導語：如何才能寫好一篇計算機視覺處理技術(shù)，這就需要搜集整理更多的資料和文獻，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：計算機；視覺技術(shù)；應用；分析

中圖分類號：TP37 文獻標識碼：A 文章編號：1009-3044（2016）03-0242-02

計算機人工智能技術(shù)中的一項重要技術(shù)就是計算機視覺技術(shù)，這種技術(shù)主要是讓計算機利用圖像來實現(xiàn)認知環(huán)境信息的目的，這一目的的實現(xiàn)需要用到多種高尖端技術(shù)。近年來隨著計算機技術(shù)以及計算機網(wǎng)絡的普及與發(fā)展，計算機視覺技術(shù)也得到了較快發(fā)展，并且在實際生產(chǎn)與生活中的應用也越來越廣泛。

1 計算機視覺技術(shù)概述

1.1 基本概念

計算機視覺技術(shù)主要研究計算機認知能力的一門技術(shù)，其具體主要是通過用攝像機代替人的眼睛，用電腦代替人的大腦，最終使計算機具備類似于人類的識別、判斷以及記憶目標的功能，代替人類進行部分生產(chǎn)作業(yè)。人們目前研究的人工智能技術(shù)中的一項重要內(nèi)容就是計算機視覺技術(shù)，通過研究計算機視覺技術(shù)可以讓計算機擁有利用二維圖像認知三維環(huán)境的功能?？偟膩碚f，計算機視覺技術(shù)是在圖像與信號處理技術(shù)、概率分析統(tǒng)計、網(wǎng)絡神經(jīng)技術(shù)以及信息處理技術(shù)的基礎(chǔ)上，利用計算機來分析、處理視覺信息的技術(shù)，它是現(xiàn)代社會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，首先使用攝像機對具體事物的圖像信息進行采集，利用網(wǎng)絡把采集到的圖像信息向計算機內(nèi)部輸送，然后在計算機系統(tǒng)內(nèi)部處理加工圖像信息會把事物的原始圖像得到，隨后利用圖像處理技術(shù)進一步處理原始圖像，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值的信息，通過智能識別技術(shù)識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起來，在進行識別事務時分析對比這些儲存信息就可以實現(xiàn)事物的識別，這樣視覺系統(tǒng)的基本任務也就完成了。其具體視覺系統(tǒng)如圖1所示：

1.3理論框架

人類研究視覺技術(shù)雖然起步比較早，但取得較大進步是在20世紀80年代初伴隨著視覺計算理論的出現(xiàn)。它的出現(xiàn)把研究視覺理論的策略問題解決了，視覺技術(shù)是一項特別復雜的信息處理過程，要想對視覺的本質(zhì)準確完整的理解，必須從不同角度與層次研究與分析視覺本質(zhì)。視覺計算理論研究層次大致可分為：計算機理論、算法以及實際執(zhí)行。站在計算機理論的角度分析視覺技術(shù)，我們可知必須用要素圖、維圖、以及三維模型表像來描述視覺信息。

所以，可以把計算機視覺技術(shù)當做從三維環(huán)境圖像中抽取、描述與解釋信息的過程，其主要分析步驟可分為感覺、處理、描述、識別、解釋等。若依據(jù)上述各過程實現(xiàn)需用到的方法與技術(shù)的復雜性劃分層次，可大致把計算機視覺技術(shù)劃分為：低層視覺處理、中層視覺處理、高層視覺處理三個層次。

2 計算機視覺技術(shù)在自動化中的應用

2.1 農(nóng)業(yè)自動化中計算機視覺技術(shù)的應用

在農(nóng)業(yè)自動化中應用計算機視覺技術(shù)可以全天候?qū)崟r監(jiān)測農(nóng)作物的生長狀況，便于科學管理農(nóng)作物。還可以應用計算機視覺技術(shù)來檢測農(nóng)產(chǎn)品的質(zhì)量，例如可以應用計算機監(jiān)測技術(shù)來監(jiān)測大多數(shù)蔬菜的質(zhì)量，傳統(tǒng)的人工檢測蔬菜質(zhì)量的方法，不僅費時費力，而且檢測結(jié)果的準確性也不能很好的保證，在實際人工檢測過程中還容易傷害蔬菜，可以通過利用計算機視覺技術(shù)來感應蔬菜自身釋放的紅外線、紫外線以及其他可見光的能量大小，然后和質(zhì)量達標蔬菜的光線能量大小進行對比，根據(jù)這些對比結(jié)果可以把蔬菜質(zhì)量的好壞準確判斷出來，在蔬菜質(zhì)量檢測過程中應用計算機視覺技術(shù)，把傳統(tǒng)的蔬菜檢測方法完全顛覆了，極大的方便了農(nóng)產(chǎn)品的質(zhì)量檢測，由此可見，計算機視覺技術(shù)在農(nóng)業(yè)生產(chǎn)中有很高的使用與推廣價值。

2.2 在工業(yè)自動化中計算機視覺技術(shù)的應用

計算機視覺技術(shù)在工業(yè)自動化應用的一個重要領(lǐng)域就是可以精密測量零件尺寸，其測量與被測對象的原理如圖2所示。

光學系統(tǒng)、計算機處理系統(tǒng)以及CCD攝像頭，是計算機檢測系統(tǒng)的主要組成，被測物體由光源發(fā)出的平行光束進行照射，利用顯微光學鏡把待檢測部位的輪廓圖像呈現(xiàn)在攝像機的面陣CCD上，然后再通過計算機處理這些圖像，進而把被測部位的輪廓位置信息獲取下來，若被測對象是出現(xiàn)位移時，可通過兩次重復測量，利用兩次測量的位置差就可以得出，被測物體的位移量。

此外計算機視覺技術(shù)還可以應用于逆向工程中，應用3D數(shù)字化測量儀可以快速準確的測出現(xiàn)有工件輪廓的坐標值，同時還能構(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現(xiàn)，最關(guān)鍵的一環(huán)就是如何通過精密測量系統(tǒng)來測量樣品的三圍尺寸，獲得各部位數(shù)據(jù)，進而做曲面處理進而加工生產(chǎn)。對于這一難題我可以通過利用線結(jié)構(gòu)光測量物體表面輪廓技術(shù)來實現(xiàn)，器具體輪廓結(jié)構(gòu)示意圖如下圖3所示。

這種測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，條紋會自動出現(xiàn)變化，然后再通過使用CCD攝像機對變形條紋進行拍攝。這樣就可以把物體表面輪廓的變化情況分析出來。攝像機在拍攝圖像的過程中，把圖像信號轉(zhuǎn)化為模擬信號，再轉(zhuǎn)化為數(shù)字信號，然后經(jīng)過傳送再還原信號到圖形處理系統(tǒng)，就得到三維輪廓圖像。

在工業(yè)自動化中計算機視覺技術(shù)的深入廣泛應用，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。如計算機視覺技術(shù)可以很好的檢測產(chǎn)品包裝質(zhì)量，封口質(zhì)量以及印刷質(zhì)量等等，如我國重點指定的印刷造幣機器的南京造幣廠，由于貨幣制造印刷是由印刷造幣機器來實現(xiàn)的，所以要嚴格要求其生產(chǎn)工藝，一絲一毫的生產(chǎn)差錯都不允許存在，為了保障印刷制造出來的造幣機器質(zhì)量完全達標，必須嚴格精確檢測生產(chǎn)出來的成品。在印刷造幣機器的過程中要求要有非常高的計算機視覺技術(shù)，隨著計算機視覺技術(shù)的不斷進步，計算機視覺技術(shù)已經(jīng)對印刷造幣機器的需求完全滿足了，實際的應用效果也非常理想，印刷造幣機器在實際生產(chǎn)的過程中，南京造幣廠把計算機視覺技術(shù)應用在了每個應刷造幣機器最后的生產(chǎn)工序上，硬幣受到重力下落的瞬間，計算機視覺技術(shù)可以瞬間采集圖像的信息，準確拍攝硬幣在下落過程中的圖像，通過高速光纖傳感器可以把硬幣圖像向計算機系統(tǒng)快速傳輸，利用計算機系統(tǒng)處理信息與識別信息的超強能力，可以及時識別硬幣質(zhì)量，經(jīng)大量實踐研究得出，在印刷造幣機器上應用計算機視覺技術(shù)已經(jīng)幾乎沒有檢查差錯現(xiàn)象的發(fā)生，由此可知，在工業(yè)自動化中計算機視覺技術(shù)的應用不但可行，而且發(fā)展空間還很大。

2.3 在醫(yī)學自動化中計算機視覺技術(shù)的應用

在醫(yī)學領(lǐng)域計算機視覺技術(shù)也得到了廣泛應用，如醫(yī)學中經(jīng)常用到的CT圖像以及X射線圖都用到了計算機視覺技術(shù)，這些技術(shù)的廣泛應用很大程度上方便了醫(yī)生準確判斷病人病情，另外，在生產(chǎn)藥品的過程中，應用計算機視覺技術(shù)可以高效檢測藥品包裝的合格與否，其基本流程是：傳送裝置先準確運輸藥品到指定位置，傳送裝置自身又可分為檢測與分離兩個區(qū)域，在傳送藥品的過程中藥品的圖像信息會被特定的攝像機采集，采集完成后向計算機系統(tǒng)傳遞采集信息，然后計算機系統(tǒng)會分析與處理這些信息，把沒有包裝好的藥品自動識別出來，并且向分離區(qū)傳遞識別信息，分離區(qū)的自動裝置會依據(jù)傳輸?shù)姆蛛x信息，隔離開沒有包裝好的藥品，這樣就可以有效分類包裝好的藥品與沒有包裝好的藥品，在藥品包裝檢測方面應用計算機視覺技術(shù)代替?zhèn)鹘y(tǒng)人工檢測，不但可以實現(xiàn)藥品準確無誤的檢測，而且還可以大大提高檢測藥品包裝質(zhì)量的效率，完善了藥品生產(chǎn)的自動化，由此可見，在醫(yī)學自動化中應用計算機視覺技術(shù)可以積極促進醫(yī)學自動化的發(fā)展。

3 結(jié)束語

總之，計算機視覺技術(shù)是一門研究計算機識別能力的高新技術(shù)，它涵蓋了很多其他技術(shù)，具有一定復雜性。要想使其在自動化生產(chǎn)中得到更好地推廣與應用，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)合實際生產(chǎn)情況，不斷進行深入研究，只有這樣才能使計算機視覺技術(shù)得到更好地推廣與應用，才能使這項現(xiàn)代化的高新技術(shù)更好的服務于社會，服務于人類。

參考文獻：

[1] 龔超，羅毅，涂光瑜.計算機視覺技術(shù)及其在電力系統(tǒng)自動化中的應用[J].電力系統(tǒng)自動化，2003（1）.

[2] 李永奎，劉冬.計算機視覺技術(shù)在農(nóng)業(yè)生產(chǎn)中的應用[J].農(nóng)業(yè)科技與裝備，2011（6）.

篇2

1、引言

隨著經(jīng)濟的迅猛發(fā)展，汽車的迅速普及，根據(jù)社會對汽車產(chǎn)業(yè)的要求，車輛的各方面指標都受到人們越來越多地關(guān)注，汽車涂裝過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)過程中利用計算機視覺檢測技術(shù)檢測出并及時修補汽車涂裝過程中產(chǎn)生的瑕疵就成了首要的任務[1]。本文的研究內(nèi)容是首先了解計算機視覺檢測系統(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，應用計算機視覺檢測系統(tǒng)檢測汽車涂裝瑕疵。該研究的價值在于兩方面：①對于汽車生產(chǎn)的自動化和過程自動化，計算機視覺是現(xiàn)實真正意義的自動的基礎(chǔ)和一種重要的質(zhì)量控制的手段；②對于汽車涂裝瑕疵的修補可以提高其修補的精度。

2、汽車涂裝瑕疵的計算機視覺檢測系統(tǒng)

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

3、計算機視覺檢測

計算機視覺是計算機對圖像進行自動處理并報告“圖像中有什么”的過程，也就是說它識別圖像中的內(nèi)容。圖像中的內(nèi)容往往是某些機器零件，而處理的目標不僅要能對機器零件定位，還要能對其進行檢驗。計算機視覺系統(tǒng)基本原理：機器視覺系統(tǒng)通常采用CCD相機攝取圖像，將其轉(zhuǎn)化為數(shù)字信號，再采用先進的計算機硬件與軟件技術(shù)對圖像數(shù)字信號進行處理，從而得到所需要的各種目標圖像特征值，并在此基礎(chǔ)上實現(xiàn)模式識別、坐標計算、灰度分布圖等多種功能。計算機視覺系統(tǒng)能夠根據(jù)其檢測結(jié)果快速地顯示圖像、輸出數(shù)據(jù)、指令，執(zhí)行機構(gòu)可以配合其完成指令的實施。計算機視覺系統(tǒng)主要由圖像獲取、圖像分析和處理、輸出顯示或控制三個功能模塊組成[4]。視覺檢測按其所處理的數(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檢測。另外，還有X射線檢測、超聲波檢測和紅外線檢測。一個完整視覺檢測系統(tǒng)包括：圖像采集、圖像分割、零件識別、模型匹配和決策判斷。Newman[5]等描述了利用深度圖像進行零件檢測的AVI系統(tǒng)，具有一定的代表性。一個典型的AVI系統(tǒng)如圖2所示。

4、汽車涂裝瑕疵的檢測算法

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)的微分邊緣檢測算法無法有效的檢測出來。所以對缺陷模糊邊緣的檢測成為了算法的關(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攝像機所接收傳輸?shù)接嬎銠C視覺檢測系統(tǒng)中。若涂裝表面沒有瑕疵，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：計算機；視覺檢測技術(shù)；原理；應用

中圖分類號：TP391.41

受到CIMS的推動和影響，諸多企業(yè)的發(fā)展趨勢逐步趨向于個性化以及自動化，這種大的發(fā)展趨勢間接的對我國的計算機輔助技術(shù)提出了更高的要求，計算機相關(guān)技術(shù)的發(fā)展面臨著更加嚴峻的挑戰(zhàn)。就現(xiàn)階段分析來看，計算機輔助檢測技術(shù)在現(xiàn)代諸多企業(yè)中得到了廣泛的應用。隨著柔性制造系統(tǒng)的不斷進步與發(fā)展，驅(qū)動圖像處理軟件、現(xiàn)場總線技術(shù)的日趨成熟，檢測系統(tǒng)的靈敏性、智能化特點愈發(fā)受到人們的關(guān)注，在這種大的發(fā)展趨勢之下，計算機視覺檢測技術(shù)得到了較快的發(fā)展。基于計算機視覺系統(tǒng)現(xiàn)已經(jīng)廣泛應用于現(xiàn)場監(jiān)控、工況監(jiān)視等諸多環(huán)境之中。

1 關(guān)于對視覺技術(shù)的相關(guān)研究

1.1 基于計算機的視覺檢測技術(shù)的原理分析和探究

圖像技術(shù)主要指的就是通過各種途徑所實現(xiàn)的對圖像的獲取以及進一步的深入加工和處理技術(shù)。根據(jù)視覺檢測技術(shù)的抽象程度以及對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)劃分為三個最主要的層次，這三個層次分別是圖像的加工處理、圖像的分析以及對于圖像的理解。將這三個層次進行進一步的結(jié)合，便是圖像工程。計算機視覺檢測技術(shù)是一門新興的計算機檢測技術(shù)，該技術(shù)建立在對計算機視覺研究的基礎(chǔ)之上，吸收和借鑒相關(guān)的研究成果，借助于傳感器來實施三維測量，進而有效獲得被測物體的空間具置信息，故而可以很好的滿足當代制造業(yè)的發(fā)展需求。區(qū)別于一般的圖像處理系統(tǒng)，計算機視覺檢測技術(shù)所獲取的相關(guān)數(shù)據(jù)信息更為精準和迅速，其環(huán)境適應性更強。

基于計算機的視覺檢測技術(shù)注重計算理論的輔導作用，以應用為目標進行視覺技術(shù)分析。自上世紀七十年代以來，我國關(guān)于對計算機視覺檢測技術(shù)的研究又取得了顯著的進步，并且逐步邁入更為實質(zhì)性的研究階段，在該階段中，逐步開始從通過從多個角度（諸如光學角度、生理學角度以及投影射影角度等等）對其成像問題加以分析。以Marr為代表的專家更是建立了一些一般性的視覺性處理模型來輔助該技術(shù)的研究。

1.2 視覺檢測技術(shù)中傳感器的作用

在計算機的控制下配有相關(guān)的視覺檢測系統(tǒng)，在該視覺檢測系統(tǒng)中，主要有三個主要方面的主要作用：第一，對于視覺傳感器模型的分析以及確定；第二，進行圖像數(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測量棒材的多個截面進行分析，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，進而進一步輔助準確的模型的建立。

2 基于計算機的視覺檢測技術(shù)的應用研究分析

2.1 基于計算機的視覺檢測技術(shù)的發(fā)展狀況研究

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)，主要就是為了進一步提高所獲得的數(shù)字照片的清晰度和質(zhì)量要求，進而更為精準、科學、規(guī)范的對照片所提供的信息加以辨別，為航空衛(wèi)星圖片的讀取、識別和分類做準備。在這一系列的視覺工作中，其中最為主要和常見的工作主要是包括分類、識別判讀以及三維結(jié)構(gòu)的構(gòu)建。

基于計算機的視覺檢測技術(shù)借助于對計算機視覺技術(shù)，將所獲得的被觀察物品的相關(guān)信息加以信號轉(zhuǎn)換，并傳遞給圖像處理系統(tǒng)，圖像處理系統(tǒng)通過甄別和判斷不同照片像素的分布和亮度等訊息，將其進一步轉(zhuǎn)換成為數(shù)字化信號，接下來由計算機的圖像系統(tǒng)抽出符合目標特征的信號加以運算，對下一步的設(shè)備動作加以決定和執(zhí)行。

就現(xiàn)階段而言，我國的計算機視覺檢測技術(shù)系統(tǒng)在諸多領(lǐng)域均有所應用，最為典型的領(lǐng)域諸如醫(yī)學的輔助診斷、機器人的感應系統(tǒng)、智能化的人機接口等均是建立在該技術(shù)的基礎(chǔ)之上。借助于計算機視覺技術(shù)這一手段，可以有效提高對產(chǎn)品檢測的效率，提高精準度，這種新型的視覺檢測技術(shù)相比較于傳統(tǒng)的人眼在流水線上的跟進，其具有顯著的優(yōu)越性，其獲取測量結(jié)構(gòu)迅速、檢測結(jié)果可以直接被觀察、可以進行自動識別以及定位準確和實時性的特點，這就很好的避免了由于人的一些主觀性因素所導致的誤差出現(xiàn)。

二十世紀以來，基于生物特性的計算機視覺檢測技術(shù)得到了空前的發(fā)展，具體表現(xiàn)在人臉識別、生硬識別、指紋識別以及虹膜的識別中，形式日趨靈活和復雜多變。借助于計算機的視覺檢測技術(shù)，可以有效對用戶的身份進行鑒定和識別、判定用戶的特殊信息等。除此之外，還可以將基于計算機的視覺識別技術(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 基于計算機的視覺檢測技術(shù)的相關(guān)應用分析

2.2.1 數(shù)碼相機中所采用的圖像采集技術(shù)

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

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

隨著科學技術(shù)的不斷進步與發(fā)展，大規(guī)模集成電路得到了較快的進步，基于計算機的視覺檢測系統(tǒng)的成本得到了極大的降低，基于計算機視覺檢測技術(shù)的微文字識別系統(tǒng)的研發(fā)也被提到了日程中來。微文字識別系統(tǒng)的處理芯片大多是借助于數(shù)字信號處理芯片來實現(xiàn)圖像的識別，進而借助先進的語音合成技術(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)美觀度和實用性等設(shè)計為各種形狀。

2.2.3 特殊用紙水印在線檢測系統(tǒng)

基于計算機的視覺檢測技術(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)量的自動檢測方面。區(qū)別于普通的工作人員，計算機可以實現(xiàn)長時間工作，對于誤差范圍的控制可以通過設(shè)置等實現(xiàn)，而且在計算機執(zhí)行任務期間，所受到的客觀和主觀因素相對較少，這就極大程度上避免了由于人的因素所導致的失誤性操作，進而有效提高了工作效率以及檢測的精準度。這一優(yōu)點，在水印質(zhì)量標準的認定中具有十分重要的意義和作用，通過研發(fā)一定的程序和軟件，可以制定出一套操作性強、權(quán)威性較高的水印清晰度量化標準。

3 基于計算機的視覺檢測技術(shù)的發(fā)展展望

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

4 結(jié)束語

隨著科學技術(shù)的不斷進步與發(fā)展，經(jīng)濟的發(fā)展對于新技術(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，對于生活水平也有了進一步的認識和了解?；谟嬎銠C的視覺檢測技術(shù)的研發(fā)和進步，無疑更好推動了高速發(fā)展的經(jīng)濟，不斷滿足了人民群眾日益提高生活需求。由此來看，深入對視覺檢測技術(shù)的研究和探究無疑具有十分重要的作用，筆者衷心希望，以上關(guān)于對我國基于計算機的視覺檢測技術(shù)的相關(guān)探究能夠被相關(guān)負責人合理的吸收和采納，進而更好的推動科學技術(shù)的創(chuàng)新和進步，推動經(jīng)濟的不斷進步與發(fā)展。

參考文獻：

[1]李旭港.計算機視覺及其發(fā)展與應用[J].中國科技縱橫，2010（06）：42.

[2]張江明，張娟.淺談制造業(yè)中計算機視覺檢測技術(shù)的應用與發(fā)展[J].科技創(chuàng)新導報，2011（24）：1.

篇4

【關(guān)鍵詞】Opencv;計算機視覺技術(shù);系統(tǒng);研究

隨著計算機技術(shù)的快速發(fā)展，計算機設(shè)備逐漸被應用到社會生活的各個方面，尤其是在當前計算機視覺技術(shù)和圖像處理技術(shù)快速發(fā)展的時期，各個科技領(lǐng)域中的計算機視覺技術(shù)已經(jīng)逐漸成熟。計算機視覺技術(shù)主要是利用計算機智能化來替代人眼，即對于客觀存在的三維立體化世界的理解和識別，整個實現(xiàn)過程均是以計算機技術(shù)作為基礎(chǔ)。隨著計算機視覺技術(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、計算機工程、信號學、物理學、應用數(shù)學等綜合性學科。計算機視覺技術(shù)系統(tǒng)其在高性能計算機基礎(chǔ)之上來實現(xiàn)對大量數(shù)據(jù)的獲取，并且通過智能算法來對獲取數(shù)據(jù)進行處理，從而完成對數(shù)據(jù)集成。

一、視頻中運動物體檢測原理

對于視頻中的運動物體檢測主要分為兩中方法，其一為宏觀檢測法;其二為微觀檢測法。宏觀檢測法是對獲得的整幅圖像進行檢測，而微觀檢測法則是對所需要的區(qū)域進行圖像檢測。視覺技術(shù)在檢測運動物體的時候，首先對圖像進行采集，并對采集的信息數(shù)據(jù)進行預處理，將圖像進行分割，然后分別提取運動物體的影象，從而實現(xiàn)參數(shù)的更新。圖像采集過程中采用背景差分法，實現(xiàn)對背景圖像的提取，其通過一定算法采用人為手段獲取沒有背景的圖像。另外在進行運動物體檢測的時候還可以采用幀間差分法，其主要是實時獲取幀圖，然后實現(xiàn)一幀一幀圖像比值的比較，從而獲取具有差值的圖像。運動物體進行檢測的時候需連續(xù)獲取幀圖，將這些幀圖組合起來，其實就是物體的運動軌跡，然后同分割技術(shù)就能勾勒出物體的輪廓。隨著計算機視覺技術(shù)的不斷深入研究，發(fā)現(xiàn)此兩種方法單獨使用仍然存在的一些缺點，于是研究人員將二種檢測方法進行融合，形成一種綜合檢測方法。綜合檢測法將兩者檢測方法的優(yōu)勢進行了融合，并將其靈活的應用到了生產(chǎn)和生活之中，取得了十分不錯的效用。

二、基于Opencv的計算機視覺技術(shù)探究

（一）基于Opencv的運動物體檢測

運動物體在進行檢測的時候，基于Opencv的檢測原理主要為：根據(jù)物體某項特定信息，例如，顏色、輪廓、性狀等，在復雜背景中利用這些特定的信息將物體分離出來。整個圖像的分離過程首先是進行視頻流捕捉，然后是進行視頻的格式轉(zhuǎn)換，再將圖像進行預處理，從而提取前景物體，減少環(huán)境因素對圖像處理的誤差，最后根據(jù)物體特征提取，并完成對運動物體的跟蹤。從圖像中提取所需的目標物體，其實質(zhì)就是對整個屋里輪廓進行檢測和分割，根據(jù)每個圖像的幀差異來進行提取。

（二）基于Opencv圖像預處理

視覺技術(shù)應用于復雜的環(huán)境之中，由于存在著光照的變化，其場景中所出現(xiàn)的環(huán)境因素對視頻采集設(shè)備性能影響很大。環(huán)境因素會使得獲取的圖像信息的質(zhì)量降低，并且在圖像中無法避免的存在著噪點，這對于運動物體的檢測和圖像采集會造成很大的影響。當獲取視頻幀圖像之后需對其數(shù)據(jù)進行預處理，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

由于在進行視頻圖像采集的時候存在著噪點，那么我們就需要對其進行噪點處理，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，其中線性方式進行處理器運算簡單、運算速度快，但是在進行處理之后的圖像都會呈現(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，確保信號的局部特點，但是其運算的速度會較慢。

2.圖像填充

對于幀圖像進行處理，通常采用檢測邊緣填充法或者是腐蝕膨脹法來完成，其中填充法是指當檢測出目標物體之后，利用邊緣檢測方法來對物體進行辨識，然后利用形態(tài)學的漫水填充法進行填充。圖像的腐蝕膨脹則主要是由于攝像機的性能等問題造成的。

3.實時背景更新

在進行圖像差分之前，需要對背景圖樣進行確定，并且需要對其進行初始化處理。以方便以后在進行檢測時候能夠?qū)崟r背景圖進行差分計算，只有這樣，才能夠獲得極佳的前景效果。在進行圖像差分時，首先需要根據(jù)指定法來確定第一幀背景的圖像，并將其指定為第一張背景圖片，然后在檢測過程中根據(jù)算法對背景實施更新。整個圖像在進行更新時，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;將實時采集的圖像進行高斯平滑度處理，去除噪點;最后使用形態(tài)學濾波處理噪點。

（三）提取前景運動物體圖像

檢測運動物體的時候，只有在檢測流程中確保精確度，才能夠獲取滿意的前景跟蹤效果。此過程中主要分為兩個步驟，第一步為二值化圖像之后進行分割;第二步，圖像分析前處理，進行充分填充，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步驟：首先對前景圖像和背景圖像進行差分，然后對差分的圖像進行二值化，再對背景中的前景圖像邊緣進行檢測，根據(jù)輪廓進行填充圖像。由于攝像頭存在于不同的場景和環(huán)境之中，不論是室外或者是室內(nèi)隨著場景的變化都會對圖像的采集產(chǎn)生影響。那么在前景圖中提取目標就需要在檢測系統(tǒng)中采用有效手段來完成背景實時更新。

閥值二值化分割法可以對檢測的物體進行前景和背景差圖分割，從而使目標物體能夠分離出圖像，且閥值分割先要確定每個像素的點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行比較，其結(jié)果解釋所有像素點分為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，確定分割的閥值T，然后分割圖像。選取合適的閥值進行分割，可以有效的減少光照因素影響，常用的動態(tài)閥值主要有直方圖來法與最大類方差法這另種分割方法。

三、計算機視覺三維技術(shù)

計算機視覺技術(shù)的核心為分割問題、運動分析、3D立體場景重構(gòu)等，立體視覺主要是從多幅圖像的參照中獲取目標物體的三維幾何信息。計算機視覺所模擬出的3D立體畫面只需要攝像機從不同的角度同一時間針進行圖像捕獲，將2D信息進行3D重構(gòu)，進而將計算機程序重建于真實的三維場景之中，以恢復物體的真實空間信息。

（一）視覺系統(tǒng)

視覺系統(tǒng)捕獲圖像的過程，實則可以看成為對大量信息進行處理過程，整個系統(tǒng)處理可以分為三個層次，其一，理論層次;其二，描述層次;其三，實現(xiàn)層次。在攝像機視覺系統(tǒng)之中，輸入的是2D圖像，但是輸出為3D信息，而這就可以實現(xiàn)對圖像的位置、距離等信息的如實描述。視覺系統(tǒng)分為三個進階層次，第一階段為基礎(chǔ)框架;第二階段為2.5D表達;第三階段為三維階段。在第二階段中實現(xiàn)的2.5D表達，其原理是將不完整的3D圖像信息進行表達，即以一個點為坐標，從此點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觀察物體的整體框架，從而實現(xiàn)了將2.5D圖像信息的疊加重合運算，進一步處理之后得到了3D圖像。

（二）雙目視覺

人們從不同角度觀看同一時間內(nèi)的同一物體的時候，可以利用算法測量物體間的距離。此法被稱為雙目立體感覺，其依據(jù)的原理是視覺差原理，利用兩臺攝像機或者一臺攝像機，對兩幅不同的圖像進行不同角度觀察，并且對其觀察的數(shù)據(jù)進行對比分析。實現(xiàn)雙目立體視覺與平面視覺圖像獲取，其主要的步驟為：

（1）圖像獲取

從兩臺不同的攝像機，捕獲幀圖像，由于環(huán)境因素會造成圖像差異困難。為了更好的跟蹤目標、檢測，當捕獲圖像之后，需要對圖像進行預處理。

（2）攝像標定方式

獲得真實坐標系中的場景點中的與平面成像點占比見的對應關(guān)系，借用三維立體空間中的三維坐標，標定之后確定攝像機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、跟蹤目標的準確性，需要對目標物體進行特征提取，從而實現(xiàn)對圖像分割提取。

（4）深度計算

深度信息主要是根據(jù)幾何光學原理，從三維世界進行客觀分析，因為距離會產(chǎn)生不同的位置，會使得成像位置與兩眼視網(wǎng)膜上有所不同。簡單來說，客觀景物的深度可以反映出雙目的視覺差，而利用視覺差的信息結(jié)合三角原理進行計算，可呈現(xiàn)出深度的圖像信息。

（三）攝像機模型

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

（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方式不同，既可以是一種打開方式，也可以是多種打開方式，尤其在進行Kinect傳輸數(shù)據(jù)處理的時候，需遵循三條步驟的運行管線。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)

隨著計算技術(shù)的快速發(fā)展，視覺技術(shù)逐漸被廣泛的應用于我們?nèi)粘５难芯恐?。本文通過對視覺技術(shù)的相關(guān)問題進行分析，探究了圖像處理、分割、前景提取、運動物體觀測以及重構(gòu)3D圖等問題，為實現(xiàn)視覺技術(shù)更加深入研究做出了相應的貢獻;為廣大參與計算機視覺技術(shù)研究同仁提供一個研究的思路，為實現(xiàn)視覺技術(shù)的騰飛貢獻薄力。

參考文獻

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

篇5

關(guān)鍵詞：計算機；交通監(jiān)管系統(tǒng)；視覺

中圖分類號：TP277

近年來，道路交通安全問題因公路交通事業(yè)的快速發(fā)展而受到越來多關(guān)注。據(jù)2002年世界銀行統(tǒng)計，全球平均每年死于道路交通事故高達117萬人。而在中國，據(jù)2008年公安部交通管理局公布的數(shù)據(jù)顯示，全國道路交通事故多達265204起，死亡人數(shù)為73484人。

全國道路交通事故防御工作隨公路里程、機動車保有量、道路交通流量、駕駛?cè)藬?shù)的增加成遞增趨勢。而通過必要的技術(shù)手段構(gòu)建交通安全保障機制，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)行為檢測技術(shù)的不斷更新，市場上已出現(xiàn)了自動檢測與記錄的商業(yè)化產(chǎn)品，能實時記錄出闖紅燈、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)以此檢測車輛闖紅燈的違規(guī)行為。交通管理部門并不能對出現(xiàn)違規(guī)行為的車輛進行及時的交通管制和處理，概括來說管理與檢測仍處于管理誤區(qū)與盲目狀態(tài)。針對該現(xiàn)象，文本研究了基于計算機的交通監(jiān)管系統(tǒng)設(shè)計與實現(xiàn)。

1 智能交通管理系統(tǒng)簡介

ITS系統(tǒng)，該系統(tǒng)綜合先進的現(xiàn)代計算機網(wǎng)絡技術(shù)、信息電子通訊技術(shù)、現(xiàn)代信息技術(shù)以及自動控制技術(shù)等，并將其在整個交通運輸管理體系進行有效的運用，為此建立起一種實時、有效、準確、范圍廣的全方位發(fā)揮作用的交通運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，交通職能部門對更加智能的交通管理系統(tǒng)的需求越來越急迫。所以，ITS成為21世紀地面交通管理、運輸科技、運營的主要研究方向，帶領(lǐng)著交通運輸一場偉大的變革。北美、西歐、日本自上世紀80年代末就開始競相發(fā)展智能運輸系統(tǒng)，并制定相應的開發(fā)計劃加以實施，而發(fā)展中國家也開始對ITS系統(tǒng)的全面研究與開發(fā)。

2 認識基于計算機視覺的智能交通監(jiān)控系統(tǒng)

2.1 計算機視覺技術(shù)

所謂計算機視覺，理解為使用可替代人眼的高清攝影機設(shè)備或其他現(xiàn)代高清電子影像攝錄裝備進行觀察，實現(xiàn)對目標的追蹤定位、圖像識別、模擬數(shù)據(jù)測量等，并對采集的視覺數(shù)據(jù)信息送達遠端計算機服務器，通過計算機服務器的信號圖形圖像處理技術(shù)對視頻數(shù)據(jù)信息進行進一步加工，實現(xiàn)三維重現(xiàn)現(xiàn)實情景的計算機觀察呈現(xiàn)技術(shù)。

2.2 智能交通監(jiān)測系統(tǒng)

通過使用現(xiàn)有的、先進的計算機智能化、視覺化、信息化科技對國內(nèi)各大路況交通運輸實施監(jiān)測，為工作于交通運輸人員呈現(xiàn)數(shù)據(jù)信息的自動化采集、分析、處理等的智能化服務，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，人民生活水平及國民生產(chǎn)總值的不斷提高，智能交通系統(tǒng)，在國內(nèi)外受到越來越多的青睞。近幾年，各道路關(guān)鍵路段、路口隨著道路監(jiān)控機制的普遍建立，也都基本完成了視頻監(jiān)控。

2.3 基于計算機視覺的智能交通監(jiān)控機制

根據(jù)前面2.1對計算機視覺技術(shù)和2.2對智能化交通監(jiān)控系統(tǒng)概念的解析與理解，可總結(jié)出以計算機視覺為基礎(chǔ)的智能化交通監(jiān)控機制，其是通過現(xiàn)代高端計算機對視覺信息收集、提取、處理、分析等技術(shù)，實現(xiàn)對城市道路交通信息的實時監(jiān)控、視頻數(shù)據(jù)的收集、信息分析處理，并對城市交通狀況使用智能交通機制狀況，并通過視頻影像引導車輛行駛，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)控機制。

3 構(gòu)建以計算機視覺為基礎(chǔ)的智能交通監(jiān)控機制及配套措施

3.1 基于計算機視覺的智能交通監(jiān)控機制的構(gòu)建

監(jiān)控指揮系統(tǒng)、實時交通信息收集系統(tǒng)、高質(zhì)量信息傳輸系統(tǒng)是基于計算機視覺的智能交通監(jiān)控的三大系統(tǒng)。實時交通信息收集系統(tǒng)由多套信息收集裝置組成，通過這些信息采集裝置實時監(jiān)控不同位置交通現(xiàn)狀。實時交通信息收集系統(tǒng)不僅能進行路段監(jiān)控與實時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)實施輸送，或在服務器中存儲已處理的信息；一個中央數(shù)據(jù)庫與一個中央服務器是高質(zhì)量信息存儲傳輸系統(tǒng)核心部分，其中中央數(shù)據(jù)庫對獲取到的實時交通路況信息進行存儲。而為了便于工作者能通過界面對中央數(shù)據(jù)庫實施提取、查詢、查看等操作，因此該界面就由中央服務器來提供，此外該服務器還能將已處理的實時路況數(shù)據(jù)通過高質(zhì)量的傳輸系統(tǒng)輸送到監(jiān)控指揮機制，達到對各路段的交通進行管制、部署及指揮的目的。

3.2 專業(yè)技術(shù)人員的儲備

以計算機視覺技術(shù)為基礎(chǔ)的智能交通監(jiān)控機制是一個龐大的系統(tǒng)，具有突出點的優(yōu)點，該系統(tǒng)集自動化、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，因此開展培訓儲備相關(guān)技術(shù)人員至關(guān)重要。實時交通信息借助于先進的高清裝置的正常采集工作，所以儲備一批針對高清裝置安裝、檢測、調(diào)試及故障修復的技術(shù)人員極為重要?，F(xiàn)代基于計算機視覺的智能交通監(jiān)控機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被替代的，所以培養(yǎng)儲備一批專業(yè)的圖形圖像處理技術(shù)人員也是重要的。儲備服務器維護技術(shù)工，每天以計算機視覺技術(shù)為基礎(chǔ)的智能交通監(jiān)控機制都會獲取大量的監(jiān)控信息數(shù)據(jù)，然而只有大型的服務器才能存儲這些數(shù)據(jù)，可想而知一旦服務器癱瘓就會引發(fā)整個機制的崩潰，造成嚴重的后果，因此專業(yè)服務器維護工作者的儲備與培養(yǎng)也尤為重要。基于計算機視覺技術(shù)的智能交通監(jiān)控機制并不能取代交通指揮員，其僅是用來采集實時交通信息的系統(tǒng)，僅為了協(xié)助交通指揮員監(jiān)管及疏導城市交通，因此要求儲備一批高素質(zhì)、高質(zhì)量的交通指揮員也極為必要。

3.3 交通知識的宣傳

大城市的交通問題，并不是依靠單純的開發(fā)先進的計算機視覺智能交通監(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)鍵在于開展交通知識的宣傳與教育工作，強化駕駛員的素質(zhì)，倡導不酒駕、不逆行、不超速、限號行駛等，自覺遵守道路交通規(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)的主要問題之一即是交通問題，政府的支持是萬萬不可缺失的。由于構(gòu)建以計算機視覺技術(shù)為基礎(chǔ)的智能交通管制機制，涉及面廣，包括道路勘測、先進裝置的引進、專業(yè)技術(shù)人員的儲備、裝備組織安裝與調(diào)試、后期維護等等多方面，這些都需要投入大量的人力、財力、物力，而對于任何一個單位、部門或幾個市政部門來說都無法獨自承擔，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

道路交通雜、亂是國內(nèi)城市交通最突出的特點之一，對于我國的交通事業(yè)來說進行行人識別勢在必行。而我國對于行人識別的研究仍處于起步階段，還較落后。且基于計算機的交通監(jiān)管系統(tǒng)設(shè)計較為復雜，涵蓋點較多，因此本文僅對設(shè)計進行簡要介紹，希望達到拋磚引玉的效果。

參考文獻：

[1]康曉麗.無線網(wǎng)絡技術(shù)在交通管理中的應用[J].科技情報開發(fā)與經(jīng)濟，2011（21）.

[2]鐘振，賴順橋，肖熠琳，張沛強.RFID車輛智能管理系統(tǒng)[J].機電工程技術(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.簡述視頻監(jiān)控系統(tǒng)的發(fā)展歷程[J].鐵道通信信號工程技術(shù)，2006（06）.

[5]馬伏花，朱青.基于射頻識別技術(shù)的車輛自動識別系統(tǒng)的實現(xiàn)[J].中國儀器儀表，2006（11）.

篇6

關(guān)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(chuàng)新團隊，主要研究領(lǐng)域包括智能數(shù)據(jù)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(shù)據(jù)挖掘、智能信息檢索、數(shù)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(jīng)驗，但當前新知識不斷涌現(xiàn)、新技術(shù)發(fā)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(zhàn)。

近年來，國內(nèi)外高校在該類課程教學上，已涌現(xiàn)出眾多新理念、新方法。Coursera聯(lián)合創(chuàng)始人Andrew Ng推出的機器學習課程，開啟了教育領(lǐng)域的MOOC時代，引領(lǐng)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(xiàn)多層次項目設(shè)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(tǒng)的教學方式。華中科技大學⑤從教學內(nèi)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(shè)。另外，也有高校進行了圖像工程課程群建設(shè)，⑥基于圖像分析與計算機視覺應用課程結(jié)合的項目協(xié)同創(chuàng)新能力培養(yǎng)實踐。⑦

在分析上述國內(nèi)外高校該類課程改革的基礎(chǔ)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(yōu)化師資隊伍結(jié)構(gòu)，梳理課程群知識體系，優(yōu)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(xiàn)學生國際化視野、理論聯(lián)系實際、工程實踐和創(chuàng)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(shù)據(jù)挖掘、數(shù)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(shù)、應用數(shù)學、自動化、電子科學與技術(shù)、信息工程等多學科內(nèi)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(zhàn)。同時，對于每個知識模塊，所要求的數(shù)學基礎(chǔ)較高，理論具有相當?shù)纳疃?，理解和掌握不容易?/p>

（2）該類課程既重視扎實的基礎(chǔ)理論，也強調(diào)良好的工程實踐能力。該類課程的基礎(chǔ)理論教學一直受到各高校的重視。隨著近年來產(chǎn)業(yè)界的迅猛發(fā)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(tǒng)層次上有整體認知，同時要能對各功能模塊進行優(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(shù)、自動化、應用數(shù)學等不同研究方向、不同水平層次的研究生開設(shè)。這對課堂教學和實驗實踐也帶來更大挑戰(zhàn)。

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(yōu)化師資隊伍結(jié)構(gòu)，梳理課程群知識體系，優(yōu)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(xiàn)學生國際化視野、理論聯(lián)系實際、工程實踐和創(chuàng)新能力全面提升的目標。

3.1 師資隊伍結(jié)構(gòu)優(yōu)化

為了學生能夠適應模式分析與視覺處理產(chǎn)業(yè)的快速發(fā)展，在課程群建設(shè)過程中更強調(diào)學生的工程實踐和創(chuàng)新能力培養(yǎng)。這首先對師資隊伍結(jié)構(gòu)提出了新的要求。

近年來，課程教學團隊引進海內(nèi)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(shù)據(jù)挖掘、圖像處理等課程的教學力量。對于現(xiàn)有教師隊伍，鼓勵教師跟產(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、智能交通視覺處理等方面開展了實質(zhì)合作。這些來源于產(chǎn)業(yè)界的高質(zhì)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(yè)短期實習等渠道，鼓勵企業(yè)高級研發(fā)人員參與到學生實踐能力培養(yǎng)環(huán)節(jié)中，將實際項目進行適當切分或提煉，實現(xiàn)該類課程實踐環(huán)節(jié)的模塊化、專題化訓練。

綜上，通過引培并舉，優(yōu)化校內(nèi)師資隊伍結(jié)構(gòu)；通過校企合作，積極吸引企業(yè)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(shù)據(jù)挖掘、智能信息檢索、數(shù)字圖像處理、計算機視覺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。一般認為，模式識別、機器學習是模式分析與視覺處理領(lǐng)域的基礎(chǔ)理論課程，數(shù)據(jù)挖掘是建立在模式識別、機器學習和數(shù)據(jù)庫基礎(chǔ)上的應用類課程，智能信息檢索則是數(shù)據(jù)挖掘基礎(chǔ)上更為具體的應用實現(xiàn)。數(shù)字圖像處理為計算機視覺課程提供了基礎(chǔ)支撐，計算機視覺則是在綜合利用模式識別、機器學習、數(shù)字圖像處理、數(shù)據(jù)挖掘等知識模塊基礎(chǔ)上面向應用的系統(tǒng)實現(xiàn)。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(shù)估計、支持向量機模型等知識點，但視角和側(cè)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(lǐng)域的學生群體，對該課程群的知識點進行系統(tǒng)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(lǐng)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(chǔ)上，結(jié)合自己的研究方向選擇相關(guān)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(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(nèi)外著名大學普遍采用。同時，每門課程都提供相關(guān)的國內(nèi)外頂級會議和期刊的列表，供學生課后追蹤研究領(lǐng)域的熱點問題。

在課堂授課環(huán)節(jié)上，注意采用靈活多樣的授課方式。對于核心基礎(chǔ)知識模塊，以教師講授為主，同時提供國內(nèi)外該類課程的熱門MOOC網(wǎng)址給學生參考。對于選講知識模塊，鼓勵學生事先結(jié)合各自研究方向有目的自學，在學生報告的基礎(chǔ)上進行課堂討論方式進行。充分發(fā)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(nèi)外著名學者來校做學術(shù)報告，讓學生充分了解該研究領(lǐng)域的最新前沿動態(tài)，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(chuàng)新能力的培養(yǎng)是該課程群改革的重要目標。我們在上述師資隊伍結(jié)構(gòu)優(yōu)化、課程群知識體系梳理與授課模式改革的基礎(chǔ)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(chuàng)新能力訓練、學生綜合研究能力的全面考查等方面來實現(xiàn)。

首先，整合和優(yōu)化課程群實踐內(nèi)容，實現(xiàn)多層次菜單式靈活選擇。根據(jù)各研究領(lǐng)域的要求進行靈活搭配，根據(jù)學生個體的能力與水平選擇適當規(guī)模和難度的實踐內(nèi)容，通過課程內(nèi)的基礎(chǔ)實驗、課程間的綜合實驗、課程群的創(chuàng)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(nèi)容示意圖

基礎(chǔ)型實驗內(nèi)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(shù)據(jù)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(chǔ)實驗必做，打下良好的研究基礎(chǔ)。

綜合探索型實驗在基礎(chǔ)型實驗基礎(chǔ)上，既有單門課程內(nèi)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(shù)據(jù)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(nèi)容；圖像處理與機器視覺中的圖像特征抽取、視覺系統(tǒng)選型、目標檢測、特定平臺的算法優(yōu)化等內(nèi)容。學生可根據(jù)各自研究方向有目的的選擇兩塊綜合實驗的大部分內(nèi)容。

在綜合型實驗基礎(chǔ)上，該課程群通過若干創(chuàng)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(xù)的研究課題開展打下良好的科研素養(yǎng)。主要內(nèi)容包括人臉識別、二維條碼識別、車輛屬性識別、智能視覺監(jiān)控、以及企業(yè)來源的關(guān)鍵技術(shù)等。這些項目實踐既涉及用到圖像處理與機器視覺的內(nèi)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(guān)知識的基礎(chǔ)上有創(chuàng)新能力。

其次，重視各類項目牽引的創(chuàng)新能力訓練。一方面，鼓勵教師從國家自然科學基金、企業(yè)合作項目等研究中提煉出問題規(guī)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(zhàn)杯、全國研究生智慧城市技術(shù)與創(chuàng)意設(shè)計大賽等各類具有挑戰(zhàn)性的競賽項目，以賽代練，提升學生的工程實踐和創(chuàng)新能力。同時，也鼓勵學生利用百度、微軟等相關(guān)研究領(lǐng)域的企業(yè)實習機會，參與產(chǎn)品一線的工程實踐能力訓練。

再次，注重考核環(huán)節(jié)，實現(xiàn)科研素養(yǎng)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(zhì)量和水平，才能提升學生的科研素養(yǎng)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(jù)學生個體水平和研究領(lǐng)域要求的差異，在選題上有適當?shù)碾y易區(qū)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(jié)題書面報告來檢驗學術(shù)論文的寫作能力，采用程序演示檢驗系統(tǒng)的設(shè)計與實現(xiàn)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(yǎng)；在考核成績評定上，采用現(xiàn)場教師和學生共同評分的方式，公平合理；最后，通過網(wǎng)站展示、發(fā)表學術(shù)小論文、專利、軟件著作權(quán)等方式展示和公開優(yōu)秀成果，激發(fā)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(jié)語

本文在分析國內(nèi)外高校模式分析與視覺處理類課程群改革現(xiàn)狀的基礎(chǔ)上，以學生國際化視野、理論聯(lián)系實際、工程實踐和創(chuàng)新能力全面提升為目標，重點開展了師資隊伍結(jié)構(gòu)優(yōu)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(nèi)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(huán)，桑農(nóng)，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.

篇7

關(guān)鍵詞：計算機智能視頻監(jiān)控；運動目標檢測方法；目標跟蹤方法

中圖分類號：TP311 文獻標識碼：A 文章編號：1674-7712 (2012) 10-0104-01

隨著人工智能技術(shù)日新月異的發(fā)展，基于人工智能的計算機視覺技術(shù)也得到了廣泛的推廣和應用，成為計算機智能領(lǐng)域一個重要的發(fā)展方向。到目前為止，計算機視覺技術(shù)已經(jīng)過20余年的發(fā)展，其在社會人文，軍事技術(shù)及工業(yè)生產(chǎn)領(lǐng)域得到了廣泛的應用，并以其獨具特色的技術(shù)優(yōu)勢逐漸形成了一門具有一定先進理論支撐的獨立學科。其中，著名學者Marr提出的視覺計算理論已成為計算機智能視頻監(jiān)控領(lǐng)域的主導思想，為大多數(shù)該領(lǐng)域內(nèi)的研究人員所接受。從廣義上講，計算機視覺技術(shù)的實質(zhì)就是實現(xiàn)對在復雜環(huán)境中運動物體的幾何尺寸、形狀及相關(guān)運動狀態(tài)的識別和認知，即把實際空間中的三維對象轉(zhuǎn)換為計算機視覺系統(tǒng)識別的二維圖像。近年來，計算機視覺技術(shù)以其迅猛的發(fā)展態(tài)勢及成熟的應用技術(shù)成為了業(yè)界的新寵，并得到了廣泛的應用，取得了矚目的成績。

一、運動目標檢測方法分析

（一）運動目標在靜止背景條件下的檢測分析

1.差分檢測法

將同一背景不同時刻兩幅圖像進行比較，可以反映出一個運動物體在此背景下運動的結(jié)果，比較簡單的一種方法是將兩圖像做“差分”或“相減”運算，從相減后的圖像中，很容易發(fā)現(xiàn)運動物體的信息。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，其他部分為零。由于減出的部分可以大致確定運動目標在圖像上的位置，使用相關(guān)法時就可以縮小搜索范圍。

2.自適應運動檢測方法

當兩幀圖像的背景圖像起伏較大時，簡單的差分法難以得到滿意的解。此時可以考慮用自適應背景對消的方法，該方法可以在低信雜比的情況下壓制背景雜波和噪聲，檢測出非穩(wěn)態(tài)圖像信息。在背景雜波較大時，常用的門限分割不能分出這種運動目標。在圖像序列中，每一個像素點的灰度值都是這一點所對應傳感器的輸出信號值與噪聲值的疊加，因此，如何克服噪聲的影響確定一個最佳門限將目標與背景分離，就成為弱小目標檢測的一個重要環(huán)節(jié)。

（二）目標在運動背景條件下的檢測方法分析

塊匹配法是目標在運動背景條件下的主要檢測方法?；趬K的運動分析在圖像運動估計和其他圖像處理和分析中得到了廣泛的應用，比如說在數(shù)字視頻壓縮技術(shù)中，國際標準MPEG1-2采用了基于塊的運動分析和補償算法。塊運動估計與光流計算不同，它無需計算每一個像素的運動，而只是計算由若干像素組成的像素塊的運動，對于許多圖像分析和估計應用來說，塊運動分析是一種很好的近似。這里主要介紹塊匹配方法。塊匹配方法實質(zhì)上是在圖像序列中做一種相鄰幀間的位置對應人物。它首先選取一個圖像塊，然后假設(shè)塊內(nèi)的所有像素做相同的運動，以此來跟蹤相鄰幀間的對應位置。各種塊匹配算法的差異主要體現(xiàn)在：匹配準則、搜索策略及塊尺寸選擇方法上。

1.匹配準則

典型的匹配準則有：最大互相關(guān)準則、最小均方差準則、最小平均絕對值差準則、最大匹配像素數(shù)量準則等。

2.搜索策略

為了求得最佳位移估計，可以計算所有可能的位移矢量對應的匹配誤差，然后選擇最小匹配誤差對應的矢量就是最佳位移估計值。因此，人們提出了各種快速搜索策略。這種策略的最大優(yōu)點是可以找到全局最優(yōu)值，但十分浪費時間。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，但由于其快速計算的實用性，在實際中得到了廣泛的應用。下面討論兩種快速搜索方法：二維對數(shù)及三步搜索法。

二維對數(shù)搜索法開創(chuàng)了快速搜索算法的先例，分多個階段搜索，逐漸縮小搜索范圍，直到不能再小而結(jié)束。其基本思想是從當前像素點開始，以十字形分布的5個點構(gòu)成每次搜索的點群，通過快速搜索跟蹤最小誤差MBD點。

三步搜索法與二位對數(shù)法類似，由于簡單、健壯、性能良好等特點，為人們所重視。例如其最大搜索長度為7，搜索精度取一個像素，則步長為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的搜索模式，從原點開始，按一定步長取周圍8個點構(gòu)成每次搜索的點群，然后進行匹配計算，跟蹤最小塊誤差MBD點。

三、運動目標跟蹤方法

成像跟蹤系統(tǒng)經(jīng)過圖像的預處理、圖像的分割識別等一系列信息處理，最終實現(xiàn)對目標位置的實時精確測量。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

參考被跟蹤目標外觀的實際尺寸形態(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，不僅可以避免傳統(tǒng)技術(shù)對整幅圖像處理過程的耗時缺點，而且這種跟蹤技術(shù)應用和操作更為簡單，跟蹤及成像效果也能夠得到切實的保障。

（二）相關(guān)跟蹤法分析

當被跟蹤的目標物體出現(xiàn)運動、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，目標圖像的分割及提取工作由于目標矩心及形心的不確定將難于進行。這種情況下，就可以采用相關(guān)跟蹤的方式進行處理。這種基于圖像匹配為基礎(chǔ)的相關(guān)跟蹤技術(shù)是以圖像相識性度量為基礎(chǔ)，獲取現(xiàn)場圖像中實時的最接近目標圖像值的一種跟蹤方式。由于分析及處理過程中，不需對用于分割及提取的特征值進行處理，因而可以應用于對圖像數(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，而且適合眾多復雜的環(huán)境及場景，是一種操作簡單，結(jié)果精確的測量方法。

四、結(jié)語

近年來，各行各業(yè)對視頻監(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的需要。因此，計算機視覺和應用研究學者適時提出新一代監(jiān)控—視頻智能監(jiān)控。它是目前國內(nèi)外計算機視覺研究領(lǐng)域熱點問題之一。因而，在生產(chǎn)實踐中，不斷加強對其的分析和研究具有非常重要的現(xiàn)實意義。

參考文獻：

篇8

關(guān)鍵詞：印制電路板；圖像處理；機器視覺；PCB裸板；自動光學檢測；缺陷檢測 文獻標識碼：A

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

我國是全球第一大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)上的機器視覺檢測技術(shù)與傳統(tǒng)的人工檢測技術(shù)相比，提高了缺陷檢測的效率和準確度。因此，設(shè)計一種高效精準的機器視覺檢測電路板缺陷的系統(tǒng)，具有非常重要的現(xiàn)實意義。評估印刷電路板質(zhì)量的一個重要因素就是表觀檢測，PCB的表觀質(zhì)量對產(chǎn)品性能及成品使用安全有著極大的重要性。而伴隨著近年來在工業(yè)生產(chǎn)領(lǐng)域崛起的計算機視覺，當前表觀缺陷檢測和分類識別的研究方向已經(jīng)轉(zhuǎn)向了利用計算機視覺技術(shù)來實現(xiàn)。計算機圖像處理識別技術(shù)這種基于計算機視覺的檢測技術(shù)成功取代了傳統(tǒng)的PCB缺陷檢測方法，在自動光學檢測系統(tǒng)眾多應用中占據(jù)了相對重要的地位，一躍成為PCB生產(chǎn)業(yè)表觀缺陷的主要檢測方法。

圖1 系統(tǒng)框圖

因此本文通過設(shè)計AOI自動光學檢測系統(tǒng)，搭建較為簡單的PCB缺陷自動檢測系統(tǒng)的實驗平臺，對PCB中四類較為關(guān)鍵、常見的缺陷進行檢測、分析、識別、判定，為研究推廣PCB缺陷自動檢測系統(tǒng)開拓應用前景，如能實現(xiàn)工業(yè)上的產(chǎn)業(yè)化檢測，將有高額的經(jīng)濟收益。本文側(cè)重對PCB中的四類較為關(guān)鍵、常見的缺陷進行檢測、分析、識別、判定，并且僅搭建了較為簡單的PCB缺陷自動檢測系統(tǒng)的實驗平臺，即通過復雜算法對采集到的圖像進行處理、配準、對比，從而得出PCB缺陷類型及對其進行標識。如圖1所示。

1 硬件設(shè)計方案

PCB缺陷檢測的總體系統(tǒng)設(shè)計方案主要是基于自動光學檢測技術(shù)來搭建PCB缺陷檢測系統(tǒng)，硬件設(shè)計是使用CNC-T程控光源高精度影像測試系統(tǒng)操作臺，對待測電路板進行圖像采集，再通過VS2010軟件所編寫程序處理，得出待測電路板的缺陷種類。整個系統(tǒng)主要分為運動控制、光源、圖像采集、圖像處理四個模塊，分模塊簡要闡述了實驗過程、所需設(shè)備以及軟件算法，搭建了一個相對完整的系統(tǒng)工作平臺。

圖2 CNC-T程控光源影像操作臺

該設(shè)備具有測量元素種類齊全、手動測量、自動對焦等多種功能，使用該設(shè)備采集圖像進行二維檢測，測量軟體為YR-CNC，將圖像儲存至電腦后便由VS軟件進行圖像處理。實驗組成如圖3所示：

圖3 實驗系統(tǒng)框圖

1.1 運動控制模塊

本系統(tǒng)運動流程為：被檢測的PCB在檢測臺上，通過步進電機XY軸運動到攝像機拍攝區(qū)域，CCD攝像機固定在工作臺上方（Z軸），通過Z軸的運動實現(xiàn)聚焦。如圖4所示：

圖4 平臺運動示意圖

設(shè)備工作臺臺面尺寸為746mm×506mm，承載玻璃面尺寸為452mm×354mm，有效測量行程為400×300×200。本裝置既可通過軟件驅(qū)動自動采集圖像，也可以通過手動控制，移動并聚焦采集待測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待測物體的表面特征。背光源位于檢測臺面下方，與正光源處于同軸反向關(guān)系，背光源能突出待測物體的輪廓特征，常用于檢測物體輪廓尺寸。

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

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獨創(chuàng)的柔性板，使之成為LED照明系統(tǒng)的標準模式。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、相機和鏡頭組成的，該模塊是圖像配準階段的硬件基礎(chǔ)。計算機采集圖像的媒介就是相機，而相機按照不同原理又分為多種，常見的有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)場環(huán)境、光照等條件的干擾，計算機所獲得的圖像質(zhì)量多數(shù)參差不齊，圖像的清晰度不一致，大大增加了PCB缺陷檢測的難度，所以在利用復雜算法檢測、識別PCB缺陷前要先對圖像進行預處理。

本圖像處理模塊主要通過VS軟件在OpenCV計算機視覺庫的基礎(chǔ)上，通過一系列算法對圖像進行處理對比。

2 系統(tǒng)軟件設(shè)計

2.1 OpenCV

OpenCV（Open Source Computer Vision Library）是一個跨平臺的可以運行在Linux、Windows和Mac OS操作系統(tǒng)上的基于（開源）發(fā)行的計算機視覺庫。它重量輕而高效，開放了多種接口如MATLAB、Ruby和Python等，并且在計算機視覺和圖像處理中大多數(shù)通用的算法都是被允許的。OpenCV可用于開發(fā)實時圖像處理、計算機視覺和模式識別方案，它提供了多種函數(shù)，實現(xiàn)了大量的計算機視覺算法，算法涵蓋了從最基礎(chǔ)的濾波至以高級的物體檢測。OpenCV實際上是一堆C和C++語言源代碼文件，許多常見的計算機視覺算法由這些源代碼文件實現(xiàn)。如C接口函數(shù)cvCanny（）實現(xiàn)Canny邊緣檢測算法。它可直接加入到我們自己的軟件項目編程中，而無需去編寫自己的Canny算子代碼，就是沒有必要重復“造輪子”。

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

OpenCV計算機視覺庫的出現(xiàn)，是為了使人們利用方便快捷的計算機視覺框架，在計算機視覺領(lǐng)域可以更加輕松地設(shè)計出更為復雜的應用程序。OpenCV涵蓋了多種計算機視覺應用區(qū)域，如用戶界面、信息安全、醫(yī)學影像學、工廠產(chǎn)品檢驗、立體視覺、機器人和攝像機標定等，約有500多個函數(shù)。因為計算機視覺與機器學習是相輔相成的，所以O(shè)penCV也開放了MLL（Machine Learning Library）機器學習庫。MLL除了在視覺任務相關(guān)中使用，也可以很容易地應用到其他機器學習中。

2.2 Microsoft Visual Studio2010

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

Visual Studio 2010同時帶來了NET Framework 4.0、Microsoft Visual Studio 2010 CTP（Community Technology Preview――CTP），并且支持開發(fā)面向Windows 7的應用程序。除了Microsoft SQL Server外，它還支持IBM DB2和Oracle數(shù)據(jù)庫。目前有專業(yè)版、高級版、旗艦版、學習版和測試版五個版本。Visual Studio的用處十分廣泛，不僅可被用來基于Windows平臺創(chuàng)建Windows應用程序和Web應用程序，還可被用來創(chuàng)建智能設(shè)備、Office插件和Web服務等應用程序。微軟的Visual Studio 2010將成為一個版本的經(jīng)典，這是相當于6.0版本。該版本可以自定義開始頁，新功能還包括：（1）C# 4.0中的動態(tài)類型和動態(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；（8）使用Visual C++ 2010創(chuàng)建Ribbon界面；（9）新增基于.NET平臺的語言F#。本課題將基于OpenCV計算機視覺庫使用Microsoft Visual Studio2010開發(fā)環(huán)境，通過編輯算法實現(xiàn)PCB缺陷檢測。

3 圖像預處理

要使用計算機對圖像進行處理，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，這是因為計算機只能處理離散度數(shù)據(jù)，這一過程我們稱之為圖像采集。圖像采集由圖像采集系統(tǒng)實現(xiàn)，如圖6所示。圖像采集系統(tǒng)的三個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別模塊來識別，被稱為圖像的預處理。PCB的圖像預處理包括灰度化、增強、濾波、二值化、配準等，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，方便計算機分析和處理。PCB的圖像預處理為整個PCB缺陷檢測系統(tǒng)的核心部件，很大程度上決定了檢測的準確性。圖像預處理流程如圖7所示：

圖7 圖像預處理流程圖

4 PCB缺陷檢測

本文針對四種常見缺陷：斷路、短路、毛刺（凸起）、缺損（凹陷）進行檢測研究。在這四種缺陷中，最為嚴重的缺陷類型是斷路和短路，它們將會使整塊板子失去本來的功能；而凸起、凹陷也可能影響到PCB在使用過程中的穩(wěn)定性能。如圖8所示為幾種常見的缺陷：

圖8 常見電路板缺陷

4.1 PCB缺陷的檢測方法

常用的PCB缺陷檢測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、電路簡單的優(yōu)勢；要是從檢測所需要的條件來看，非參考法則在不需要待測PCB與標準PCB進行準確對準這一點上優(yōu)于參考法。

本課題采用參考法進行PCB缺陷檢測。

使用參考法對PCB缺陷進行檢測的流程為：（1）確定標準的PCB圖像并放入?yún)⒖紟?；?）通過成像設(shè)備采集待測PCB圖像，進行圖像預處理之后，再二值化PCB待測圖像，并對其進行連通域提??；（3）然后將處理結(jié)果與標準圖像進行對比，利用圖像相減來判斷PCB可能存在的缺陷；（4）進行分類，確定缺陷類型。

4.2 圖像連通域

像素是圖像中最小的單位，每個像素周圍有8個鄰接像素，常見的鄰接關(guān)系有兩種：4鄰接與8鄰接。4鄰接一共4個點，即上下左右。包括對角線位置的點，8鄰接的點一共有8個，如圖9所示：

圖9 領(lǐng)域示圖

如果像素點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。在視覺上看來，點與點相互連通，形成一個區(qū)域，而不是連通的點形成不同的區(qū)域。這種相互立體的所有的點，我們稱為連通區(qū)域。連通區(qū)域標記常用的方法有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來源于計算機圖形學，通常應用在填充圖形上。思路：以一個前景像素當作種子，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)果將是獲得一個像素集，即連通區(qū)域。接下來介紹使用種子填充法實現(xiàn)的連通區(qū)域分析法：

第一，重復掃描圖像，當?shù)玫疆斍跋袼攸cB（x，y）=1時停止：（1）賦予B（x，y）一個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壓入棧中；（2）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壓入棧中；（3）重復（2）步驟，直到棧為空。此時，圖像B中的一個像素值被標記為label的連通區(qū)域便被找到了。

第二，在掃描結(jié)束前，重復第一個步驟，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 缺陷識別

缺陷識別具體特征如表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，待測圖像與標準圖像相比，其所包含的連通區(qū)域數(shù)將會減少。同理可得，在出現(xiàn)斷路缺陷時，待測圖像與標準圖像相比，其所包含的連通區(qū)域數(shù)將會增多。因此，斷路和短路缺陷便可利用比較連通區(qū)域數(shù)來判定和識別。

第二，凸起和凹陷。凸起缺陷將導致導線和導線、導線和其他導體間的間隙變小，而凹陷缺陷將導致導線和導線、導線和其他導體間的間隙變大，二者均會導致PCB使用過程中出現(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，所以可以通過計算該待測圖像的連通區(qū)域面積來識別凸起、凹陷缺陷。

識別過程：將經(jīng)過圖像預處理的待測PCB圖像與標準圖像進行對比后，通過算法找出缺陷。比較二者的連通區(qū)域數(shù)，若前者大于后者，則標定該缺陷點為斷路，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，則標定該缺陷點為凸起，反之則為凹陷。檢測流程如圖11所示：

圖11 PCB缺陷檢測流程圖

5 系統(tǒng)實驗

本文使用CNC-T程控光源高精度影像測試系統(tǒng)操作臺，結(jié)合VS2010軟件基于OpenCV計算機視覺庫的算法編程來實現(xiàn)PCB的缺陷檢測。整體實驗過程為：手動控制操作臺捕捉、聚焦、采集待測PCB的圖像，采集到的圖像與標準圖像進行對比、識別，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組實驗，通過實驗結(jié)果計算正確率。如表2所示：

表2 實驗結(jié)果統(tǒng)計

缺陷類型 實驗次數(shù) 正確率

斷路 10 100%

短路 10 100%

凸起 10 100%

凹陷 10 100%

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

圖12

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

圖13

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

圖14

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

圖15

6 結(jié)語

PCB板面向體積越來越小、密度越來越高的方向發(fā)展。在檢測產(chǎn)品價格方面，國外AOI檢測產(chǎn)品價格普遍偏高，而由于經(jīng)濟原因，在國內(nèi)PCB板生產(chǎn)制造商多數(shù)仍采用人工目測等傳統(tǒng)檢測方法檢測。隨著經(jīng)濟的發(fā)展，數(shù)字圖像處理研究的深入，自動光學檢測系統(tǒng)也開始頻繁活躍在人們視線中，但在PCB缺陷檢測方面的應用卻還有待完善。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)量標準、圖像特點、缺陷特征及檢測要求的分析基礎(chǔ)上，對以圖像處理為基礎(chǔ)的PCB缺陷檢測技術(shù)進行了深入研究。由于PCB缺陷自動檢測系統(tǒng)的研究涉及多個領(lǐng)域的知識，其研究過程十分耗時、繁瑣，由此，本論文僅僅對PCB缺陷檢測中較為常見的問題進行了較深入研究，并且僅搭建了較為簡單的PCB缺陷自動檢測系統(tǒng)的實驗平臺，對PCB中的四類較為關(guān)鍵、常見的缺陷進行檢測、分析、識別、判定。雖然還未實現(xiàn)真正實現(xiàn)工業(yè)上產(chǎn)業(yè)化檢測，但是在未來幾十年中，研究推廣的PCB缺陷自動檢測系統(tǒng)將有十分良好的應用前景，也將有高額的經(jīng)濟收益。

參考文獻

[1] 陳勝勇，劉盛，等.基于OpenCV的計算機視覺技術(shù)實現(xiàn)[M].北京：科學出版社，2008.

[2] Gary Bradski，Adrian Kaebler，于仕琪，等.學習OpenCV[M].北京：清華大學出版社，2009.

[3] 周長發(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.中國大陸PCB產(chǎn)業(yè)的現(xiàn)狀與未來[J].印制電路信息，2006，32（1）.

[5] 胡躍明，譚穎.自動光學檢測在中國的應用現(xiàn)狀和發(fā)展[J].微計算機信息，2006，（4）.

[6] 李漢，何星，等.印刷電路板的自動光學檢測系統(tǒng)

[J].無損檢測，2004，26（6）.

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

[8] 姚立新，張武學，等.AOI系統(tǒng)在PCB中的應用[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檢測算法研究[J].計算機工程與應用，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與跟蹤算法研究[D].中北大學，2011.

[12] 張馳.基于機器視覺的智能控制與圖像識別問題研究[D].蘭州理工大學，2009.

[13] 謝飛.基于計算機視覺的自動光學檢測關(guān)鍵技術(shù)與應用研究[D].南京大學，2013.

[14] 張靜.PCB表觀缺陷的自動光學檢測理論與技術(shù)

[D].電子科技大學，2013.

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

篇9

【關(guān)鍵字】行人檢測 目標檢測 圖像處理

一、引言

在計算機視覺領(lǐng)域中，行人檢測是目標檢測的一個重要研究熱點，其主要利用各種傳感器獲取行人的數(shù)據(jù)信息，通過圖像處理及模式識別等算法從圖像數(shù)據(jù)中檢測出行人。其中傳感器包括激光、雷達等。行人檢測并不是孤立存在的，它與行人跟蹤、行為分析、姿態(tài)估計、場景分割等問題息息相關(guān)，因此具有極高的科研價值和商業(yè)價值。

二、行人檢測技術(shù)發(fā)展趨勢

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

三、行人檢測技術(shù)解析

常見的行人檢測方法可分為基于簡單的圖像處理的行人檢測方法和基于計算機視覺的行人檢測方法。

3.1基于簡單圖像處理的行人檢測技術(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。其與基于計算機視覺的技術(shù)相比算法較為簡單，不需要事先準備大量的訓練樣本或模板，處理速度也較快，因此在國內(nèi)也占據(jù)一定的申請量。如上海交通大學的專利CN201210586125采用高斯混合模型對背景建模從而檢測行人，寧波大學的專利CN201210017307采用圖割方法進行行人檢測，奇瑞汽車股份有限公司的專利CN201310382009通過獲取候選區(qū)域的至少兩個特征圖進行候選區(qū)域是否包含行人的判斷。

3.2基于計算機視覺的行人檢測方法

基于統(tǒng)計學習的方法與其他方法相比占絕對性的優(yōu)勢，是最近幾年高校和科研院所所研究的重點，同時也是公司企業(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速度，江蘇大學的CN201110447411對特征向量進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行行人檢測。

特征和分類器是統(tǒng)計學習的兩大關(guān)鍵技術(shù)。對特征的改進占56%，如中國科學技術(shù)大學的專利CN200810101705利用種群優(yōu)化尋找行人檢測最優(yōu)特征進行行人檢測，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行行人檢測；

分類器的改進分別占42%，如杭州海康威視數(shù)字技術(shù)股份有限公司的專利CN201210169536利用多尺度的Adaboost作為分類器進行行人檢測，無錫慧眼電子科技有限公司的專利CN201310076413首先基于Adaboost得到級聯(lián)分類器。

篇10

關(guān)鍵詞： 計算機視覺； 考試； 自動監(jiān)考； 視頻幀

中圖分類號： TN957.52+3?34； TP373 文獻標識碼： A 文章編號： 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，采用計算機視頻監(jiān)測方法進行現(xiàn)場O控設(shè)計，提高對監(jiān)控區(qū)域的自動化識別和管理能力[1]。學生考試自動監(jiān)考系統(tǒng)是考試智能化管理系統(tǒng)的重要部分，采用計算機視覺分析方法進行自動監(jiān)考，首先采用計算機視頻監(jiān)控方法進行考試現(xiàn)場的實時視覺畫面采集，從而實現(xiàn)對考試現(xiàn)場的檢驗分析和指導。研究學生考試自動監(jiān)考系統(tǒng)，在促進智能化考試管理和提高考場監(jiān)考的管控能力方面具有積極重要意義[2]，對學生考試自動監(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)計和軟件開發(fā)，采用計算機視覺分析方法進行監(jiān)控現(xiàn)場的異常信息特征提取和分析，采用視頻幀循環(huán)糾錯編碼避免監(jiān)控過程中的丟包和誤碼失真。首先進行系統(tǒng)的總體構(gòu)架分析，然后進行監(jiān)考系統(tǒng)的硬件模塊化設(shè)計，最后進行系統(tǒng)調(diào)試分析，得出有效性結(jié)論。

1 系統(tǒng)設(shè)計與實現(xiàn)

1.1 器件選擇

根據(jù)上述設(shè)計思想和總體設(shè)計構(gòu)架，進行基于計算機視覺的學生考試自動監(jiān)考系統(tǒng)的硬件模塊化設(shè)計，學生考試自動監(jiān)考系統(tǒng)的數(shù)據(jù)采集系統(tǒng)是整個系統(tǒng)的基礎(chǔ)。通過PCI橋接芯片與PC機進行數(shù)據(jù)通信，采用PCI9054的LOCAL 總線設(shè)計方法，進行數(shù)據(jù)特征采集，把學生考試監(jiān)考現(xiàn)場的視頻信息存儲到PCI總線上，在嵌入式RAM中對監(jiān)控視頻信息進行收發(fā)轉(zhuǎn)換和視頻幀間編碼，基于視頻幀循環(huán)糾錯編碼方法進行視頻糾錯。硬件設(shè)計主要包括如下幾個部分：學生考試監(jiān)考現(xiàn)場的視頻信息的DSP信號處理器、模擬信號預處理機、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寄存器寄存學生考試監(jiān)考現(xiàn)場的視頻視覺特征信息，同時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。通過串行E2PROM進行配置校驗，在C 模式下通過PCI總線送采樣數(shù)據(jù)或處理結(jié)果到PC機進行監(jiān)考現(xiàn)場的監(jiān)控信息分析。

1.2 監(jiān)考系統(tǒng)的電路設(shè)計

根據(jù)上述總體設(shè)計要求，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，進行學生考試自動監(jiān)考系統(tǒng)的電路設(shè)計，主要包括了A/D電路、時鐘電路、視頻幀循環(huán)糾錯編碼電路、程序加載電路和輸出接口電路等，分別設(shè)計描述如下：

（1） A/D電路。學生考試監(jiān)考系統(tǒng)的A/D電路是實現(xiàn)對輸入視頻采集信息的數(shù)/模轉(zhuǎn)換，提供給計算機和DSP芯片可識別的原始計算機視覺信息，結(jié)合視頻幀循環(huán)糾錯編碼方法進行可視化校對和視頻編碼。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，利用信號作讀數(shù)標志信號，得到A/D電路的接口硬件設(shè)計圖如圖1所示。

考慮到系統(tǒng)處理視頻傳輸信息的時間和讀數(shù)匹配問題，在進行A/D設(shè)計中，需要考慮7864模擬輸入/輸出對應碼表，見表1。

（2） 時鐘電路。時鐘電路執(zhí)行學生考試自動監(jiān)考系統(tǒng)的時鐘中斷控制功能[4]，采用5409A 作為自動監(jiān)考系統(tǒng)的時鐘中斷的核心控制芯片，5409A有3個多通道緩沖串口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，本地總線支持復用/非復用的 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總線通過異步操作實現(xiàn)兩個 DMA數(shù)據(jù)的串行接口輸入和輸出。時鐘電路的引腳設(shè)計如圖2所示。

（3） 視頻幀循環(huán)糾錯編碼電路。視頻幀循環(huán)糾錯編碼電路是整個系統(tǒng)設(shè)計的核心模塊，視頻幀循環(huán)糾錯編碼通過Emulator由JTAG（Joint Test Action Group）口下載到DSP中運行，在IEEE 1149.1標準協(xié)議下進行 5409A芯片器件的操作測試，芯片采用4通道高性能運放，帶寬為10 MHz。使用ADUM1201進行幀同步信號設(shè)計[5]，選擇Motorola 公司高性能 MPC850/86作為自動監(jiān)考系統(tǒng)的三維特征分析模塊，從外部16位存儲器讀取監(jiān)測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、時鐘信號輸入引腳，數(shù)據(jù)總線LD 9054與應用電路連接，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位打包模式實現(xiàn)視頻糾錯編碼，得到視頻幀循環(huán)糾錯編碼電路設(shè)計如圖3所示。

（4） 程序加載電路。選擇Motorola 公司高性能 MPC850/86作為學生考試自動監(jiān)考的可視化校驗視覺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進行圖像信息分析，在程序加載中，從外部16位存儲器直接執(zhí)行16位打包模式，引導ROM配置異步存儲器空間，通過連續(xù)讀取0x00字節(jié)的個數(shù)來確定學生考試自動監(jiān)考系統(tǒng)的SPI存儲器的片選[6]，程序加載電路設(shè)計如圖4所示。

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

（5） 輸出接口電路。輸出接口電路設(shè)計中，通過JTAG接口訪問CPU的內(nèi)部寄存器，通過串行E2PROM進行配置校驗。使用JTAG仿真器執(zhí)行12通道DMA異步串行口設(shè)計，采用分立元件構(gòu)成串口復位電路，降低DSP的能耗。開關(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10 和0.1 電容濾波，以減少電源噪聲。實時時鐘電源與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圖5。

在上述進行系統(tǒng)的硬件模塊化設(shè)計的基礎(chǔ)上，進行系統(tǒng)集成設(shè)計與軟件開發(fā)。

2 實驗測試分析

對上述學生考試自動監(jiān)考系統(tǒng)進行軟件開發(fā)和系統(tǒng)調(diào)試分析。件開發(fā)建立在CCS 2.20開發(fā)平臺下，借助于 LabWindows/CVI，C/C++開發(fā)計算機視覺下的圖像和視頻信息處理程序。根據(jù)編寫的PCI卡驅(qū)動程序進行視頻信息采樣和監(jiān)考系統(tǒng)的原始數(shù)據(jù)采集，得到學生考試自動監(jiān)考的視頻采集分析界面如圖6所示。

從圖6可見，采用本文設(shè)計的考試自動監(jiān)考系統(tǒng)，能有效實現(xiàn)計算機視覺下的監(jiān)考視頻信息傳輸。為了定量測試系統(tǒng)的性能，圖7給出了不同方法進行監(jiān)考視覺分析的視頻丟包率對比結(jié)果，從圖7得知，該系統(tǒng)能有效降低監(jiān)考過程中的視頻丟包，從而提高監(jiān)考區(qū)域的視覺覆蓋度。

3 結(jié) 語

本文提出一種基于視頻幀循環(huán)糾錯編碼的計算機視覺自動監(jiān)考系統(tǒng)設(shè)計方法。系統(tǒng)設(shè)計分為硬件和軟件部分，首先進行了學生考試自動監(jiān)考系統(tǒng)的總體設(shè)計構(gòu)架分析和功能指標描述；然后以ADSP?BF537并行微處理芯片為核心進行監(jiān)考系統(tǒng)的硬件設(shè)計，包括A/D電路、時鐘電路、視頻幀循環(huán)糾錯編碼電路、程序加載電路和輸出接口電路；最后在Visual DSP++集成開發(fā)環(huán)境中進行自動監(jiān)考系統(tǒng)的軟件開發(fā)設(shè)計，結(jié)合視頻幀循環(huán)糾錯編碼進行程序加載，實現(xiàn)計算機視覺下的自動監(jiān)考。實驗測試結(jié)果表明，該系統(tǒng)能有效降低監(jiān)考過程中的視頻丟包，提高了監(jiān)考區(qū)域的視覺覆蓋度，具有優(yōu)越性能。

參考文獻

[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[J].電力與能源，2015，36（5）：692?695.