法來對圖像進行分割，文中提出了基于顏色和形狀相結合的復雜環境中目標檢測與識別方法，用Hough變化來提取目標邊界，從而提取出特定目標，而后得到指示燈區域所有像素的H，S統計值確定信號燈的顏色。在文獻[4]提出一種基于改進的Hough變化的吊車信號燈識別算法。Roberto將攝取的圖片轉換到HIS顏色空間，用基于形狀特征和模板匹配的方法探測到相關的鐵路標志而放棄無關的基礎設施。
為了部分消除因為光照條件、背景和拍攝角度對目標識別的影響，文獻[5]提出使用一種利用sift特征的方法，它首先建立已知樣本模型的特征集，然后將視頻流每幀灰度圖像的sift特征與之比較，從而實現對目標的檢測或跟蹤。實驗表明該方法不僅能避免目標的錯誤識別，而且也明顯優于基于邊緣檢測的算法，在識別準確率上達到了90%。
4 計算機視覺技術在軌道檢測中的應用
隨著世界鐵路運營速度的不斷提高，列車在行駛時對軌道的撞擊、摩擦加劇，這就會造成軌道的變形、零件松動、磨損乃至缺失等，這些都會對列車的安全性造成嚴重影響，極有可能會造成鐵路安全事故的發生。因此軌道設備具備良好的狀態是鐵路運輸安全的重要保證。
隨著電子技術和檢測技術的發展，軌道檢測技術也經歷了翻天覆地的變化，其中也有不少研究機構將計算機視覺技術應用于軌道檢測上，且取得了若干有效的檢測方法。
軌道表面缺陷對列車行駛的質量和鐵路系統的安全性會造成嚴重的影響，文獻[7]提出了一種軌道表面缺陷檢測的實時視覺檢測系統。利用跟蹤提取算法分割出軌道的灰度圖像，然后用局部歸一化法增強軌道圖像的對比度，最后用基于投影輪廓的缺陷定位法檢測缺陷。該算法對噪聲有較強的魯棒性和計算速度快，在一定程度上克服了光照不均和軌道表面反射性質不同對圖像的影響，但對局部歸一化過程中參數的選擇有待進一步研究，以使該系統有更強的魯棒性。該系統在216km/h速度下能進行實時檢測，但隨著檢測速度的提高檢測的準確度會明顯下降且缺乏實時性。
文獻[8]利用一排結構光視覺傳感器，將鋼軌輪廓的大圓周和小圓周的中心作為檢查點。首先結構光視覺傳感器拍攝鐵軌側面并且將其標記 在參考坐標幀中，最后通過比較測量的鋼軌輪廓與參考輪廓的比較計算出鐵軌磨損程度。該方法簡單快速精確且不需要特殊的圖像處理設備，在列車較高速度時仍然能達到良好效果。
5 計算機視覺技術在接觸網檢測中的應用
接觸網是沿鐵路線上空架設的向電力機車供電的特殊形式的輸電線路。其由接觸懸掛、支持裝置、定位裝置、支柱與基礎幾部分組成。它是軌道交通的主要組成部分，主要為機車提供動力，接觸網的連接件由于受外界因素的影響容易產生過熱現象，嚴重時會導致供電中斷，引發列車停運事故。
我國的計算機視覺技術的接觸網檢測系統是基于德國相關技術而建立起來的，目前基于計算機視覺技術的接觸網磨耗檢測主要有兩種方案：(1)基于鏡面反射，激光照射接觸線，線性CCD照相機捕獲反射圖像；(2)基于漫反射原理和CMOS(互補金屬氧化物半導體)照相機。由于長期的頻繁摩擦，接觸網與受電弓接觸部分很少被空氣氧化，所以用光進行照射時該部分光反射率明顯高于其他部分，因此這也為計算機視覺技術用于接觸網檢測提供了可能。
基于機器視覺的接觸網檢測系統主要是建立在圖像識別和圖像處理等視覺技術基礎之上的，檢測的內容涵蓋接觸網的所有基本幾何參數。隨著鐵路的發展，原有的檢測系統已經暴露出了一些問題，已無法滿足需求，所以研究人員在系統硬件設備不變的情況下提出了許多改進的算法，如文獻[9]針對現行的接觸網定位器傾斜度檢測方法效率低下、精確度不高的缺點，提出了一種基于計算機視覺的接觸網定位器傾斜度自動測量裝置，應用圖像分割、剔除干擾線、圖像細化等算法，對采集的圖像進行處理，然后利用改進的霍夫(Hough)變換檢測細化后的圖像，對相鄰的特征像素點進行聚類并感知編組，最后用隨機Hough變換使感知編組后的每條線段更接近直線，進而計算裝置中定位器的傾斜度，實驗證明該算法精度高、速度快。
6 計算機視覺技術在電力機車檢測中的應用
在列車的行進過程中，機車車輪與鋼軌接觸面不斷發生摩擦，也就是輪緣與踏面的摩擦。從而會造成踏面的擦傷或剝離，而剝離會嚴重影響列車運行的安全性和平穩性以及軌道設施的使用壽命，因此需要對輪緣進行定期的檢測和維修。
傳統的檢測方法需要人工逐項檢測，存在費時費力、工作量大、工作環境差、效率低等缺點，所以人們就提出了一種基于計算機視覺技術的檢測技術，該技術是一種非接觸式檢測方法，它能檢測出所有關于火車輪緣輪廓的幾何參數，從而計算出火車輪緣的磨損情況。這種檢測方法檢測速度快、準確率高且大大減輕了勞動強度，在實驗中取得了滿意的效果，并且在實際檢測中也得到了廣泛的應用。
文獻[10]中研發設計了一種利用CCD成像測量技術、圖像處理理論和計算機控制等相關技術，提出了一種非接觸式的在線測量系統。采用二元多項式方法對由于硬件裝置引起的誤差的圖像進行幾何校正，用統計均值法對圖像進行分割，從而求出車輪踏面的各項參數，通過在實驗室對標準物進行測試實驗而得到的測量數據結果進行分析而得出。此系統能夠完成對火車輪對幾何參數的測量，并且可得到相對準確的測量結果。
為了解決檢測輪緣高度和寬度存在精度難以保證及穩定性不高的問題，文獻[11]提出了一種基于三角法測量的在線監測系統，該系統由CCD高速攝像機和結構光發射器完成數據的采集，然后利用三角測量原理導出測量模型和計算模型，根據輪緣高度和寬度的定義完成對高度和寬度的測量，最終對輪緣磨損程度進行量化，實驗表明該算法測量精度高，結果穩定可靠。
7 計算機視覺技術在站臺環境監測中的應用
近年來鐵路交通事業發展迅速，鐵路客流量也不斷增大，如中國每年的春運期間都有上億人次通過火車返鄉，各種危害乘客安全的事故也時有發生，因此世界各國特別是中國站臺監控就顯得越來越重要，目前的站臺監控主要是依靠安裝在各個角落的閉路電視或專業技術人員，這不僅需要專業技術知識還需要大量的人力物力。隨著計算機、圖像處理等技術的快速發展，對站臺的自動監控也逐漸成為發展趨勢。
近年來人們做了許多關于站臺人群檢測的研究，這些研究大都使用鐵路站臺中的閉路電視（CCTV）系統，在現代的CCTV系統中基本上使用的是數字化圖像，在人群監測過程中大量使用了數字圖像處理技術，如邊緣檢測、細化、像素計算等，通過圖像的處理可以輕易的得到想要的結果。
文獻[12]仍采用原有的CCTV監控系統拍攝的灰度圖像作為處理對象，利用基于視覺的經過最小二乘法和全局搜索的混合算法訓練的工業的額神經網絡來估算站臺的擁擠程度，該系統在實際的運行中獲得了較高的精確度，雖然不能計算人數但卻能實時的預測人群的密度。
文獻[13]所設計的系統就較為復雜，它利用多臺攝像頭對站臺進行檢測。首先判斷站臺上列車的四種狀態，如：沒有列車、有列車、列車正在出站、列車正在入站等，然后對物體或行人檢測及跟蹤，最后對所檢測的結果綜合分析，做出合理的預警或警告。
8 計算機視覺技術在鐵路檢測上的發展趨勢
隨著計算機視覺技術的鐵路檢測中的應用越來越廣泛和深入，并且隨著計算機視覺技術等關鍵技術的不斷發展，計算機視覺技術在鐵路檢測上應用發揮更大的作用，它就目前而言在鐵路檢測的應用上仍然存在技術難題需要研究：
計算機視覺的應用方向范文4
關鍵詞：計算機視覺；課堂考勤；深度學習；MCV架構
前言
隨著國家標準《智慧校園總體框架》（Smartcampusoverallframework）的，智慧校園的規劃與設計成為了校園建設的重點項目[1]。而課堂考勤作為學校教學管理、學生評價的重要組成部分，隨著物聯網技術、人工智能和移動通信技術的水平的提高與發展，更應該向著智能化、準確化的方向發展[2]。本文研究了的當前應用的課堂考勤方式，并做了進一步的分析，最終根據社會技術的革新與發展[3]，提出了一種基于計算機視覺的實時課堂考勤系統的設計。我們的主要工作是搭建了整個系統框架，包括數據庫系統、服務器、計算機視覺模型、網絡通信、圖像采集系統、客戶端和網絡通信系統。
1課堂考勤方式現狀
目前校園中主要的課堂考勤方式存在為兩種，分別是傳統的考勤方式和生物識別的考勤方式。如圖1所示，其中傳統的考勤方式包括點名考勤和通過校園卡進行考勤，點名考勤的方式仍然是高校中最常用的考勤手段，因它不受場地的限制，可以根據點名冊直接核對現場的學生信息，但這種方式存在的缺點就是花費時間，影響上課效率，為此有些教師不進行點名，因此影響了考勤的效果。校園卡考勤解決了點名占用課堂時間的問題，但這種方式具有學生代考勤的漏洞，因為學生可以拿著別人的校園卡進行考勤。生物識別的考勤方式包括指紋考勤和人臉識別考勤，這些方式有效解決了傳統考勤方式代考勤的弊端，但這種方式受設備硬件的影響，識別能力太慢，尤其是在下課后學生較多，考勤簽退時容易發生擁擠等現象，具有安全隱患[4]。因此，為解決當前考勤方式存在的一些弊端，本文設計了一種基于計算機視覺的實時課堂考勤系統。
2系統設計基礎
2.1系統開發環境
本文設計的實時課堂考勤系統主要是使用Python開發語言，Python是目前最流行開發語言之一，主要應用于Web服務設計、大數據、人工智能等領域，它的主要優點是開發效率高、可擴展性強、跨平臺和具有可移植性等，滿足了本文系統的設計要求。另外，在開發過程還用到了基于Python的第三方軟件開發包，包括Flask用于搭建系統的Web服務器；PyQt5用于搭建系統的客戶端；OpenCV用于系統中對圖像視頻的處理；Tensoflow用于開發計算機視覺模型，搭建深度學習模型，完成人臉檢測和識別任務；Mysqlclient用于管理、訪問、查詢和更新Mysql數據庫。
2.2系統開發框架
本文設計的實時課堂考勤系統通信基于Web應用，因此選擇一個合適的服務架構有利于提高系統的開發和部署效率。目前較流行的Web應用主要有MVC（ModelViewController）和CMS（ContentManagementSystem）兩種架構。本文使用了基于Python和Flask搭建的MVC架構[5]，該架構如圖2所示，主要包括模型層、視圖層和控制器。使用該框架的優點是可將視圖層和業務邏輯層進行分離開發，提高開發效率，方便系統的部署、維護和管理。
3系統設計方式
3.1系統總結構設計
本文設計的實時課堂考勤系統的總體結構如圖3所示。根據MVC構架的設計，我們將該系統分為了模型層、控制器層和視圖層，另外還包括網絡通信設備。
3.2模型層設計
模型層主要是關系型數據庫模，MySQL是目前使用最多的關系型數據庫系統，也是學校管理系統使用最多的數據系統，為了更好地與學校管理系統兼容，我們選擇了MySQL數據庫，數據表之間的關系如圖4所示。
3.3控制器層設計
控制器層主要包括服務器應用軟件和計算機視覺模型，服務器應用軟件的功能包括系統通信配置、數據業務處理和系統各模塊間的調度。計算機視覺模型是實時課堂考勤系統的核心模塊，基于深度學習卷積神經網絡實現[6]，主要作用是進行人臉檢測和識別兩個部分，計算機視覺模型的工作流程如圖5所示。在人臉檢測階段使用VGG16檢測器作為主干網絡，為提高模型的檢測準確率，通過引入注意力模型和多尺度特征融合對網絡進行了優化，有效地從輸入圖片中提取人臉位置信息，得到人臉圖像。在人臉識別階段首先使用FaceNe人臉識別網絡提取人臉圖像的特征圖，然后通過決策樹算法與待檢測的人臉特征進行匹配，從而識別圖片中的學生信息。
3.4視圖層設計
本文設計的實時考勤系統的模型層主要包括圖像采集系統和客戶端。目前各學校教室內都安裝有監控設備，因此為節約成本和安裝消耗，圖像采集系統使用教室內的監控設備作為圖像采集系統，負責采集教室現場圖片?？蛻舳嗽O計首先在本系統中采用應用程序接口，然后在教學管理系統中設計圖形化用戶界面，通過應用程序接口調用本系統的功能，從而減少資源浪費，方便維護和管理。
4實時考勤功能的實現
實時考勤功能的實現方式如圖6所示，首先系統啟動后，用戶可以隨時更新考勤信息，比如在數據庫中創建新的考勤表等。接著系統會自動讀取考勤表的信息，比如課程所在教室、上課時間。然后啟動考勤程序，進行簽到、簽退操作，并將考勤數據保存到考勤數據表中。整個系統啟動完成后可以自動運行，直到關閉系統，而且可以實時進行課堂考勤。
計算機視覺的應用方向范文5
關鍵詞：機器學習；模式識別；計算機視覺；機場管制；民航安全
引言
安全管理是我們民用航空管理中的一個非常重要的問題，一直以來都受到整個行業的高度重視。機器學習作為人工智能技術的分支，已經在短短的幾年時間內滲透到我們身邊的各行各業，為之提供了大量的便利并極大的節省了人力及物力資源。由此我們推測，將機器學習及其相關技術應用到民航安全管理體系中，也將起到卓越的成效。本文便是對機器學習在民航安全管理的應用領域進行探索和分析。
1 機器學習介紹
1.1 定義
利用計算機對給定的數據進行分析并從中獲取規律是機器學習的首要研究目標，這些數據我們稱作觀測樣本，所學習到的規律我們稱之為模型。通過這些規律模型，可以對未來將要出現的數據進行預測。
圖1即機器學習的簡單示例。機器學習的第一步即是選擇一個規律模型，定義為決策函數f（x，？茲），該函數中的參數？茲并不確定。第二步則是通過機器學習的算法尋找出一個最適合的參數？茲？鄢，這個過程叫做訓練過程。經過以上兩個步驟，我們就可以使用f（x，？茲）模型對輸入的x進行結果預測。
1.2 應用場景
我們所描述的機器學習，不僅僅是針對一些已經經過結構化處理的信息，還應當包含圖像、音頻在內的數字化數據。從范圍上講，它類似于模式識別、統計學習、數據挖掘，正是由于機器學習與這些不同領域的結合，從而形成了它在計算機視覺、自然語言處理、語音識別這些交叉學科中的研究優勢。
2 民航安全管理
2.1 安全管理系統簡介
民用航空中比較傳統的思想認為沒有危險就表示安全，然而現代的安全管理思想并不這樣認為?，F代的安全管理思想把安全當做一種狀態，同時也是識別危險和管理風險的一個過程。由此可見，我們的安全管理系統（safety management system簡稱：SMS）必須是一個完整的、正規的、自頂向下的和有條不紊的綜合安全管理系統。
2.2 我國的民航安全管理系統現狀
分階段發展的策略是在改革開放以來我國的民航業實施的總方針[1]，并且已取得顯著成效：第一階段，通過逐漸放松進入市場的時機，讓民航走上企業化發展的道路；第二階段，在民航業內部實施全面的制度改革，為進入市場化進行機制創造條件，同時大步跨入市場化經營時期；第三階段，抓緊時機進行民航的行業重組，這一項改革已經取得了重大突破。雖然分階段的策略成績斐然，然而就目前來看，我國民航業的安全管理信息化進程依舊相對落后。
3 機器學習在安全管理體系中的應用
3.1 模式識別與機場管制
模式識別是工業業界提出的概念，而機器學習主要來自于計算機學術領域，在本質上二者沒有區別。機場管制也稱航空管制，航空流控 航路流控 等，指的是由于起降航班班次集中，飛機按關門先后順序排隊起飛，或者由于天氣、軍事、目的地機場問題等原因，塔臺對飛機起飛時間進行管制。機場管制的目的是保證航空安全，以及保障飛機的飛行秩序。
通過機器學習的模式識別技術，安全管理系統可以對機場終端區域的所有飛行器進行實時監控，分析處理一次雷達、二次雷達及自動相關監視系統（ADS-B）等監視設備傳回的包括飛行器高度、位置、運行狀態以及氣象信息在內的各種大規模數據，并在異常情況出現時，或者在異常情況即將出現之前（取決于機器學習算法的數據預測功能），向塔臺管制員提供預警服務，避免各種特情的發生。
3.2 計算機視覺與機場安全
人臉識別[2]是計算機視覺領域的一個非常重要的研究方向。傳統的人臉識別技術在實際應用中已經非常廣泛，但是從性能的角度來看，依然存在諸多問題，最重要的是，從安全的角度考慮亦存在諸多漏洞。現在已經證明出現的針對傳統人臉識別的黑客技術，已經屢見不鮮。而通過機器學習改進后的人臉識別技術[3]，不僅可以解決安全問題，并且十分有利于人臉識別精度的改善和人臉識別速度的提高。將優化后的人臉識別系統應用到機場的安檢流程中，可以大大提高安檢人員的工作效率，同樣降低人工工作的強度。
同樣的，計算機視覺及圖像處理技術還可應用于機場場面安全管理。比如，隨著通用航空的發展，無人機的數量快速增加，由于其制造成本低操作簡單等特性，越來越多的單位和個人開始使用無人機從事私人的業務。這些沒有規范管理的無人機，在缺乏地空空域管理的情況下，很容易就能夠飛行進入機場的管制區，形成巨大的安全隱患。利用計算機視覺進行遠距離攝像實時監控，有望很好的解決這個安全問題。
3.3 其他應用領域
除此之外，機器學習的各種算法模型，包括貝葉斯模型（Bayesian）、人工神經網絡（Artificial Neural Networks）、深度學習（Deep Learning）、組合方法（Ensemble Methods）、回歸（Regression）等等，均可根據各自的特性，應用于民航安全系統：數據預測特性可以應用于航空氣象數據的分析與預測中，用以提前為管制人員提供盡可能準確的氣象預報數據；語音識別及文本分析特性，可以應用于管制員與飛行員的陸空通話過程中，不僅可以監控陸空通話的內容，同時可以對參與人員的疲勞程度進行研判；大規模數據中的異常數據監測，可以應用行器設備及地面設備的維修與保障中。
4 結束語
近年來，以機器學習技術推動的人工智能已滲透到幾乎所有的工業領域。而機器學習的應用場景，也就是它的應用領域，也恰好與我們信息化安全建設的方方面面都有諸多重合。對于我們民航，確切的說，對于我們民航的安全管理系統，盡早引入并應用機器學習相關技術，將會極大的改善系統的工作效率并提高安全保障的成效。
參考文獻
[1]李洋.我國民航安全管理系統研究[D].中國海洋大學，2013.
計算機視覺的應用方向范文6
關鍵詞：計算機視覺；手勢交互；膚色模型；靜態識別
中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2016）35-0193-02
1 研究背景
隨著信息化的高速發展，人們的生活也進入了網絡時代。大數據，云計算也進入了人們的生活，其標志性的現象就是各類智能終端設備的不斷涌現，它使人機交互的方式正發生著深層次改變。人機交互的方式正在從傳統的鼠標搭配鍵盤的方式往觸控、語音交互、動作識別等技術為主導的更自然的方式轉變。其中語音與計算機視覺尤為突出，它使計算機變得更加的靈性化。而這兩者中計算機視覺又更能夠傳情表意，它能夠“看”明白用戶的肢體語言或者表情。國內外的自然交互研究涉及了人臉識別、眼神識別、表情識別、手勢識別、肢體語言識別等。手勢識別作為一種人類普遍使用的交流方式，應用在計算機交互上能給人一種直觀和自然的感覺。這種自然的輸入方式把人們從傳統的與輸入設備接觸交互方式中解放出來，使人們與計算機交互更加的輕松愉悅。
計算機視覺是讓計算機可以替代人眼的技術。更進一步說，就是利用視頻采集設備和電腦代替人眼對指定的目標進行識別，并進一步做出計算。其中，手勢識別技術是計算機視覺的一個的重要的研究方向，它是一種常用并且合理的人機交互方式。隨著計算機視覺，包括圖像處理技術以及人工智能等技術，特別是虛擬現實技術的迅速發展，手勢識別的實現更加成為可能。由于客觀環境的多變及人手和手勢的多樣性，如何在限制較少的條件準確識別手勢并能保證其精度、效率以及穩定性是研究的關鍵。
手勢識別按照手勢輸入設備分類，可以分為基于數據手套的手勢識別和基于視X的手勢識別?；谝曈X的手勢識別中，最常見的手勢分類是將手勢分為靜態手勢和動態手勢。靜態手勢是一種較簡單的手勢，當用戶做出一個固定和靜止的動作時計算機將其處理后識別出來。動態手勢相對要復雜一些，它可以看做是由一系列的靜態手勢組成的序列。如果將靜態手勢和動態手勢組合，將可以形成語義很豐富的手勢系統。
1目前人機交互的不足
人與計算機之間的交互方式是人機交互研究的核心。從現在的姿勢交互和語音交互往前追溯，有觸摸交互、手寫交互、鼠標和鍵盤交互。姿勢交互又細分為手勢交互、表情交互、身體姿勢交互。
傳統的輸入設備有很多的不足之處。鼠標和鍵盤，由于它們的使用需要接觸，在某些環境下使用不方便。用戶在車站、餐廳、購物商場等場景下要與計算機交互時，使用傳統交互方式十分的不便。而且在公共場合下，接觸性的使用會有很大的衛生問題。不僅需要占用很大的空間，同時也會有設備損耗的問題。
手寫交互和觸摸交互改善了傳統的機械性輸入，它們是更符合人類的使用習慣的。但是它們任然要求用戶要與設備接觸，這不免會在接觸設備的過程中損壞到設備。所以同樣有著易損耗等問題。
基于視覺的手勢交互很好克服了上述交互方式的不足之處。手勢交互是不需要接觸的，沒有損耗問題，也不會有接觸帶來的衛生問題。手勢交互有符合人類動作習慣和直觀自然的優點，使其成為了下一代自然交互方式研究的焦點。
2目前國內外手勢識別狀況
基于視覺的手勢識別不需要昂貴的設備，僅僅需要攝像頭和PC機器就夠了。其廉價的輸入設備會使其將來應用范圍十分廣泛。手勢識別在計算機視覺的研究中是熱點。國內外都有很多的學者在不斷研究。這些研究在手勢的分割、跟蹤、識別和應用中有很多的進展。
國外對基于視覺的手勢識別的研究工作起步很早。L.H.Howe等人使用膚色閾值和幀相減的技術實現了手的檢測和分割。J.Zaletel等人提出了靜態手勢特征的方法，這種方法是用于提取手指的位置的。它先計算出掌心的位置，然后將掌心的位置作為極坐標的原點，將手掌的輪廓映射到這個極坐標，然后利用極坐標上的局部最大值來提取手指的位置。Huang使用3D神經網絡創建的手勢識別系統實現了15個不同手勢的識別[1]。
在技術的應用上面，從上世紀九十年代開始，國外的科學家就開始不斷研究手勢識別技術，并且研制出一些實體來進行試驗，例如：可以模仿人進行手勢操作的機器人；電視控制的傳感系統，無需遙控，利用手勢識別左右上下進行對電視的遙控；體感游戲，更是完美的利用手勢識別，在信息交互中完全釋放出手勢識別的優勢。
我國相對于國外的研究起步要晚，但是目前也取得了很大的研究成果。朱建偉[1]使用兩個攝像頭正交放置，實現了三維手勢的識別，并實現了使用手勢實現對照片的瀏覽。孫玉[3]使用Hu矩特征手勢識別和CamShift算法對手勢跟蹤，實現了手勢對Word的輸入和操作。
3意義
本文主要研究基于視覺的手勢識別技術和對這種技術的應用。目標跟蹤識別是計算機視覺領域中的關鍵技術，多應用于人機交互。手勢識別必將使人與機器之間的溝通變得智能化、信息化，與傳統的輸入設備相比，手勢操作則顯得直觀和自然，更符合人類習慣。
手勢識別作為新型的人機交互技術，手勢識別技術越來越廣泛應用到各個行業。體感游戲首先成熟使用的，改變了傳統的手持物體操作。更加互動，真實。使得人與游戲美妙結合，身臨其境。
手勢識別還可以用于手語識別。手語是聾啞人使用的語言，是聾啞人與正常人交流的平臺。在醫療領域中，具有語言交流障礙的患者，可以通過手勢識別，在預設好系統中，自助掛號，表達病情。更加體現人性化。綜上所述，手勢識別技術越來越被研發人員重視，在日常生活中涉及的領域也越來越多，研究價值也越來越突出。這項技術也將被廣泛的普及推廣到人們生活中的方方面面。
4結束語
基于計算機視覺的識別的功能還可以不斷拓展，可以實現攝像頭檢測人與電腦的距離（當計算機識別出人坐在計算機前時顯示器顯示，當人離開的時候關閉顯示器，達到節約電能的作用）等等。手勢識別還可以應用于虛擬鍵盤，使用一個投影的鍵盤，然后通過攝像頭識別手在虛擬鍵盤上的相關操作?？梢杂迷谥腔坩t療中，解決傳統的診療掛號方式。從根本上尋找解決病人就醫難的狀況的合理方案將健康的養生知識傳播到更遠更廣。
參考文獻：
[1] Guan Ran and Xu Xiangmin， A Computer Vision-Based Gesture Detectio And Recognition Technique[J]. Computer Applications and Software.2013，30（1）：155-164.
