前言：中文期刊網精心挑選了計算機視覺理論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。
計算機視覺理論范文1
關鍵詞：水利部門 預算管理 解決措施
水利是國民經濟的大動脈，其發展如何直接影響國民經濟的發展前景，而水利部門預算管理更是影響水利事業單位投資的合理性和高效性、是否符合民生經濟的發展要求，因此本文從水利部門預算管理存在的問題及解決措施展開討論。
一、水利部門預算管理的重要性
凡事預則立，不預則廢。預算是水利事業財務工作中的不可或缺的關鍵，通過資源整合確立資源分配的合理性，針對水利事業實際需要做出詳盡的計劃，給高層管理者的各種決策提供強而有力的支持。鑒于水利單位即可以是公益化的事業單位，又可以是經營性企業的特殊性，為了避免產權不清，事權不楚的局面，在財務管理中水利部門預算管理工作就顯得尤為重要；另外，近年來水利事業發展如破竹之勢，投入的資金也逐年增長，因此對水利部門預算管理工作也提出了更高的要求，確保預算的準確性和合理性，促進水利事業在新環境下穩定發展。
我國于2015年1月1日正式實施新的《中華人民共和國預算法》，由此可以看出，國內對預算法的重視程度，在新法的實施過程中，水利單位要根據新《預算法》的規定來完善水利部門預算管理模式。
二、水利部門預算管理存在的問題
（一）水利部門預算管理體系缺乏科學性
在實際的工作中，水利部門做預算時絕大部分是根據上半年的財務數據為基礎來制定本年度的預算統計，并沒有結合近期的實際情況作為參考。同時，在編制水利部門預算中各部門之間的配合度不夠，部門之間缺乏溝通導致部門目標和水利單位的整體目標無法有效的結合起來，因此不能科學、合理的規劃整個水利單位的資金分配問題。同時，編制過程中僅重視預算表中的數字，卻從不在乎數字的來源和類別，預算明細不詳盡，支出情況含糊不清，一旦單位發生不常見的支出事項，抑或是新增什么項目，常常會使水利單位陷入內部資金短缺的窘境。
（二）水利部門預算管理缺乏執行力度
水利單位往往忽視預算在執行管理中的監督管理問題，誤以為年度預算已經做好，資金問題就萬事大吉。殊不知，編制預算僅僅是一個開始，后續還要對資金的分配和使用、支出明細等費用做合理審批和分析，及時分析和調整預算中不合理的部分。同時，水利單位對資金使用效果的跟蹤調查做的也不夠細致，“重分配，輕審查”的情況嚴重。水利部門預算管理工作缺乏有效的激勵懲罰體系導致無法有效的對預算進行控制和監督，久而久之，資金占有、挪用情況時有發生，預算執行力度缺失導致水利單位無法有效的調整預算，無法準確調整、分析預算中計劃與實際產生的差距，長期以往，單位內部的成本很難得到控制。
（三）預算管理與部門之間缺乏聯系
水利部門預算管理是聯系水利各部門工作職責和服務社會的載體，水利單位通過預算管理可以實現以水利單位各個部門的工作職責服務社會的終極目標，所以說，各個部門的工作職責很重要。但在實際中，預算管理工作缺乏各部門之間的配合，各部門之間工作職責很難歸結在一起為社會服務，特別是部門目標和單位目標都達不到統一，在制定預算工作中沒有必要的溝通和利益銜接。水利部門預算管理的工作人員只是注重本年度的預算是否超出既定指標，反而不清楚自身的職責是全水利單位的整體預算目標，缺乏預算戰略目標的基礎，甚至有人不理解什么戰略目標，紙上談兵的預算管理僅僅注重短期的目標是否得以實現，長期的企業目標卻無人問津，導致短期目標與長期目標脫節，難以達到預算的真實目的。
（四）水利部門預算的績效考評效果不明顯
績效考評的結果還需要靈活的結合水利部門預算管理的實踐，合理有效的運用到預算編制中去，才可以實現水利部門預算管理的良性循環。預算管理工作的績效考評體系不完善、考核方式不規范、制定的評價指標不合乎情理直接削減了各部門之間管理人員對預算工作的積極性，極大影響了水利部門預算管理工作的效率。如果水利單位僅僅將績效考評作為相關結果作檔案資料而不對預算中支出資金做任何深思熟慮的判斷，對績效考評的結果難以產生實行性的束縛力，直接影響水利部門預算的準確性和成效。
三、水利部門預算管理存在問題的解決措施
（一）增強水利部門預算管理的科學性
預算管理要充分聽取各個水利部門的意見，廣泛的收集預算資料，充分調研、合理預算，并在水利的實際工作中通過不斷完善、及時修改，使水利部門預算更加符合實情，確保預算準確性。同時，在預算管理工作中，水利單位要根據上年度的預算計劃，綜合分析預算的執行情況，充分掌握水利單位當年的業務活動和財政收支情況，分析去年預算工作中的失誤點，結合實際情況來合理編制本年度的預算工作。從水利單位的長期目標來說，一定要以戰略目標為預算管理的根本目標。換句話說，水利部門預算管理要針對水利建設的內部和外部兩部分環境進行系統的科學分析、合理的嚴謹論證制定出符合經濟市場的水利發展戰略目標。
（二）增強水利預算管理的監管力度
預算管理的工作同樣要注重執行和管理的監管力度。所以，水利單位的當務之急就是要建立完善的水利部門預算管理監管體系，不斷修訂水利部門預算管理的規章制度，建立完善的預算效果獎懲制度，遵循科學的預算管理流程。對水利單位的資金使用嚴格把關，對使用效益合理評價，重點監管水利部門預算的執行力，嚴格按照預算的計劃來分配資金，同時，預算中什么地方該花、什么地方不該花、什么地方可以少花、什么地方必須多花等問題，要做到心中有數，預算還要有所體現。嚴格把關各項費用的支出情況，保證單位內的各項開支，堅決杜絕揮霍浪費情況發生，對資金的使用實行全方位的多人監管保證。一句話總結，水利部門預算管理必須建立在一個公平公正、管理公開透明、多人監督管理的分位，在執行預算中，充分發揮水利資金的使用效率。
（三）加強各部門之間全面預算管理的工作
首先，要提高水利單位加強預算管理的認知度，使各個部門的負責人高度重視預算工作的編制。單位上下必須全員參與，從人員、組織、技術上予以大力的支持，全面開展水利部門預算管理的工作來提升水利單位經營管理能力和競爭力，以水利部門預算管理做為提高單位自身效益的長期任務。然后，水利單位要成立財務部門內部獨立的預算管理機構，組織水利單位內部各個部門的技術人員全員參與。最后，通過水利單位各個部門的通力合作，達到全員都能積極主動的參與預算在編制、執行、監督管理和反饋的全部過程，嚴格按照預算計劃來分配水利單位資金的分配，避免單位內部無正當理由隨意更改資金用途的情況發生，以此來保障水利單位資金配置的合理性、有效性和安全性。
（四）完善水利部門預算的績效考評體系
根據2015年1月1日的《預算法》規定，各級預算應當遵循統籌兼顧、勤儉節約、量力而行、講求績效和收支平衡。講求績效就是通過績效考核機制充分調動起員工對預算的工作熱忱和積極性?？冃Э荚u體系是水利單位檢驗員工預算工作完成情況的考核程序。首先，要建立完整完善的績效考評制度，考評制度一定秉著公平、公正、公開的透明原則；水利單位要制定科學合理的績效考評程序，并建立相應的獎懲措施，對于工作中做得出色的員工予以獎勵以資鼓勵，對于工作中犯過重大過錯的也要接受相應的處分；最后還要根據水利建設不同項目的不同特征，制定不同的獎勵對象和獎勵時機，選擇最優的獎勵組合方式來鼓舞員工的士氣，從而，順利推進水利部門預算管理工作，實現水利單位的預算管理目標和戰略目標。
雖然實施的新《預算法》已經非常完善，但是水利企業再實際工作中的預算管理仍然問題重重，本文對此進行分析和探究，也對目前水利部門對應的《預算法》有了更全面的認識：當前不僅需要科學完善的預算管理體系，還要建立科學合理的績效指標來推動國內水利部門預算管理工作的有效性?？傮w而言，水利部門預算管理的工作還需繼續完善，解決問題的方法也有很多，希望本文能拋磚引玉，獲取各位專業學者對此領域的關注度來探討有關解決水利部門預算管理問題的最優方案。
參考文獻：
[1]周珊輝.預算管理在政府財政中的重要性[J].財經界（學術版），2012（11）：10
計算機視覺理論范文2
關鍵詞：數字攝影測量 計算機視覺 多目立體視覺 影像匹配
引言
攝影測量學是一門古老的學科，若從1839年攝影術的發明算起，攝影測量學已有170多年的歷史，而被普遍認為攝影測量學真正起點的是1851―1859年“交會攝影測量”的提出。在這漫長的發展過程中，攝影測量學經歷了模擬法、解析法和數字化三個階段。模擬攝影測量和解析攝影測量分別是以立體攝影測量的發明和計算機的發明為標志，因此很大程度上，計算機的發展決定了攝影測量學的發展。在解析攝影測量中，計算機用于大規模的空中三角測量、區域網平差、數字測圖，還用于計算共線方程，在解析測圖儀中起著控制相片盤的實時運動，交會空間點位的作用。而出現在數字攝影測量階段的數字攝影測量工作站（digital photogrammetry workstation，DPW）就是一臺計算機+各種功能的攝影測量軟件。如果說從模擬攝影測量到解析攝影測量的發展是一次技術的進步，那么從解析攝影測量到數字攝影測量的發展則是一場技術的革命。數字攝影測量與模擬、解析攝影測量的最大區別在于：它處理的是數字影像而不再是模擬相片，更為重要的是它開始并將不斷深入地利用計算機替代作業員的眼睛。[1-2]毫無疑問，攝影測量進入數字攝影測量時代已經與計算機視覺緊密聯系在一起了[2]。
計算機視覺是一個相對年輕而又發展迅速的領域。其目標是使計算機具有通過二維圖像認知三維環境信息的能力，這種能力將不僅使機器能感知三維環境中物體的幾何信息，包括它的形狀、位置、姿態、運動等，而且能對它們進行描述、存儲、識別與理解[3]。數字攝影測量具有類似的目標，也面臨著相同的基本問題。數字攝影測量學涉及多個學科，如圖像處理、模式識別以及計算機圖形學等。由于它與計算機視覺的聯系十分緊密，有些專家將其看做是計算機視覺的分支。
數字攝影測量的發展已經借鑒了許多計算機視覺的研究成果[4]。數字攝影測量發展導致了實時攝影測量的出現，所謂實時攝影測量是指利用多臺CCD數字攝影機對目標進行影像獲取，并直接輸入計算機系統中，在實時軟件的幫助下，立刻獲得和提取需要的信息，并用來控制對目標的操作[1]。在立體觀測的過程中，其主要利用計算機視覺方法實現計算機代替人眼。隨著數碼相機技術的發展和應用，數字近景攝影測量已經成為必然趨勢。近景攝影測量是利用近距離攝影取得的影像信息，研究物體大小形狀和時空位置的一門新技術，它是一種基于數字信息和數字影像技術的數據獲取手段。量測型的計算機視覺與數字近景攝影測量的學科交叉將會在計算機視覺中形成一個新的分支――攝影測量的計算機視覺，但是它不應僅僅局限于地學信息[2]。
1. 計算機視覺與數字攝影測量的差異
1.1 目的不同導致二者的坐標系和基本公式不同
攝影測量的基本任務是嚴格建立相片獲取瞬間所存在的像點與對應物點之間的幾何關系，最終實現利用攝影片上的影像信息測制各種比例尺地形圖，建立地形數據庫，為各種地理信息系統建立或更新提供基礎數據。因此，它是在測繪領域內發展起來的一門學科。
而計算機視覺領域的突出特點是其多樣性與不完善性。計算機視覺的主要任務是通過對采集的圖片或視頻進行處理以獲得相應場景的三維信息，因此直到計算機的性能提高到足以處理大規模數據時它才得到正式的關注和發展，而這些發展往往起源于其他不同領域的需要。比如在一些不適合于人工作業的危險工作環境或人工視覺難以滿足要求的場合，常用計算機來替代人工視覺。
由于攝影測量是測繪地形圖的重要手段之一，為了測繪某一地區而攝影的所有影像，必須建立統一的坐標系。而計算機視覺是研究怎樣用計算機模擬人的眼睛，因此它是以眼睛（攝影機中心）與光軸構成的坐標系為準。因此，攝影測量與計算機視覺目的不同，導致它們對物體與影像之間關系的描述也不同。
1.2 二者處理流程不同
2. 可用于數字攝影測量領域的計算機視覺理論――立體視覺
2.1 立體視覺
立體視覺是計算機視覺中的一個重要分支，一直是計算機視覺研究的重點和熱點之一，在20多年的發展過程中，逐漸形成了自己的方法和理論。立體視覺的基本原理是從兩個（或多個）視點觀察同一景物，以獲取在不同視角下的感知圖像，通過三角測量原理計算像像素間的位置偏差（即視差）來獲取景物的三維信息，這一過程與人類視覺的立體感知過程是類似的。一個完整的立體視覺系統通?？煞譃閳D像獲取、攝像機定標、特征提取、影像匹配、深度確定及內插等6個大部分[5]。其中影像匹配是立體視覺中最重要也是最困難的問題，也是計算機視覺和數字攝影測量的核心問題。
2.2 影像匹配
立體視覺的最終目的是為了恢復景物可視表面的完整信息。當空間三維場景被投影為二維圖像時，同一景物在不同視點下的圖像會有很大不同，而且場景中的諸多因素，如光照條件，景物幾何形狀和物理特性、噪聲干擾和畸變以及攝像機特性等，都被綜合成單一的圖像中的灰度值。因此，要準確地對包含了如此之多不利因素的圖像進行無歧義的匹配，顯然是十分困難的。
在攝影測量中最基本的過程之一就是在兩幅或者更多幅的重疊影像中識別并定位同名點，以產生立體影像。在模擬攝影測量和解析攝影測量中，同名點的識別是通過人工操作方式完成的；而在數字攝影測量中則利用計算機代替人工解決同名點識別的問題，即采用影像匹配的方法。
2.3 多目立體視覺
根據單張相片只能確定地面某個點的方向，不能確定地面點的三維空間位置，而有了立體像對則可構成與地面相似的立體模型，解求地面點的空間位置。雙目立體視覺由不同位置的兩臺或者一臺攝像機（CCD）經過移動或旋轉拍攝同一幅場景，就像人有了兩只眼睛，才能看三維立體景觀一樣，然后通過計算空間點在兩幅圖像中的視差，獲得該點的三維坐標值?，F在的數字攝影測量中的立體像對技術通常是在一條基線上進行的，但是由于采用計算機匹配替代人眼測定影像同名像對時存在大量的誤匹配，使自動匹配的結果很不可靠。其存在的問題主要是，對存在特殊結構的景物，如平坦、缺乏紋理細節、周期性的重復特征等易產生假匹配；在攝像機基線距離增大時，遮擋嚴重，能重建的空間點減少。為了解決這些問題，降低雙目匹配的難度，自1986年以來出現了三目立體視覺系統，即采用3個攝像機同時攝取空間景物，通過利用第三目圖像提供的信息來消除匹配的歧義性[5]。采用“多目立體視覺技術”可以利用攝影測量的空中三角測量原理，對多度重疊點進行“多方向的前方交會”，既能較有效地解決隨機的誤匹配問題，同時又能增加交會角，提高高程測量的精度[2]。這項技術的應用，將很大程度地解決自動匹配結果的不可靠性，提高數字攝影測量系統的準確性。
計算機視覺理論范文3
關鍵詞：圖像處理 計算機視覺 立體視覺
在實際工程實踐中，由于受現場條件和測試技術本身的限制，結構動位移的測試往往存在一定的困難和挑戰，這也使動位移并未成為結構動力性能評估中一個常見的評估指標。結構動位移響應是直接反映結構在動力荷載作用下安全性和整體性的重要參考指標。隨著工程結構或構件建造得越來越柔和復雜結構模型試驗研究的發展，如大跨度橋梁、高層建筑、索結構等的現場測試以及結構振動臺試驗、風洞試驗等，結構動位移的測試顯得尤為重要。
計算機視覺是研究計算機模擬生物外顯或宏觀視覺功能的科學與技術，是一個發展十分迅速的研究領域，其研究手段涉及甚廣，如圖像處理、機器視覺、醫學圖像分析、模式識別、計算機圖形學、人工智能等。當計算機通過視覺傳感器（比如相機或攝像機等）試圖分析三維空間的物體時通常只能給出二維圖像，通過計算機分析和處理圖像信息，可以重構實物的三維幾何信息，包括其形狀、位置、姿態、運動等。因此，通過計算機視覺技術實現結構動位移的測量是可行的。上世紀八十年代中期以來，隨著計算機軟、硬件技術的不斷發展，在土木工程領域，國內外很多學者嘗試將計算機視覺技術用于結構的幾何測試，包括結構的位移（靜、動位移）、裂縫、表觀外形等。Aw和Koo采用數碼照相機來進行預設目標的坐標測量，經過基于計算機視覺理論的光束法優化后，其測試精度為2.24mm。Nieder？st和Maas利用數碼攝像機來測試混凝土梁在脫水收縮過程中的變形情況，其在相機視場為80cm時測試精度可達0.03mm。相類似地將計算機視覺技術用于結構特性的測量例子還有很多，比如混凝土管片變形檢測，梁破壞試驗中的變形測量，遠距離橋梁變形測量，軌道梁破損狀況的檢測等。相比于結構靜態幾何特性的測試，結構動態特性的測試應用相對不多。Olaszek利用攝像機來攝錄橋梁的振動情況，并以計算機視覺技術進行結構動位移重構分析，得出的動位移測試精度為1mm左右。Yoshida等采用立體視覺技術來測試一塊薄板的三維振動特性。
一、單相機標定
二、基于立體視覺的兩相機立體標定
三、圖像點跟蹤
圖像點跟蹤是基于立體視覺的結構位移測試手段中的重要環節。在圖像（或視頻）分析過程中，點跟蹤的精度會直接影響位移測試的最終結果。在實際測試中，本文采用兩個黑方格組成的目標模板粘貼在所測結構的表面，方格尺寸均為30×30mm，兩方格的交叉角點作為圖像分析的跟蹤點。
四、三維點重構
計算機視覺理論范文4
【關鍵詞】計算機視覺 運動目標 跟蹤算法
在計算機等現代科學技術尚未出現以前，人們在獲取外界信息時往往主要依賴視覺，而在我國計算機技術水平不斷發展提升的背景之下，計算機視覺技術的出現使得人類肉眼視覺得到了進一步的發展延伸，尤其是在各種傳感器技術的幫助之下，使得人們能夠對保持運動狀態的目標進行實時跟蹤，從而準確掌握目標的具體形態屬性。在此背景之下，本文將運動目標設定為運動的人臉，通過探究基于計算機視覺的運動目標跟蹤算法，希望能夠為相關研究人員提供相關參考和幫助。
1 Kalman filter目標跟蹤算法的簡要概述
Kalman filter目標跟蹤算法是當前眾多跟蹤算法當中使用范圍較廣、使用頻率比較集中的一種跟蹤算法，這一算法最早可以追溯至上個世紀六十年代，人們通過將濾波理論與狀態空間模型相集合，從而得到的一種遞推估計的算法也就是卡爾曼濾波理論。其通過利用上一時刻獲取的預估值以及當下獲取的實際觀測值，在信號與噪聲狀態空間模型當中不斷更新狀態變量，進而順利完成估計預測并獲得當前時刻估計預測值。經過不斷的發展，在計算機圖像處理以及其他運動目標跟蹤當中經常會使用Kalman filter算法。如果在k時刻系統下的狀態向量用xk表示，那么在t0時刻下初始化的狀態預測方程為；在tk時刻下更新系統狀態的具體方程為
，其中Hk、Zk分別表示測量矩陣m×n維以及轉移矩陣n×n維的狀態向量。但在跟蹤計算機視覺運動目標譬如說視頻目標時，由于相鄰的兩幀視頻圖像本身時間間隔非常短，因此目標在這一時間內難以發生明顯的運動狀態變化，此時我們可以通過將此間隔時間設定為單位時間，同時目標在單位時間內一直保持勻速運動狀態，這時我們可以得到一個狀態轉移矩陣且
，定義系統觀測矩陣即為
，定義噪聲Wk以及Vk協方差矩陣則可以分別用
和表示。
如果在濾波器在經過若干次卡爾曼濾波后仍然能夠恢復至原始狀態，則其具有較好的穩定性，但如果在進行運動目標跟蹤實驗的過程當中，對于處于運動狀態的被跟蹤目標，一旦出現遮擋行為則將在第一時間內暫停估計參數，并將這一參數估計值直接代入到狀態方程當中，使得運動目標無論是否被遮擋均可以對其進行精確跟蹤。
2 基于計算機視覺的運動目標跟蹤算法
2.1 建立顏色概率模型
顏色囊括了諸多的信息量光柱點，尤其是在人類的視覺世界從本質上來說也是一種用過感知自然界色彩以及明暗變化的世界，因此人們可以通過使用三基色原理獲得RGB顏色空間?？紤]到顏色與計算機視覺場景當中各個場景和目標之間有著緊密的關系，同時不同于目標的大小、形態等其他視覺特征，顏色特征鮮少會受到包括觀察視角等在內各因素的干擾影響，從某種角度上來說基于顏色特征的運動目標具有較好的穩定性。為了能夠保障目標跟蹤既穩定又迅速，需要選擇合適的顏色特征，否則將極有可能導致出現跟蹤失敗。在這一環節當中人們通常使用的是RGB顏色空間以及HSI顏色空間，但由于二者均具有一定的局限性，因此本文在對人臉特征尤其是顏色特征進行選取時，選擇了rgI顏色直方圖的方法，在解決兩N顏色空間自身缺陷的同時，盡量避免目標人臉運動位置以及尺寸等變化因素對目標追蹤造成的干擾影響。在rgI顏色直方圖當中
，，，L=r+g+I其中R、G、B就是RGB顏色空間當中的三原色，r、g、I有著相同的取值范圍即在0到1之間。保持間隔相等的情況下劃分L值即可得到rgI顏色直方圖。雖然rgI顏色直方圖與物體相對應，但如果目標只是位置以及尺寸等出現變化，rgI顏色直方圖并不會受到任何實質性影響，因此在理想情況下，利用rgI顏色直方圖能夠對視頻圖像中不同運動位置以及不同尺寸的人臉進行目標追蹤。
2.2 跟蹤算法
運動目標的不斷變化將會使得模板圖像隨之發生相應變化，因此需要不斷更新模板圖像才能夠有效完成對運動目標的連續跟蹤，本文在對運動目標的實際運動范圍進行預測過程中選擇使用卡爾曼濾波，之后利用rgI顏色直方圖在預測運動范圍之內搜索和匹配相應目標，從而通過此舉獲得與目標模板有著最小歐式距離的區域，在此過程當中存在一個特定閾值T，如果兩者的歐氏距離在進行相減時差值沒有超過這個特定閾值，那么此時該區域就是運動目標所在的實際位置，利用在這一區域當中的rgI顏色直方圖并將其充當下一幀運動目標的匹配模板，在不斷重復的過程中模板能夠實現不間斷地更新。由于相鄰的兩幀視頻圖像之間，時間間隔并不長，因此目標人臉在極短的時間間隔當中基本上不會出現突然變化，此時我們可以認為運動目標人臉的運動連續性比較強，此時利用公式
可以進行歐式距離的計算并用以衡量匹配的模板。其中匹配區域和模板的rgI顏色直方圖分別用l和l'表示，而rgI顏色直方圖中的維數則用n進行表示。根據相關視頻圖像顯示，通過不斷更新模板確實可以對目標運動人臉進行實時跟蹤顯示。
3 結束語
總而言之，本文通過選擇當前比較常見的目標跟蹤算法即Kalman filter算法，利用卡爾曼濾波以及rgI顏色直方圖完成對運動人臉的跟蹤。事實證明，Kalman filter算法確實能夠在對各目標之間的干擾進行明確區分的基礎之上，準確描述運動人臉目標，從而較好地跟蹤運動目標，但由于人臉之間本身存在一定的相似性，因此本文只是對理想狀態下的運動人臉進行跟蹤實驗，日后還需要對計算機視覺技術和Kalman filter算法進行進一步優化以妥善解決多人臉目標以及相似性問題。
參考文獻
[1]鄭薇.基于雙目視覺的運動目標跟蹤算法研究及應用[D].哈爾濱：哈爾濱工程大學，2014.
[2]李慧霞，李臨生，閆慶森，周景文.基于Mean Shift算法的目標跟蹤綜述[J].計算機與現代化，2017（01）：65-70.
[3]李寰宇，畢篤彥，楊源，查宇飛，覃兵，張立朝.基于計算機視覺的運動目標跟蹤算法研究[J].電子與信息學報，2015（09）：2033-2039.
[4]陳曦，殷華博.基于計算機視覺運動目標跟蹤技術分析[J].無線電工程，2014（06）：22-24+39.
計算機視覺理論范文5
關鍵詞 計算機視覺；攝像機定標方法；應用特點；線性關系；參照物
中圖分類號：TP391 文獻標識碼：A 文章編號：1671—7597（2013）022-067-3
計算機視覺中的攝像機定標方法總得來說可以分為兩類——傳統的攝像機定標法和攝像機自定標法。為了能夠使所獲取的場景更加自然，計算機視覺系統可以通過運用攝像機定標方法，加之合理安排攝像機和計算機這兩種成像裝置，來對二維的圖像信息進行虛擬空間的三維建模，進而控制整個攝像效果。這其中攝像及內部的一些參數起到了很大的作用，最初在計算機視覺中都是采用的傳統攝像機定標方法，但是這種方法存在著一定的局限性。這種定標方法在攝像機隨意運動和未知場景的安排下很難進行有效的標定。隨著計算機視覺中的攝像機定標方法的不斷進步和發展，以及攝像機自定標方法的誕生，使得這項技術逐漸獲得了相對廣泛的應用。
1 計算機視覺中與攝像機定標解析
計算機視覺的基本任務是采集一定數量的圖片或視頻資料并進行處理，以此來獲得相應場景環境下的的三維信息。而這些三維信息與圖像、視頻對應點的相互關系需要通過攝像機的幾何模型來決定，經過計算分析得出這些幾何模型參數的過程即為攝像機定標。如此看來，計算機視覺與攝像機定標的關系密不可分，目前可知，計算機視覺與攝像機定標的結合已經運用到相關領域，如高速公路上的車輛自主導航，部分醫學圖像的處理，電腦中臉孔或指紋識別等。但是由于所使用的目標人群相對較窄，以及攝像機定標方法的相對局限，使得計算機視覺的攝像機定標無法廣泛的運用到各個行業領域。正因如此，才加大了對計算機中攝像機定標方法的研究的必要性。下面就來對攝像機定標的兩種方法進行簡要的探討。
2 傳統的攝影機定標方法及應用特點
傳統的攝像機定標方法主要是在相應的攝像機模型下面，通過對一系列的數學公式進行變換計算和改進優化，然后對標定的具體參照物進行科學的圖像處理，最終來獲取攝像機模型的主要外部參數和內部參數。但是，由于不同的標的參照物與不同的算法思路的限制，傳統的攝像機定標方法也各不相同，其大致可分為以下三種：三維型——3D立體靶標定標法、平面型——2D平面靶標定標法以及以徑向約束為基準的定標法。
2.1 基于3D立體靶標的攝像機定標
這種基于3D立體靶標的攝像機定標方法就是在攝像機的前面安置一個具有3D效果的立體靶標裝置，然后將靶標上面的任何一個點都拿出來作為i這個參照物的特征點。在計算機視覺系統的作用下，將每一個靶標上面的特征點在整個三維坐標系中進行精確的制作測定。與此同時，攝像機首先在拍攝過程中獲取靶標上面的特征點影像信息，然后對平面圖像坐標系和立體空間坐標系二者的內外部數據參數排列出非線性方程，找出方程中系數矩陣的非線性關系，最后通過數學算法中的線性變換法來對整個透視系數矩陣中的每一個元素進行求解。通常在這種定標方法的應用過程中，計算機視覺系統都會忽略攝相機鏡頭在拍攝時的非線性畸變，將透視變幻矩陣中的相關元素定義為未知數，繼而在整個定標過程確定有效的三維控制點和相應的圖像點。在裝置3D立體靶標后，整個攝像機定標就能夠根據靶標上特征點的圖像坐標和世界坐標，在數學變幻算法的應用下，計算出攝像機的內部參數和外部參數。
這種3D立體靶標的攝像機定標方法不僅能夠優化定標物的獲取方法，而且能夠適應程序功能的改進，并且較高的精度，因而得到了廣泛的應用，但是這種定標方法通常比較繁瑣。
2.2 基于2D平面靶標的攝像機定標
基于2D平面靶標的攝像機定標方法在傳統攝像機定標方法分類中屬于一種新型的定標方法，又名張正友定標法。這種定標法具有靈活適用的特點，也是對傳統攝像機定標方法的一種簡化。在定標過程中首先是要在兩個以上的不同方位對一個平面靶標進行攝相機拍攝，整個拍攝過程中2D平面靶標和攝相機鏡頭都能夠自由地進行移動，而且要保持整個攝像機的內部參數一直固定。通常在基于2D平面靶標的攝像機定標法的應用中，我們都需要先假定這個靶標在三維空間坐標系中的豎軸為0，然后為了求出攝像機內外參數的優化解，要建立相應的線性模型，通過對線性模型的線性分析來計算出優化解，最后，運用最大似然法排列參數之間的非線性關系來求出其非線性解。在整個定標流程中，必須對攝像機的鏡頭畸變的目標函數進行綜合考慮，才能夠計算出攝像機的外部和內部參數。
這種方法既具有較高的精確性，又不需要很昂貴的定標成本，因此在計算機視覺系統中很為實用。但是，這種方法在進行整個攝像機內外參數的線性分析時，因為特征圖像上面的直線在透視之后依然是直線，在進行圖像處理的過程中，會引入一定的誤差。因此，在很多具有廣角鏡頭的攝像機定標上會出現因為鏡頭畸變而引起的較大誤差。
2.3 基于徑向約束的攝像機定標
基于徑向約束的攝像機定標就是通常所說的兩步法標定方法。這種方法通常是先利用徑向一致約束對超定性的線性方程進行最小二乘法求解，這樣就能夠將除了攝像機光軸方向平移外的其他的攝像機參數，然后對攝相機鏡頭存在和不存在透鏡畸變的情況下分別進行其他攝像機參數的求解。這種方法的計算量較為適中，而且精度也比較高，適用于攝像機的精密測量。然而，兩步法對于整個定標設備的要求也高，對于簡單的攝像機標定而言不易采用。
總的來說，基于徑向約束的攝像機定標的精準是通過設備的復雜和精確來獲得的，因此具有針對性的應用特點。
3 攝像機自定標方法及其應用特點
攝像機自定標方法是指在攝像機在移動時，周圍環境中的圖像會形成一定的對應關系，通過這種對應關系來對攝像機進行定標的方法，這種方法無需依賴參照物。攝像機自定標方法主要有以下四種：基于主動視覺的自定標法、基于Kruppa方程的自定標方法、分層逐步定標法以及基于二次曲面的自定標方法等。這些方法相較于傳統的攝像機定標方法來說有了很大的改進和提高，下面就進行簡要的探討。
3.1 基于主動視覺的自定標法
目前，在攝像機自定標方法中的應用最為普遍的方法便是基于主動視覺的自定標法。這種方法主要是能夠通過對攝像機在移動過程中的對環境中的多幅圖像進行標定，進而建立對應關系來求出標定參數，由此可見，整個標定過程不需要精密的標定物，如此一來就能夠使得標定問題簡單化。主動視覺系統是這種標定方法的核心技術，就是攝像機在拍攝過程中被固定在了一個能夠得到精確控制的移動平臺上，并且這個平臺的相關參數能夠通過計算機進行精確的讀出，在整個拍攝過程中攝像機只需要通過一定的特殊運動來獲取多幅圖像信息，然后在結合攝像機運動的具體參數和圖像的參數來確定整個攝像機的內部和外部參數，達到攝像機定標的效果。其中基于主動視覺的自定標法的代表方法就是馬頌德提出的控制攝像機的兩組三正交平移運動的標定方法。后來，李華、楊長江等人對這種方法進行了改進和優化，提出了基于四組平面正交和五組平面正交運動的標定方法，并能夠利用獲取圖像中的機電信息來對攝像機的參數進行線性表定。
這種方法算法簡便，能夠獲得整個參數的線性解，但是這種方法對整個攝像機的運動平臺要求很高，因此要求必須具有精確控制的能力。
3.2 基于Kruppa方程的自定標方法
基于Kruppa方程的自定標方法主要是在整個攝像機自定標過程中導入了Kruppa方程，并對該方程進行直接求解，從而得到整個攝像機的具體參數的方法?；贙ruppa方程的自定標方法在應用時利用了極線變幻和二次曲線像的概念對Kruppa進行推導，直接進行求解。
這種標定方法不需要對整個圖像的序列進行射影重建，通常是對兩個圖像之間的信息建立一個方程，相較于逐步分層標定方法而言，基于Kruppa方程的自定標方法能夠將某些很難做到所有圖像整合到一個統一的射影框架中的情況更加具有優勢，但是這種方法還是存在著一定的局限性，它無法保證在無窮遠處的平面能夠保持所有圖像在確定的攝影平面中還具有一致性的效果。當整個攝像機拍攝的圖像的序列較長的時候，基于Kruppa方程的自定標方法就顯得很不穩定，繼而不能夠很好地算出整個攝像機的內外參數，對定標造成了一定的影響。
3.3 分層逐步定標法
分層逐步定標法是攝像機自定標方法中的一個研究熱點，在攝像機自定標的實際應用中以及逐步取代了可以直接求解的基于Kruppa方程的自定標方法。分層逐步定標法在應用過程中首先需要對整個拍攝的圖像序列進行攝影重建，這點和基于Kruppa方程的自定標方法一樣，然后利用絕對二次曲面加以約束，最后在確定出無窮遠處平面方程中的仿射參數以及攝像機內部的參數。分層逐步定標法的應用特點是必須建立在射影定標的基礎之上，利用某一幅圖形作為特征基準點進行射影對其，將整個攝像機自定標的未知數的數量減少，再運用數學算法中的非線性優化算法來進行未知數的求解。
這種方法的不知自出就是在進行非線性優化算法時，初值是通過事前的預估得到的，不能夠保證這個方程的收斂性。由于在射影重建時，選擇的基準圖像不同，整個攝像機自定標的結果也會存在差異。
3.4 基于二次曲面的自定標方法
基于二次曲面的自定標方法和基于Kruppa方程的自定標方法在本質上答題一致，這兩種方法都是利用了絕對二次曲面在歐式變幻算法的計算下維持的不變性進行的。最早將二次曲面的概念引入到計算機視覺系統中攝像機自定標方法的是Triggs，他在這種定標方法上作出了可行性的研究，最后形成了基于二次曲面的自定標方法。
在輸入了多幅的圖像并且在進行統一的射影重建的狀態下，基于二次曲面的自定標方法會比基于Kruppa方程的自定標方法更加適用一些，原因就是基于二次曲面的自定標方法包含了絕對二次曲面和無窮遠處平面的所有信息，進而能夠辦證整個圖像在無窮遠處平面的一致性。
4 傳統攝像機定標方法與自定標方法優缺點分析
從上文可知，對于傳統攝像機定標方法應該取其精華，去其糟粕；對于攝像機自定標方法，在吸取傳統攝像機定標方法的優點的同時，應該加強自身的精度要求?？偠灾瑑煞N攝像機定標方法各自存在利弊，如何改進才是正確的研究方向。
4.1 傳統的攝像機定標方法弊端
傳統的攝像機定標方法通過實踐證明，在理論上和實際運用上十分有用的，但仍有不少地方需要進一步改進，以下為它目前存在的問題所在：1）攝像機所拍攝的圖像或視頻存在一定噪聲。在實際數據計算分析中，這種噪音無論大小，都會對內部參數的實際解造成大的干擾，并且使實際解與由約束關系所求得的解之間有著相當大的差異。因此，怎樣才能夠提高解的魯棒性、減少解之間的差異性成為了傳統攝像機定標亟待解決的1問題；2）線性模型所得的優化解并非全局的。由上可知，攝像機定標的實際過程便是獲得實際參數的過程，即使用各種不同的優化計算方法，來獲得相應的非線性方程的一組解，但實際上，以此所獲得的優化解并非全局的。因此，如何變化或者提高線性方程的解答方法也很重要；3）攝像機定標參數的不確定性。一般來講，攝像機定標參數的不確定性決定著計算參數的可信程度，同時，其對三維重建有著影響，進一步來講，攝像機定標的不確定性也決定著約束關系的不確定性傳播。因此，這個問題也需要深入進一步研究。
總之，傳統攝像機的定標方法依然存在著許多無法忽視的弊端和需要解決的問題，深入研究并盡快解決這些問題，應該是傳統攝像機的定標方法今后的大的研究方向。
4.2 攝像機自定標方法相關問題
目前普遍認為，攝像機自定標方法實現隨時隨地的校準攝像機模型參數，與傳統的攝像機定標方法相比顯得更為靈活先進。攝像機自定標方法無需參照物，僅僅從圖像或視頻的相關點中得到它們之間的約束關系，從而通過相應的分析，計算出攝像機模型的參數.這種定標方法看似毫無缺點，但自定標的精度與傳統的攝像機定標方法相比，還是存在者一定的缺點，以下便是對其缺點的歸納總結：部分攝像機自定標方法所求得的解不夠穩定。例如：在圖像或視頻存在一定噪聲的情況下，實際的解與理論的解有著相當差異，或者所求得的解并不唯一。因此，解的不穩定性和精度不夠的情況，不僅是傳統攝像機定標方法的缺點，也是自定標方法的一個問題，提高解的精度及穩定性，是自定標研究的一個重要方向。實際上，在現在的解決方案中，各種優化算法是最常用最普遍的方法，但是，在多解的情況下，優化算法也無法能夠保證得出全局的最優解。由此看來，這個問題是計算機是絕種攝像機定標方法普遍存在的關鍵性問題。
5 結束語
隨著計算機視覺系統的不斷發展，攝像機定標技術也呈現了進步的狀態。綜上所述，計算機視覺中的攝像機定標方法主要有傳統的攝像機定標法和攝像機自定標法，對這兩類的定標方法進行深入的研究能夠為全面認識和了解攝像機定標方法起到很好的幫助作用。計算機視覺中的攝像機定標方法在今后的發展過程中應該得到更多的研究，但其所存在的不足和弊端也理應得到研究人員的重視。在這個多元化信息化的世界里，計算機視覺中的攝像機定標技術若能夠根據現有的條件，適應如今的環境，選擇合適的方法，對一些還存在局限性的環節取得更好地突破，則能夠將整個定標技術提升一個高度。相信隨著未來計算機視覺系統的不斷擴展和不斷完善，攝像機定標技術的應用范圍也會越來越廣闊。
參考文獻
[1]宋雪峰，楊明，王宏.用于攝像機標定的網格狀紋理的檢測方法[A].2001年中國智能自動化會議論文集（下冊）[C].2001.
[2]譚躍鋼，吳正平.一種新的基于雙目視模型的三維重建方法[A].中國儀器儀表學會第三屆青年學術會議論文集（上）[C].2001.
[3]劉健勤，鮑光淑.面向數據采掘的自適應圖象分割技術[A].中國圖象圖形科學技術新進展——第九屆全國圖象圖形科技大會論文集[C].1998.
[4]洪俊田，陶劍鋒，李剛，桂預風，徐曉英.基于灰色關聯的數字圖像去噪研究[J].武漢理工大學學報（交通科學與工程版），2006，04.
[5]趙江濤，周仁斌，劉寶源.基于線結構激光三維掃描系統的攝像機標定方法研究[A].2010振動與噪聲測試峰會論文集[C].2010.
[6]王鵬，王紅平.基于網格圖像的雙線性插值畸變校正的方法研究[A].科技創新與節能減排——吉林省第五屆科學技術學術年會論文集（上冊）[C].2008.
[7]程建璞，項輝宇，于修洪.基于OpenCV的視覺測量技術中攝像機標定方法[J].北京工商大學學報（自然科學版），2010，01.
[8]趙越，江南.一種基于3D矩形靶標的攝像機標定算法及其實現[A].第九屆全國信息獲取與處理學術會議論文集Ⅰ[C].2011.
計算機視覺理論范文6
關鍵詞：序貫相似性檢測算法 圖像匹配 計算機視覺
中圖分類號：TN911 文獻標識碼：A 文章編號：1672-3791（2013）06（c）-0205-01
圖像匹配最早是70年代美國從事飛行器輔助導航系統，武器投射系統的制導等應用研究中提出的。國內外學者對匹配輔助導航技術進行深入研究，使其在民用領域的應用越來越廣泛[1，2]。計算機視覺計算主要分為低層處理、中層處理和高層處理，而在低層進行數字化差異檢測、中層進行參數化相似分析，高層處理完成圖像的識別、解釋和描述等任務，都需要圖像匹配技術[3]。序貫相似性檢測算法（SSDA）能夠快速地丟棄非匹配點，減少非匹配點的計算量，從而提高匹配的速度，算法簡單，易于實現。
1 序貫相似性檢測算法
序貫相似性檢測算法的基本思想是基于對誤差的積累進行分析。在進行圖像匹配時，通常非匹配點處的誤差ε會隨著運算點數的增加而迅速增長，很快超過某一門限，而對于匹配點處，誤差的增長要緩慢得多。這樣對于大多數非匹配點，只需要分析前幾項，而只有匹配點附近的點才需要計算整個循環，這樣就大大地減少了匹配的運算量。
設源圖像S的大小為J×K，模板圖T的大小為M×N（其中M≤J，N≤K），模板覆蓋的區域子圖為，（p，q）為模板左上角像素點在圖像S中的坐標，S中的待匹配區域是以點（p，q），（p，q+M-1），（p+N-1，q），（p+N-1，q+M-1）組成的區域。相對于參考點位置為（m，n）點的匹配誤差定義為：
其中k=1，2，…r。將累計誤差值與預定閾值進行比較，當累加值超過設定閾值Tk時，就停止累加計算，并記下累加次數k。計算下一個待匹配點處的誤差，若累計誤差小于預定閾值，則繼續計算此處的誤差，直到>Tk或k=r，記下k值。對不同的待匹配點進行上述匹配計算，最后取最大k值對應的待匹配點位置，即為要找的匹配點。
2 實驗結果與分析
圖1顯示了基準圖與實時圖像，圖1（a）為基準圖像，大小為256×256，圖1（b）為實時圖，大小為65×65。圖1（c）找到了實時圖像在基準圖中的位置。
由圖1可以看出，SSDA算法能夠良好地進行匹配。而通過對匹配時間的計算可以看出，SSDA算法的運行時間相對較短，效率較高。
參考文獻
[1] GONG H C.Development of terrain contour matching algorithm for the aided inertial navigation using radial basis functions [J].Journal of Astron Space Science，1998，15（1）：229-234.
