前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的計算機視覺研究現狀主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計算機視覺研究現狀范文

1計算機視覺概述

1.1計算機視覺學概述

從某種意義上說，計算機視覺學是一門在20世紀60年代興起的新學科。它是一門邊緣學科，融入了很多學科的特點，具有很強的工程性特征。比如，圖像處理、應用數學、光電技術。換個角度來說，計算機視覺同屬于工程領域、科學領域。

1.2計算機視覺的應用

計算機視覺的應用能夠使計算機具有和人一樣的視覺功能。在生活和生產過程中，照片資料、視頻資料的處理是計算機視覺應用的主要方面。比如，在航空事業方面，對衛星照片的翻譯；在醫學領域中，主要用于輔方面的診斷；在工業生產方面，由于各種復雜因素的影響，計算機視覺在這方面的應用顯得特別簡單，有利于相關系統的實際構成。

2目標圖像檢索存在的問題

從某種角度來說，目標圖像檢索需要分為特征匹配、特征提取兩個方面。它們表達了不同的含義。對于特征提取來說，它是圖像進行檢索的第一步，其提取結果會對進一步的研究造成直接的影響。而對于特征匹配來說，其匹配的準確度會直接影響圖像檢索系統的返回結果。但在目標圖像檢索完善的過程中，遇到一些問題阻礙了這兩個方面的完善。因此，本文作者對其中的一些予以了相關的探討。

2.1環境因素不斷變化

對于目標圖像來說，環境因素是影響其準確率的重要因素。同時，在復雜混亂的環境中，由于受到眾多干擾物的影響，加上部分目標圖像區域被遮蓋，致使目標圖像信息不夠全面，使目標物體特征的提取難度進一步加大。

2.2圖像噪聲的影響

子為了更好地模仿生活中的圖像檢索，數據庫中的圖像也會隨之發生一系列的變化。比如，尺度、角度、光照。而其中圖像噪音的影響會使目標物體的外觀發生對應的變化。在此基礎上，嚴重降低了目標圖像信息獲取的準確度。

2.3目標圖像檢索訓練數據的自動標注

由于處于網絡中的圖像資源信息過于繁多，需要采用手工的方式對它們進行標注。但這種方法非常浪費時間，準確率也比較低。很顯然，這就需要目標檢索圖像能夠具有自動標注的能力。實際上，圖像檢索方法過分依賴人工標注信息。而這些信息很多收到來自各方面因素的影響。比如，認識差異因素、個人經驗。以至于對圖像產生誤解。

3基于計算機視覺下的目標圖像檢索技術

3.1以多尺度視覺為紐帶的目標圖像檢索方法

該種目標檢索技術的應用主要是為了提高目標圖像檢索的準確率，能夠實現目標圖像訓練數據的自動化標注。該類技術主要是用于那些沒有遮擋，不需要進行監督的目標圖像檢索方面。具體來說，它需要經過一系列的訓練。在訓練的過程中，以統計學習為紐帶，對相應多尺度的目標檢測模型進行適當的訓練。在此基礎上，以該模型為基點，對圖像中那些顯著性的區域進行合理地提取。比如，該區域的亮度、顏色。最后，需要對用于該實驗研究中的概率潛在語義分析模型進行合理地利用。總之，利用這種檢索方法可以對圖像中那些顯著目標所處的區域自動進行檢測。同時，對其中目標圖像的顯著性進行合理地排序，能夠提高檢索引擎所返回圖像結果的準確度。

3.2以彩色LBP局部紋理特點為媒介的目標圖像檢索方法

這種目標圖像檢索方法能夠有效地解決圖像信息采集過程圖像噪聲以及其它相關因素對所提取紋理特征的影響，提高了圖像目標的準確率。對于這種圖像目標檢索方法來說，它把圖像彩色空間特征和簡化的LBP特征有機地相融合。在此基礎上，該類方法增加了光照的不變特性，卻保留了LBP局部的旋轉特點。在提高圖像檢索速度方面，主要是利用原來的LBP特征來丟失其中的彩色信息。以此，使其中的特征維度能夠在一定程度上降低。同時，這種目標圖像檢索方法的應用可以使對應計算方法的難度得以降低，還能對角度等變化狀態下的目標圖像進行準確地識別以及檢索。

3.3以視覺一致性為橋梁的目標圖像檢索方法

從某個角度來說，它的應用主要是為了提高圖像搜索引擎的返回效果，使局部噪聲圖形具有更高的顯著性特征。一是：站在客觀的角度，對搜索引擎返回結果的目標顯著圖予以準確的計算。此外，還要對其中的目標顯著系數進行適當地過濾。二是：以所有圖像為基點，以顯著目標為導向，采取視覺一致性的模式。三是：以視覺一致性為基礎，對其中的不同目標圖像信息進行客觀地分類。這種以視覺一致性為核心的方法能夠有效地提高圖像檢索結果的準確率。更重要的是，在提高圖像搜索引擎檢索性能的同時，能夠及時為用戶選出最優的圖像信息。而這些信息資源和用戶尋找的主題信息密切相關。

4結語

第2篇：計算機視覺研究現狀范文

關鍵詞：數字圖像處理；測距；聚焦；頻域

中圖分類號：TP391.41 文獻標識碼：A 文章編號：2095-1302(2012)09-0016-03

Images ranging method based on frequency domain analysis

ZHU Xue-yi

(School of Microelectronics and Solid-State Electronics, University of Electronic Science and Technology, Chengdu 610054, China)

Abstract: Using digital image processing theories and methods, the digital image pre-processing mode, the target graphic detection and the ranging model construction are studied and analyzed. Combined with a ranging scheme of single camera, a focusing ranging technique based on frequency domain analysis is given to process images captured by the monocular camera and calculate the distance from target detection image to the camera based on frequency domain image signals. The technique saves lots of complex hardware and reduces the demands of digital image processing, which has the advantages of high ranging precision and fast processing speed.

Keywords: digital image processing; ranging; focusing; frequency domain

0 引 言

視覺是人類觀察世界、認知世界的重要功能手段，人類感知外部世界主要通過視覺、觸覺、聽覺和嗅覺等感覺器官，其中80%的信息是由視覺獲取的。計算機視覺就是人類利用計算機實現人的視覺功能，從而對客觀世界三維場景進行感知、識別和理解。計算機視覺是一個相當新而且發展迅速的研究領域。

在對生物視覺系統的研究中，人們早就注意到，幾乎所有具有視覺功能的生物都有兩只眼睛。用兩只眼睛同時觀察物體，會有深度或遠近的感覺，我們稱之為視差。因此，在計算機視覺系統中，也常用兩臺或多臺攝像機從兩個或多個視點去觀察同一場景，從而獲得在不同視角下的一組圖像，然后通過同一場景點在不同圖像中的視差，推斷出場景中目標物體的空間幾何形狀和位置，這種方法稱為立體視覺。它是計算機視覺的一個重要分支，也是計算機視覺的核心研究內容之一。

視頻和圖像是對物質世界客觀事物的形象而生動的描述，是最直接且具體的信息表達形式之一，是人類最重要的信息載體。隨著科技的日益發展，人們需要一種更加先進快捷的工作方式，另外，人們對工作環境和工作條件也提出了更新、更高的要求，視頻測距系統便在這種背景下應運而生。

視覺測距技術的發展對于距離測量有重要的意義。在基于數字圖像處理技術的視覺測距系統中，使用單個CCD(Charge Couple Device)攝像機的系統稱為單目攝像系統，而同時使用兩臺攝像機對同一景物進行攝像，并運用計算機分析兩幅圖像來確定物體的三維狀況的系統稱為雙目攝像系統。雙目攝像系統測量精度高，但計算速度較慢，成本較高。而單目攝像系統方法則比較簡潔、快速，因此，本文對采用單目攝像系統檢測目標物的測距方法進行研究。

1 測距技術在國內外的研究現狀

目前，國內外對視覺測距技術的研究仍在不斷的進行之中，還并沒有形成國際統一的標準模式，各種數字圖像處理技術和算法之間孰優孰劣仍在不斷的探討和比較中。當前，國內外的研究機構主要研究的測距技術包括超聲波測距技術、微波雷達測距技術、激光雷達測距技術和視覺測距技術。

1.1 激光雷達測距

激光雷達測距具有測量時間短、量程長、精度高等特點，但激光雷達在惡劣天氣環境下或逆光狀態下的測距準確性降低，另外，其造價、耗能、對人眼安全等因素也對其進一步應用有一定影響。

1.2 超聲波測距

超聲波是指振動頻率在20 kHz以上的機械波，具有聲波傳輸的基本物理特性。超聲波測距是根據超聲波反射時間來計算與前方車輛之間的距離。超聲波測距原理比較簡單，成本低，但超聲波的傳輸速度受天氣影響較大，不同天氣條件下的傳輸速度不同。

第3篇：計算機視覺研究現狀范文

為了加快我國城鄉一體化進程建設，農業機械自動化的地位變得越來越重要。但是由于我國農業人口多，以及長期以來經濟技術落后的現狀，使得我國農業機械自動化在發展的過程中依舊面臨著較大的難題。就目前的情況來看，我國農業機械自動化技術的水平，與西方國家相比還有很大的差距。所以，如何促進農業機械自動化技術的發展，以及對農業機械自動化技術進行優化，已經成為解決三農問題的關鍵。本文從農業機械自動化對農村建設的意義出發，對農業機械的分類做了相關的介紹，并指出了農業機械化技術發展中存在的問題，最后對農業機械自動化技術要點及優化應用措施提供了建議。

關鍵詞：

農業機械自動化；技術要點；優化措施

0引言

所謂農業機械自動化技術，指的是將控制論、計算機技術、液氣壓技術等應用到農業機械的設計當中，使農業機械可以獨立完成田間耕作。隨著科學技術的不斷發展以及為了響應政府高效農業的號召，我國農業正逐步朝著機械自動化的方向發展。農業機械的自動化，不僅能夠使勞動的生產效率得到提高，還能減輕農民的勞動強度，并且提高勞動舒適度，在一定程度上緩解農村勞動力短缺的問題。在科技高速發展的今天，世界各國都加大了對農業機械自動化技術的研究。很多科研成果已經從實驗室走向了實用階段。

1農業機械自動化對農村建設的意義

對社會主義新農村進行建設，是我國構建社會主義和諧社會的基本要求。社會主義的和諧與廣大農村地區的和諧是不可分割的。雖然從整體上看，社會主義新農村處于較為穩定和諧的狀態，但不可否認的是，社會主義新農村的建設也存在著一定的問題。其中，最主要的問題是農民收入過低。因此，我國要大力推行農業機械自動化建設，為減輕農民的勞動強度、提高農民的經濟收入提供保障。

2農業機械的分類

通常來說，農業機械是由動力設備和與之配套的農機器具組成的。這兩者之間主要是以牽引懸掛或者是半懸掛的方式進行連接。也有的農業機械將這兩者制造成一個統一的整體。動力設備和與之配套的農機器具這兩者在耕作的過程中，互相配合，缺一不可。

3農業機械自動化發展中存在的問題

我國農業機械技術在發展的過程中，并不是一帆風順的，而是遇到了很多問題。首先，我國大型農業自動化機械在推廣的過程中難度較大。很多農民沒有意識到機械化生產的重要性，導致了他們不愿意在農業生產的機械方面進行投入，最終造成了我國大型農業自動化機械供大于求的尷尬。第二，我國的農業機械制造水平較低。與西方國家相比，我國農業機械制造的起步較晚，在很多方面，科技水平還不夠成熟。第三，我國對農業機械自動化技術的研究缺乏足夠的動力。我國大型農業機械的制造企業，以及科院院所存在著資金不足、科研環境較差的問題。對農業機械進行設計，不僅需要耗費大量的時間和精力，還需要一定的技術條件作為依托。我國大部分科研院所和農業機械制造企業，由于資金不足，并沒有完成對實驗室的配套建設，使得科研人員在進行工作時困難重重，這一現狀也嚴重影響了科研人員的工作積極性。第四，自動化技術在農業機械的應用中還處于起步階段。對自動化技術的應用，需要很高的科技水平作為依托，但是我國科技基礎薄弱的現實，使自動化技術的應用變得困難。

4農業機械自動化技術要點及優化應用措施

4.1實現計算機技術應用于農業生產

計算機視覺技術，作為新時期重點研究和應用性廣泛的新科技，很多西方國家先后展開了對計算機視覺技術的研究。計算機視覺技術在農產品質量的鑒定方面，以及在記錄農產品生長的信息等方面有著十分重要的作用。英國對計算機視覺技術的應用進行了首次嘗試，利用該技術研制了專業性的采蘑菇機器人。采蘑菇機器人在采蘑菇的過程中，不僅能夠對蘑菇的位置進行精準的定位，而且能夠對所采的蘑菇進行合理化的分類。受到英國的影響和啟發，我國國內也開始嘗試在農業機械自動化技術中，加入計算機控制技術的內容。但是由于我國的經濟技術發展還不夠成熟，要實現對計算機視覺技術的應用，還需要科學家們進行努力。

4.2實現農業施肥和灌溉技術的自動化

我國水資源總量雖然比較大，但是人均資源占有量卻很小，而且我國水資源分配的不夠合理，使得我國水資源長期處于短缺的狀態。要促進農業的發展，充足的水資源是必要的條件。在保證農業生產用水的同時，保證對水資源的節約，是我國農業發展過程中必須要面對的問題。農業自動化灌溉技術的應用可以很好地解決這一問題。所謂農業自動化灌溉技術，是把傳感器與電子計算機進行有機結合，把農作物生長過程中對環境的需求及對用水量的需求，通過軟件的形式加以呈現，從而避免水資源的浪費。對農業施肥技術來說也是如此，實現農業施肥和灌溉技術的自動化，是節約水資源、降低農業生產成本、避免浪費以及保護環境的必然選擇。

4.3實現農業的精準化

農業精準化是指將我國的傳統農業與農業機械自動化技術相結合，實現農業生產管理的科技化。精準農業是未來農業發展的主要方向之一。農業生產自動化，是一項以計算機網絡和控制器等為基礎的技術。我國對精準農業的研究，已經取得了一定的科技成果。世界上第一臺觀測農業氣象的自動化儀器，已經在我國鄭州氣象站開始投入使用。農業氣象觀測儀，可以對農業生產的小環境進行合理化監測，并且通過網絡把監測到的信息及時反映給當地農業部門。

總之，在經濟全球化進程不斷加快和城市化進程高速發展的今天，給各個行業帶來機遇的同時，也帶來了挑戰。為了在經濟發展的大潮中處于不敗的地位，加強科技創新是一項必不可少的選擇，同時也是長遠發展的根本要求。對于農業產業而言，為了使我國農業能夠更好更快的發展，政府要提高對農業機械自動化技術研究的投入，并將新的科技成果不斷應用到農業生產中。作為科技工作者要努力鉆研農業機械自動化技術，并且要對農業機械自動化技術的應用措施進行優化，從而實現農業的智能化時代，創造出我國農科發展的新道路。

作者：楊亞杰 單位：河北農業大學

參考文獻：

[1]劉洋.我國農業機械自動化應用現狀和推進模式探討[J].化工中間體,2015(11):11-19.

第4篇：計算機視覺研究現狀范文

關鍵詞：數字攝影測量；影像匹配；影像匹配分類；匹配策略

中圖分類號： P216 文獻標識碼： A

1．前言

影像匹配是數字攝影測量的典型問題之一。在航空攝影測量領域，影像匹配是自動獲取數字地面模型(DTM)的關鍵技術，是以影像匹配代替傳統的人工觀測，來達到自動確定同名點的目的。一般來說，由于影像在不同時間、不同傳感器、不同視角獲得的成像條件不同，因此即使是對同一物體，在影像中所表現出來的幾何特性、光學特性、空間位置都會有很大的不同，如果考慮到噪聲、干擾等影響會使影像發生很大差異，影像匹配就是通過這些不同之處找到它們的相同點。在計算機視覺中，通常稱為影像配準，而且很多領域中影像匹配都是必不可少的關鍵環節。目前影像匹配己成為現代信息處理，特別是圖像信息處理領域中的一項非常重要的技術，已有很多學者進行這方面的研究而且已經取得了很好的成就。影像匹配研究涉及到了影像采集、影像預處理、影像分割、特征提取等，并且與計算機視覺、多維信號處理和數值計算方法等緊密結合。它也是其它一些影像分析技術，如立體視覺、運動分析、數據融合等的基礎。目前，它的應用范圍相當廣泛，在計算機視覺、虛擬現實場景、航空航天遙感與數字攝影測量、醫學影像分析、光學和雷達跟蹤、景物制導、地形匹配、指紋與肖像檢測等領域都有著重要的應用價值。在數字攝影測量的研究中，幾何變換和對應關系是兩大關鍵問題。幾何變換問題經過數學和圖形圖像學的研究已經得到了解決，而對應問題(特別是同名點的對應問題)正是影像匹配的研究目的。影像匹配的良好實現，可以大大促進數字攝影測量自動化量測的發展，并為立體測圖、建立立體模型、自動生成DEM、正射影像、等高線，構建三維立體和虛擬現實場景提供技術支撐。

2．影像匹配國內外研究現狀與內容

影像匹配技術一直是數字攝影測量、計算機視覺等領域的關鍵技術難題，但它廣闊的應用前景吸引了眾多領域的科研人員孜孜不倦地對它進行攻關，成為經久不衰的研究熱點。最初的影像匹配是利用相關技術實現的，因此又稱為影像相關。從上個世紀五十年代至今，國內外學者提出了許多相應的理論，涌現了大量的匹配算法[1][[2][3][4]，如相關函數法、相關系數方法、整體法等。Bellman于上個世紀50年代提出的動態規劃法影像匹配，德國 Ackerlnann 教授提出的最小二乘匹配方法[5]，Rosenhlm提出的多點最小二乘影像匹配[6]，已及Ton Jez-ehing、JainA K提出的確定兩影像區域間對應關系的點匹配方法[7],Daniel P Huttenlocher等人提出的Hausdorff距離匹配方法[8]等等；1978年，我國攝影測量學的先驅王之卓院士率先提出了“全數字攝影測量”的概念[9], 利用影像匹配來代替傳統的人眼立體觀測；張祖勛院士提出了基于跨接法的影像匹配 [10]；呂言提出了特征提取的呂言算子和基于特征的影像匹配方法[11]；張力、沈未名等也提出了基于空間約束的神經網絡影像匹配算法[12]。盡管發展出了多種多樣的匹配方法，但這些影像匹配算法按其匹配基元分類，主要可以分為基于像元灰度的影像匹配算法、基于特征的影像匹配算法以及基于影像的理解和解釋的匹配算法。

3.影像匹配的基本概念

匹配是圖像處理的一個基礎問題。簡單的說，匹配技術就是找到兩幅不同影像之間的空間位置關系實現同一目標的兩幅(或兩幅以上)影像在空間位置上的對準。 Barbara zitova和 Jan Flusser在其著作中對影像匹配進行了定義[23]，稱其是針對來自于同一場景、不同時間、不同視角、不同傳感器的兩幅或多幅圖像進行重疊 (Overlapping)的過程，這個重疊就是幾何對齊 (Geometrically Align)的過程。可以從中看出兩點，其一，影像匹配所研究的影像具有成像機理、自然條件、成像時間等的不同，這些都造成參與匹配的影像對具有很大的差異;其二，影像重疊的目的為了對兩幅影像在空間上進行對準，以確定兩幅影像之間的平移以及旋轉關系。也可以說影像匹配時利用兩個信號的相似性評價函數，評價它們的相似性以確定同名點。即首先取出以待定點為中心的小區域中的影像信號，然后取出其在另一影像中相應區域的影像信號，計算兩者的相似性評價函數，以相似性評價函數值的大小來確定相應區域中心點位同名點，即以影像信號分布最相似的區域為同名區域，同名區域的中心點為同名點。

4.影像匹配的困難與解決問題思路

影像匹配的方法有很多，但都有不同程度的局限性。對于一些共性的問題，如匹配模糊度問題，匹配組合問題等，目前仍是影像匹配中的難點問題。在實際應用中主要表現在以下幾種情況的影像匹配中存在的問題：

1.信息貧乏區域（非重疊覆蓋范圍）和紋理重復區域（遮蔽區域）的匹配

2.陰影區域的匹配

3.陡坡表面和斷裂線地區的匹配

4.影像之間存在大的旋轉角度的匹配

5.非漫反射地區的匹配

6.對運動的目標和陰影的匹配

7.存在較大比例尺差異的影像間的匹配

8.不同傳感器影像之間的匹配

針對這些問題，一般的對于紋理貧乏和周期性紋理重復區域，自適應的調整窗口大小；對于遮蔽和斷裂線區域采用雙向匹配的方法；對于陡坡區域采用跨接法影像匹配；對于存在較大旋轉角度的影像匹配則采用SIFT算子[28]進行處理。

5.小結

發展至今，影響匹配技術已經取得了很大的成就，多種多樣的影像匹配算法基本能夠滿足實際應用的需求。但影像匹配中仍存在著諸多問題和挑戰，這也是數字攝影測量面臨的典型問題之一，也是我們今后科研的主攻方向和著力點。另外，目前的影像匹配算法大多是針對特定情況的應用，適應性方面不是太強。因此，尋找一種普適性的影像匹配算法或適應性較強的影響匹配處理系統從而實現數字攝影測量發展的一次飛躍是我們不得不思考的問題。

參考文獻：

[1]張祖勛，新的核線相關算法一跨接法[J]，武漢測繪科技大學學報，1988，13(4):19-26.

[2]王之卓，攝影測量原理續編[M]，北京:測繪出版社，1986.

[3]呂言，用于提取數字圖像點特征之有利算子研究[J]，測繪學報，1989，18(3):175-182.

[4]張力，沈未名，張祖勛等.基于空間約束的神經網絡影像匹配[J].武漢測繪科技大學報，2000，25(1):55-58.

第5篇：計算機視覺研究現狀范文

關鍵詞：計算機視覺；跟蹤算法；綜述；人數統計

中圖分類號：TP391 文獻標識碼：A DOI：10.3969/j.issn.1003-6970.2013.03.003

0 引言

計算機視覺作為一門多學科的交叉領域，涉及圖像處理、計算機圖形學、模式識別、人工智能、人工神經網絡、計算機、數學、心理學、生理學和物理學等。本文是對視頻人數統計技術的綜述，屬于智能視頻監控范疇。

由于智能視屏監控的挑戰性以及其巨大的應用價值，越來越多的學校、研究所以及公司的研究人員投入到該領域中來。麻省理工學院、卡內基梅隆大學以及其他國外著名大學成立了專門的計算機視覺及多媒體方向的實驗室；Nice和Object video等公司已經針對飛機場、國界線等應用場合開發了一些相應的智能監控系統。國際上的高級視頻和錄像（Advanced Videoand Signal-Based Surveillance）論壇每年都會舉辦PETS（Performance Evaluation of Tracking Systems）會議專門針對于人群行為分析，包括群體人數統計，人流密度估計；對單個人員以及群體中個體進行跟蹤；特殊群體和特殊事件檢測等。本文主要針對視頻人數識別這個研究方向，從基于特征點、顏色與形狀信息、模板匹配三種不同類型識別跟蹤方式分析了近些年來國內外的研究工作及最新進展，通過對各種不同識別方法比較，對當前亟需解決的問題做了詳細的分析。

1 人數識別研究現狀

人數統計算法融合了運動物體檢測、行人檢測與分割、形狀分析、特征提取和目標跟蹤等多個領域的技術。從采用的手段來講可以分為直接法和間接法：直接法（或稱基于檢測的），即首先在場景中檢測出每個行人，再計數。第二種稱為間接法（也稱為基于映射或基于度量的），一般是建立場景特征與行人數量的函數關系來測算人數。在行人高度密集的場景中，間接法比直接法更加可靠，主要因為直接法無法有效分割每個行人，特別是在行人高度密集的場景中，從20世紀90年代起到目前為止這近20年里，出現了眾多的視覺跟蹤算法，1988年，Aggarwal和Nanadhakumar對運動圖像分析算法進行了總結，將算法分為兩類，一類是基于光流法的分析，另一類是基于特征點的分析，此后在視覺跟蹤領域中，又出現了許多新的方法，目前，視頻中人數的跟蹤方法大致分為三類，分別是基于區域的跟蹤、基于特征點的跟蹤、基于模板和模型的跟蹤，這種分類方法概括了目前大多數視覺跟蹤算法，因此下面用這種分類方法對視覺跟蹤算法進行介紹。

1.1 基于特征的人數識別

基于特征的人數跟蹤算法選取目標的某個或某些局部特征作為相關時的對象，這種算法的優點在于即使目標的某一部分被遮擋，只要還有一部分特征可以被看到，就可以完成跟蹤任務，另外，這種方法與卡爾曼濾波器聯合使用，也具有很好的跟蹤效果。這種算法的難點是：對某個運動目標，如何確定它的唯一特征集？這也是一個模式識別問題，若采用特征過多，系統效率將降低，且容易產生錯誤，文獻對這一問題進行了討論，在特征提取時，一般采用Canny算子獲得目標的邊緣特征，而采用SUSAN算子獲得目標的角點信息。有關基于特征的跟蹤算法還可參見文獻。在2009年，Albiol使用角點個數作為場景特征來估測人數，首先通過Harris角檢測器檢測出圖像角點，然后進行角點匹配以區分人身上的角點和背景角點，Albiol認為每幀總人數與人身上角點的個數成正比例關系，以此估測人數，算法雖然簡單，但在PETS 2010“人數統計與密度估計”競賽中取得優勝。2010年，Conte等“”基于Albiol的方法提出改進。采用的SURF（Speed up Ro.bust Feature）特征點以代替角點，同時，Conte等不僅考慮到特征點個數對人數估測的影響，還考慮到透視投影（拍攝距離d）密度人群遮掩（特征點密度p）對于估測的影響，同時對所有SURF點進行分組回歸以提高精度，在這個基礎上張茂軍等相比Conte等的研究成果在處理遠距離人群上精度提高，主要因為使用“非最大抑制聚類”——對不同拍攝距離的人群采取不同的聚類標準，有效解決遠距離人群的類過大問題，提取人身上特征點的方法是在掩模上直接檢測特征點，使得特征點個數更加穩定，有利于SVM預測。

1.2 基于區域的人數識別

基于區域的跟蹤算法基本思想是：首先得包含目標的模板（Template），該模板通過圖像分割獲得或是預先人為確定，模板通常為略大于目標的矩形，也可為不規則形狀；然后在序列圖像中，運用相關算法跟蹤目標，對灰度圖像可以采用基于紋理和特征的相關，對彩色圖像還可利用基于顏色的相關。

McKenna等首先利用色彩和梯度信息建立自適應的背景模型，并且利用背景減除方法提取運動區域，有效地消除了影子的影響；然后，跟蹤過程在區域、人、人群三個抽象級別上執行，區域可以合并和分離，而人是由許多身體部分區域在滿足幾何約束的條件下組成的，同時人群又是由單個的人組成的，因此利用區域跟蹤器并結合人的表面顏色模型，在遮擋情況下也能夠較好地完成多人的跟蹤。Marana等認為低密度人群在圖像上體現出粗糙紋理特征，而高密度人群則體現出精細紋理特征。文獻分別采用自組織理論和Minkowsld不規則維度理論從圖像紋理特征預測人群密度。Lin等則結合Harr小波變換（HWT）和支持向量機（SVM）進行行人頭部輪廓檢測，從而達到人數統計的目的。文獻利用顏色和形狀信息實現人頭的檢測，包含兩個步驟：黑色區域提取和形狀分析。通過對HSV空間V通道的像素設置閾值這種方法有效地檢測出黑色區域，同時可以少受光照變化和陰影的影響。使用一種基于形狀描述的快速弧形結構提取方法實現人頭檢測。姬紅兵等提出了一種基于局部特征的目標跟蹤算法，通過多尺度分析方法，根據顏色和空間上的相似性將目標分割為多個區域，每個區域由一個團塊表示，團塊包含了該區域所有像素的顏色均值、形狀和位置，根據團塊特征構造目標的外觀模型，定義團塊的匹配準則，通過團塊匹配進行目標跟蹤。

1.3 基于模板匹配的人數識別

采用模板匹配識別跟蹤方法首先將圖像序列轉換為一組靜態形狀模式然后在識別過程中和預先存儲的行為標本相比較，

部分學者在運動前景提取的基礎上使用了輪廓匹配方法對目標進行定位，文獻使用了半圓模型搜索前景中人頭肩所在位置，然后使用Snake模型與卡爾曼濾波相結合對目標進行跟蹤目標，但Snake模型比較適合單目標的跟蹤，當行人發生重疊時，定位精度會有一定的下降；在此基礎上文獻提出使用含有人harr特征分類器（使用頭肩部上半身樣本），對行人重疊情況下的檢測精度有一定的提升。文獻提出使用垂直攝像頭降低行人之間的遮擋程度，通過對基于AdaBoost的人頭檢測本方法，建立一個良好的人頭檢測分類器。然后根據運動人頭的特征去除誤檢區域。最后配合過線跟蹤實現出入口人數統計。

2 視頻跟蹤問題中的難點

從上面的闡述可以看出，各種方法都有自己的優點和不足，是在文獻基礎上分析得到的幾種具體識別方法的比較結果，由于各種方法在設定理想情況下都有較好的準確率，所以不對各種方法的準確率做出比較，而是從各種算法的復雜度、魯棒性、先驗知識需求、高密度復雜人群適應性（有遮擋出現）等方面進行相對的比較分析，分析結果如表1。

2.1 視覺跟蹤問題中的難點

從控制的觀點來看，視覺跟蹤問題所面臨的主要難點可以歸結為對視覺跟蹤算法在三個方面的要求，即對算法的魯棒性、準確性和快速性。

魯棒性是指視覺跟蹤算法能夠在各種環境條件下實現對運動目標持續穩定的跟蹤。影響人數跟蹤系統魯棒性的最主要原因在于目標處環境的光照變化以及部分遮擋引起的運動目標不規則變形和全部遮擋引起的目標的暫時消失。當運動目標所處環境的光照發生改變時，采用圖像灰度信息或色彩信息作為跟蹤基礎的視覺跟蹤算法一般都會失效，而基于圖像特征的方法往往不受光照改變的影響，如利用運動目標的邊緣信息能有效避免光照變化對運動目標的影響，但在復雜環境中要將運動目標的邊緣和周圍其它目標邊緣區分開來是非常困難的，遮擋問題是視覺跟蹤算法中又一難點問題，利用單攝像機解決遮擋問題也一直是視覺跟蹤領域中的熱點。而利用多攝像機可以在很大程度上解決這一問題，但正如前所述，多攝像機的應用又會引入新的難題。

在視覺跟蹤研究中，準確性包括兩個方面，一是指對運動目標檢測的準確性，另一個是指對運動目標分割的準確性，對運動目標檢測準確性的目的是盡量避免運動目標虛檢和漏檢，從而提高對真實運動目標的檢測概率。由于實際復雜環境中存在大量噪聲。至今已經出現了上千種各種類型的分割算法，但由于尚無通用的分割理論，目前并沒有一種適合于所有圖像的通用分割算法。

一個實用的視覺跟蹤系統必須能夠實現對運動目標的實時跟蹤，這就要求視覺跟蹤算法必須具有快速性但是，視覺跟蹤算法處理的對象是包含巨大數據量的圖像，這些算法往往需要大量的運算時間，很難達到實時處理的要求，通常，簡單算法能夠實現實時跟蹤，但跟蹤精度卻很差；復雜算法具有很高的跟蹤精度，實時性卻很差，一種通用的減小視覺跟蹤算法運算量的方法是利用金字塔分解或小波變換將圖像分層處理。

3 展望與結束語

3.1 展望

實現一個具有魯棒性、準確性和快速性的視覺跟蹤系統是當前視覺跟蹤技術努力的方向。但視覺跟蹤技術在這幾個方面中每前進一步都是非常困難的，因為該技術的發展與人的感知特性的研究緊密聯系在一起，由于目前對人的感知特性沒有一個主流的理論，其數學模型更是難以建立。同時，在計算機視覺中大多數問題是不確定的，這就更增加了視覺跟蹤技術發展的難度。但是，近幾十年來，數學理論方面取得了巨大的進步，因此合理的使用在數學理論方面的知識提高系統的性能能夠很好的解決視覺跟蹤問題。例如現在已經應用在諸多領域的模糊算法，神經網絡等提高系統性能，簡化計算復雜度。

3.2 結束語

第6篇：計算機視覺研究現狀范文

一、數據融合

1.1概念的提出

1973年,數據融合技術在美國國防部資助開發的聲納信號理解系統中得到了最早的體現。

7年代末,在公開的技術文獻中開始出現基于多系統的整合意義的融合技術。1984年美國國防部數據融合小組(dfs)定義數據融合為:“對多源的數據和信息進行多方的關聯、相關和綜合處理,以更好地進行定位與估計,并完全能對態勢及帶來的威脅進行實時評估”。

1998年1月,buchroithner和wald重新定義了數據融合:“數據融合是一種規范框架,這個框架里人們闡明如何使用特定的手段和工具來整合來自不同渠道的數據,以獲得實際需要的信息”。

wald定義的數據融合的概念原理中,強調以質量作為數據融合的明確目標,這正是很多關于數據融合的文獻中忽略但又是非常重要的方面。這里的“質量”指經過數據融合后獲得的信息對用戶而言較融合前具有更高的滿意度,如可改善分類精度,獲得更有效、更相關的信息,甚至可更好地用于開發項目的資金、人力資源等。

1.2基本內容

信息融合是系統所具備的一個基本功能,人類本能地將各感官獲得的信息與先驗知識進行綜合,對周圍環境和發生的事件做出估計和判斷。當運用各種現代信息處理方法,通過計算機實現這一功能時,就形成了數據融合技術。

數據融合就是充分利用多傳感器資源,通過對這些多傳感器及觀測信息的合理支配和使用,把多傳感器在空間或時間上的冗余或互補信息依據某些準則進行組合,以獲得被測對象的一致性解釋或描述。數據融合的內容主要包括:

(1)數據關聯。確定來自多傳感器的數據反映的是否是同源目標。

(2)多傳感器id/軌跡估計。假設多傳感器的報告反映的是同源目標,對這些數據進行綜合,改進對該目標的估計,或對整個當前或未來情況的估計。

(3)采集管理。給定傳感器環境的一種認識狀態,通過分配多個信息捕獲和處理源,最大限度地發揮其性能,從而使其操作成本降到最低。傳感器的數據融合功能主要包括多傳感器的目標探測、數據關聯、跟蹤與識別、情況評估和預測。

根據融合系統所處理的信息層次,目前常將信息融合系統劃分為3個層次:

(l)數據層融合。直接將各傳感器的原始數據進行關聯后,送入融合中心,完成對被測對象的綜合評價。其優點是保持了盡可能多的原始信號信息,但是該種融合處理的信息量大、速度慢、實時性差,通常只用于數據之間配準精度較高的圖像處理。

(2)特征層融合。從原始數據中提取特征,進行數據關聯和歸一化等處理后,送入融合中心進行分析與綜合,完成對被測對象的綜合評價。這種融合既保留了足夠數量的原始信息,又實現了一定的數據壓縮,有利于實時處理,而且由于在特征提取方面有許多成果可以借鑒,所以特征層融合是目前應用較多的一種技術。但是該技術在復雜環境中的穩健性和系統的容錯性與可靠性有待進一步改善。

(3)決策層融合。首先

每一傳感器分別獨立地完成特征提取和決策等任務,然后進行關聯,再送入融合中心處理。這種方法的實質是根據一定的準則和每個決策的可信度做出最優的決策。其優點是數據通訊量小、實時性好,可以處理非同步信息,能有效地融合不同類型的信息。而且在一個或幾個傳感器失效時,系統仍能繼續工作,具有良好的容錯性,系統可靠性高,因此是目前信息融合研究的一個熱點。但是這種技術也有不足,如原始信息的損失、被測對象的時變特征、先驗知識的獲取困難,以及知識庫的巨量特性等。

1.3處理模型

美國數據融合工作小組提出的數據融合處理模型,當時僅應用于軍事方面,但該模型對人們理解數據融合的基本概念有重要意義。模型每個模塊的基本功能如下:

數據源。包括傳感器及其相關數據(數據庫和人的先驗知識等)。

源數據預處理。進行數據的預篩選和數據分配,以減輕融合中心的計算負擔,有時需要為融合中心提供最重要的數據。目標評估。融合目標的位置、速度、身份等參數,以達到對這些參數的精確表達。主要包括數據配準、跟蹤和數據關聯、辨識。

態勢評估。根據當前的環境推斷出檢測目標與事件之間的關系,以判斷檢測目標的意圖。威脅評估。結合當前的態勢判斷對方的威脅程度和敵我雙方的攻擊能力等,這一過程應同時考慮當前的環境和對敵策略等因素,所以較為困難。

處理過程評估。監視系統的性能,辨識改善性能所需的數據,進行傳感器資源的合理配置。人機接口。提供人與計算機間的交互功能,如人工操作員的指導和評價、多媒體功能等。

二、多傳感器在林業中的應用

2.1在森林防火中的應用

在用modis(moderateresolutionimagingspectroradiometer)數據測定森林火點時的2、22、23波段的傳感器輻射值已達飽和狀態,用一般圖像增強處理方法探測燃燒區火點的結果不理想。余啟剛運用數據融合技術,在空間分辨率為1m的熱輻射通道的數據外加入空間分辨率為25m的可見光通道的數據,較好地進行了不同空間分辨率信息的數據融合,大大提高了對火點位置的判斷準確度。為進一步提高衛星光譜圖像數據分析的準確性與可靠性,利用原有森林防火用的林區紅外探測器網,將其與衛星光譜圖像數據融合,可以使計算機獲得gps接收機輸出的有關信息通過與rs實現高效互補性融合,從而彌補衛星圖譜不理想的缺失區數據信息,大大提高燃燒區火點信息準確度和敏感性。

2.2森林蓄積特征的估計

hampusholmstrom等在瑞典南部的試驗區將spot-4×s衛星數據和carabas-iivhfsar傳感器的雷達數據進行了融合,采用knn(knearestneighbor)方法對森林的蓄積特征(林分蓄積、樹種組成與年齡)進行了估計。

knn方法就是采用目標樣地鄰近k個(k=1)最近樣地的加權來估計目標樣地的森林特征。研究者應用衛星光譜數據、雷達數據融合技術對試驗區的不同林分的蓄積特征進行估計,并對三種不同的數據方法進行誤差分析。試驗表明,融合后的數據作出的估計比單一的衛星數據或雷達數據的精度高且穩定性好。

2.3用非垂直航空攝像數據融合gis信息更新調查數據

森林資源調查是掌握森林資源現狀與變化的調查方法,一般以地面調查的方法為主,我國5年復查一次。由于森

林資源調查的工作量巨大,且要花費大量的人力、物力和資金。國內外許多學者都在探索航空、航天的遙感調查與估計方法。 trevorjdavis等22年提出采用非垂直的航空攝影數據融合對應的gis數據信息實現森林調查數據

的快速更新,認為對森林資源整體而言,僅某些特殊地區的資源數據需要更新。在直升飛機側面裝上可視的數字攝像裝置,利用gps對測點進行定位,對特殊地區的攝像進行拍攝,同時與對應的gis數據進行融合,做出資源變化的估計或影像的修正。

試驗表明,融合后的數據可以同高分辨率矯正圖像相比,該方法花費少,精度高,能充分利用影像的可視性,應用于偏遠、地形復雜、不易操作、成本高的區域,同時可避免遙感圖像受云層遮蓋。

三、數據融合在林業中的應用展望

3.1在木材檢測中的應用

3.1.1木材缺陷及其影響

木材是天然生長的有機體,生長過程中不可避免地有尖削度、彎曲度、節子等生長缺陷,這些缺陷極大地影響了木材及其制品的優良特性,以及木材的使用率、強度、外觀質量,并限制了其應用領域。在傳統木制品生產過程中,主要依靠人的肉眼來識別木材缺陷,而木材板材表面缺陷在大小、形狀和色澤上都有較大的差異,且受木材紋理的影響,識別起來非常困難,勞動強度大,效率低,同時由于熟練程度、標準掌握等人為因素,可能造成較大的誤差。另外在集成材加工中,板材缺陷的非雙面識別嚴重影響了生產線的生產節拍。因此必須開發一種能夠對板材雙面缺陷進行在線識別和自動剔除技術,以解決集成材加工中節子人工識別誤差大、難以實現雙面識別、剔除機械調整時間長等問題。

3.1.2單一傳感器在木材檢測中的應用

對木材及人造板進行無損檢測的方法很多,如超聲波、微波、射線、機械應力、震動、沖擊應力波、快速傅立葉變換分析等檢測方法。超聲技術在木材工業中的應用研究主要集中在研究聲波與木材種類、木材結構和性能之間的關系、木材結構及缺陷分析、膠的固化過程分析等。

隨著計算機視覺技術的發展,人們也將視覺傳感器應用于木材檢測中。新西蘭科學家用視頻傳感器研究和測量了紙漿中的纖維橫切面的寬度、厚度、壁面積、壁厚度、腔比率、壁比率等,同時準確地測量單個纖維和全部纖維的幾何尺寸及其變化趨勢,能夠區分不同紙漿類型,測定木材纖維材料加固結合力,并動態地觀察木材纖維在材料中的結合機理。

新西蘭的基于視覺傳感器的板材缺陷識別的軟件已經產業化,該軟件利用數碼相機或激光掃描儀采集板材的圖像,自動識別板材節子和缺陷的位置,控制板材的加工。該軟件還具有進行原木三維模型真實再現的計算機視覺識別功能,利用激光掃描儀自動采集原木的三維幾何數據。

美國林產品實驗室利用計算機視覺技術對木材刨花的尺寸大小進行分級,確定各種刨花在板中的比例和刨花的排列方向;日本京都大學基于視覺傳感器進行了定向刨花板內刨花定向程度的檢測,從而可以通過調整定向鋪裝設備優化刨花的排列方向來提高定向刨花板的強度。

在制材加工過程中,利用計算機視覺技術在線實時檢測原木的形狀及尺寸,選擇最佳下鋸方法,提高原木的出材率。同時可對鋸材的質量進行分級,實現木材的優化使用;在膠合板的生產過程中,利用計算機視覺技術在線實時檢測單板上的各種缺陷,實現單板的智能和自動剪切,并可測量在剪切過程中的單板破損率,對單板進行分等分級,實現自動化生產過程。wengert等在綜合了大量的板材分類經驗的基礎上,建立了板材分級分類的計算機視覺專家系統。在國內這方面的研究較少,王金滿等用計算機視覺技術對刨花板施膠效果進行了定量分析。

x射線對木材及木質復合材料的性能檢測已得到了廣泛的應用,目前該技術主要應用于對木材密度、含水率、纖維素相對結晶度和結晶區大小、纖維的結構和性質等進行檢測,并對木材內部的各種缺陷進行檢測。

3.1.3數據融合在木材檢測中的應用展望

單一傳感器在木材工業中已得到了一定程度的應用,但各種單項技術在應用上存在一定的局限性。如視覺傳感器不能檢測到有些與木材具有相同顏色的節子,有時會把木板上的臟物或油脂當成節子,

造成誤判,有時也會受到木材的種類或粗糙度和濕度的影響,此外,這種技術只能檢測部分表面缺陷,而無法檢測到內部缺陷;超聲、微波、核磁共振和x射線技術均能測量密度及內部特征,但是它們不能測定木材的顏色和瑕疵,因為這些缺陷的密度往往同木板相同。因此,一個理想的檢測系統應該集成各種傳感技術,才能準確、可靠地檢測到木材的缺陷。

基于多傳感器(機器視覺及x射線等)數據融合技術的木材及木制品表面缺陷檢測,可以集成多個傳統單項技術,更可靠、準確地實時檢測出木材表面的各種缺陷,為實現木材分級自動化、智能化奠定基礎,同時為集裁除鋸、自動調整、自動裁除節子等為一身的新型視頻識別集成材雙面節子數控自動剔除成套設備提供技術支持。

3.2在精確林業中的應用

美國華盛頓大學研究人員開展了樹形自動分析、林業作業規劃等研究工作;auburn大學的生物系統工程系和usda南方林業實驗站與有關公司合作開展用gps和其他傳感器研究林業機器系統的性能和生產效率。

第7篇：計算機視覺研究現狀范文

0 引言

從X光圖像分析識別出鑄件或其他產品內部缺陷的應用越來越多，產品不同結構形成的x射線圖像

>> 基于視覺特征的圖像聚類方法研究 基于特征的圖像網格生成方法 基于計算機視覺的構件表面缺陷特征提取 基于加權特征空間信息視覺詞典的圖像檢索模型 一種基于小波變換的墻地磚缺陷圖像特征提取方法 鑄件缺陷的檢查與修補 基于圖像缺陷分割技術的綜述 圖像中輪廓結構的視覺特征研究 淺談鑄件疏松和超聲波檢測的優點 基于文本區域特征的圖像型垃圾郵件過濾算法 論城市視覺形象的生成與特征 鑄件缺陷無損檢測方法的研究現狀分析 消失模鑄件的常見缺陷及對策 基于互補特征的紋理圖像檢索 基于顏色特征的圖像檢索技術 基于局部特征的智能圖像融合 基于聯合特征的圖像檢索 基于紋理特征的道路圖像分類 一種基于圖像特征的圖像分類方法 基于機器視覺的瓷磚缺陷檢測機構 常見問題解答 當前所在位置：中國 > 科技 > 基于定性視覺特征的鑄件疏松型缺陷圖像生成 基于定性視覺特征的鑄件疏松型缺陷圖像生成 雜志之家、寫作服務和雜志訂閱支持對公帳戶付款！安全又可靠！ document.write("作者：未知 如您是作者，請告知我們")

申明:本網站內容僅用于學術交流，如有侵犯您的權益，請及時告知我們，本站將立即刪除有關內容。 0 引言

從X光圖像分析識別出鑄件或其他產品內部缺陷的應用越來越多，產品不同結構形成的x射線圖像與缺陷識別算法密切相關，算法的有效性魯棒性的調試檢測因而需要大量待測產品圖像樣本。在產品質量較好的情況下。獲取大量帶缺陷樣本通常需要一個較長時期。由于算法測試需要在產品批量檢測之前進行，這使得樣本更加難以獲得。通過仿真缺陷并疊加至產品圖像的方法獲取樣本很早便受到關注，并長期基于計算機輔助畫圖(CAD)軟件技術：一方面可以對包含缺陷的工件整體仿真；另一方面則是上述的缺陷圖像疊加。利用cAD軟件除了其計算量太、模型計算復雜，還有一個較大的局限是缺陷生成的隨機性差，cAD需在確定模型的基礎上形成缺陷，模型的產生因此成為瓶頸技術。從實際生產看，基本上每個產品所存在的缺陷都不相同，因此缺陷的仿真，更確切地說應該是生成，就不是對某個具體對象的模仿和逼近，而應在視覺上符合缺陷的定義，在缺陷圖像生成算法中滿足其特征的統計數值范圍。

第8篇：計算機視覺研究現狀范文

【關鍵詞】量子計算；量子計算機；量子算法；量子信息處理

1、引言

在人類剛剛跨入21山_紀的時刻，！日_界科技的重大突破之一就是量子計算機的誕生。德國科學家已在實驗室研制成功5個量子位的量子計算機，而美國LosAlamos國家實驗室正在進行7個量子位的量子計算機的試驗。它預示著人類的信息處理技術將會再一次發生巨大的飛躍，而研究面向量子計算機以量子計算為基礎的量子信息處理技術已成為一項十分緊迫的任務。

2、子計算的物理背景

任何計算裝置都是一個物理系統。量子計算機足根據物理系統的量子力學性質和規律執行計算任務的裝置。量子計算足以量子計算目L為背景的計算。是在量了力。4個公設（postulate）下做出的代數抽象。Feylllilitn認為，量子足一種既不具有經典耗子性，亦不具有經典渡動性的物理客體（例如光子）。亦有人將量子解釋為一種量，它反映了一些物理量（如軌道能級）的取值的離散性。其離散值之問的差值（未必為定值）定義為量子。按照量子力學原理，某些粒子存在若干離散的能量分布。稱為能級。而某個物理客體（如電子）在另一個客體（姻原子棱）的離散能級之間躍遷（transition。粒子在不同能量級分布中的能級轉移過程）時將會吸收或發出另一種物理客體（如光子），該物理客體所攜帶的能量的值恰好是發生躍遷的兩個能級的差值。這使得物理“客體”和物理“量”之問產生了一個相互溝通和轉化的橋梁；愛因斯坦的質能轉換關系也提示了物質和能量在一定條件下是可以相互轉化的因此。量子的這兩種定義方式是對市統并可以相互轉化的。量子的某些獨特的性質為量了計算的優越性提供了基礎。

3、量子計算機的特征

量子計算機，首先是能實現量子計算的機器，是以原子量子態為記憶單元、開關電路和信息儲存形式，以量子動力學演化為信息傳遞與加工基礎的量子通訊與量子計算，是指組成計算機硬件的各種元件達到原子級尺寸，其體積不到現在同類元件的1%。量子計算機是一物理系統，它能存儲和處理關于量子力學變量的信息。量子計算機遵從的基本原理是量子力學原理：量子力學變量的分立特性、態迭加原理和量子相干性。信息的量子就是量子位，一位信息不是0就是1，量子力學變量的分立特性使它們可以記錄信息：即能存儲、寫入、讀出信息，信息的一個量子位是一個二能級（或二態）系統，所以一個量子位可用一自旋為1/2的粒子來表示，即粒子的自旋向上表示1，自旋向下表示0；或者用一光子的兩個極化方向來表示0和1；或用一原子的基態代表0第一激發態代表1。就是說在量子計算機中，量子信息是存儲在單個的自旋’、光子或原子上的。對光子來說，可以利用Kerr非線性作用來轉動一光束使之線性極化，以獲取寫入、讀出；對自旋來說，則是把電子（或核）置于磁場中，通過磁共振技術來獲取量子信息的讀出、寫入；而寫入和讀出一個原子存儲的信息位則是用一激光脈沖照射此原子來完成的。量子計算機使用兩個量子寄存器，第一個為輸入寄存器，第二個為輸出寄存器。函數的演化由幺正演化算符通過量子邏輯門的操作來實現。單量子位算符實現一個量子位的翻轉。兩量子位算符，其中一個是控制位，它確定在什么情況下目標位才發生改變；另一個是目標位，它確定目標位如何改變；翻轉或相位移動。還有多位量子邏輯門，種類很多。要說清楚量子計算，首先看經典計算。經典計算機從物理上可以被描述為對輸入信號序列按一定算法進行交換的機器，其算法由計算機的內部邏輯電路來實現。經典計算機具有如下特點：

a）其輸入態和輸出態都是經典信號，用量子力學的語言來描述，也即是：其輸入態和輸出態都是某一力學量的本征態。如輸入二進制序列0110110，用量子記號，即10110110>。所有的輸入態均相互正交。對經典計算機不可能輸入如下疊加Cl10110110>+C2I1001001>。

b）經典計算機內部的每一步變換都將正交態演化為正交態，而一般的量子變換沒有這個性質，因此，經典計算機中的變換（或計算）只對應一類特殊集。

相應于經典計算機的以上兩個限制，量子計算機分別作了推廣。量子計算機的輸入用一個具有有限能級的量子系統來描述，如二能級系統（稱為量子比特），量子計算機的變換（即量子計算）包括所有可能的幺正變換。因此量子計算機的特點為：

a）量子計算機的輸入態和輸出態為一般的疊加態，其相互之間通常不正交；

b）量子計算機中的變換為所有可能的幺正變換。得出輸出態之后，量子計算機對輸出態進行一定的測量，給出計算結果。由此可見，量子計算對經典計算作了極大的擴充，經典計算是一類特殊的量子計算。量子計算最本質的特征為量子疊加性和相干性。量子計算機對每一個疊加分量實現的變換相當于一種經典計算，所有這些經典計算同時完成，并按一定的概率振幅疊加起來，給出量子計算的輸出結果。這種計算稱為量子并行計算，量子并行處理大大提高了量子計算機的效率，使得其可以完成經典計算機無法完成的工作，這是量子計算機的優越性之一。

4、量子計算機的應用

量子計算機驚人的運算能使其能夠應用于電子、航空、航人、人文、地質、生物、材料等幾乎各個學科領域，尤其是信息領域更是迫切需要量子計算機來完成大量數據處理的工作。信息技術與量子計算必然走向結合，形成新興的量子信息處理技術。目前，在信息技術領域有許多理論上非常有效的信息處理方法和技術，由于運算量龐大，導致實時性差，不能滿足實際需要，因此制約了信息技術的發展。量子計算機自然成為繼續推動計算速度提高，進而引導各個學科全面進步的有效途徑之一。在目前量子計算機還未進入實際應用的情況下，深入地研究量子算法是量子信息處理領域中的主要發展方向，其研究重點有以下三個方面；

（1）深刻領悟現有量子算法的木質，從中提取能夠完成特定功能的量子算法模塊，用其代替經典算法中的相應部分，以便盡可能地減少現有算法的運算量；

（2）以現有的量子算法為基礎，著手研究新型的應用面更廣的信息處理量子算法；

（3）利用現有的計算條件，盡量模擬量子計算機的真實運算環境，用來驗證和開發新的算法。

5、量子計算機的應用前景

目前經典的計算機可以進行復雜計算，解決很多難題。但依然存在一些難解問題，它們的計算需要耗費大量的時間和資源，以致在宇宙時間內無法完成。量子計算研究的一個重要方向就是致力于這類問題的量子算法研究。量子計算機首先可用于因子分解。因子分解對于經典計算機而言是難解問題，以至于它成為共鑰加密算法的理論基礎。按照Shor的量子算法，量子計算機能夠以多項式時間完成大數質因子的分解。量子計算機還可用于數據庫的搜索。1996年，Grover發現了未加整理數據庫搜索的Grover迭代量子算法。使用這種算法，在量子計算機上可以實現對未加整理數據庫Ⅳ的平方根量級加速搜索，而且用這種加速搜索有可能解決經典上所謂的NP問題。量子計算機另一個重要的應用是計算機視覺，計算機視覺是一種通過二維圖像理解三維世界的結構和特性的人工智能。計算機視覺的一個重要領域是圖像處理和模式識別。由于圖像包含的數據量很大，以致不得不對圖像數據進行壓縮。這種壓縮必然會損失一部分原始信息。

作者簡介：

第9篇：計算機視覺研究現狀范文

Abstract:There are three stages about the development of video monitoring system, simulative video surveillance system, digital video monitoring system and digital control system, and the intelligent video surveillance system is the future and hope of video monitoring system. Intelligent video analysis technology is the key technology of intelligent video surveillance, the core of changing passive surveillance into active identification.

關鍵詞:視頻監控系統,智能視頻分析系統,智能視頻分析技術

Key words:video monitoring system; intelligent video analysis system; intelligent video analysis technology

中圖分類號:TP27 文獻標識碼:A文章編號:1006-4311(2010)17-0097-02

0引言

俗話說“百聞不如一見”,視覺信息在人類活動所涉及的信息中占據的比重最大,而且由于其空間和結構特性使其不能為任何其他信息所替代。智能視頻監控(IVS,Intelligent Video surveillance)技術源于計算機視覺(CV,Computer Vision)技術,作為人工智能(AI,Artificial Intelligent)研究的一個分支,是一項新興的安防技術,有著廣闊的發展前景。智能視頻監控技術是指利用計算機視覺的方法,在不需要人為干預的情況下,通過對視頻序列進行實時自動分析,實現對目標的定位、識別和跟蹤,并在此基礎上進行行為分析,以達到完成日常管理和對異常情況預警的目的。基本的智能視頻監控系統主要由視頻數據采集、視頻數據編碼、視頻數據傳輸以及視頻數據分析處理和異常行為報警等部分組成。進入21世紀以來,國際反恐斗爭的形勢日趨嚴峻,智能視頻監控作為安防系統的重要組成部分,廣泛應用于各種公共場所和大型活動之中。我國的智能視頻監控技術也在“平安城市”項目、奧運安防和上海世博會安防等各行業安防項目的強勁刺激和拉動下,進入了蓬勃發展階段。

1智能視頻監控的發展歷程及研究現狀

近三十年來,視頻監控系統的發展經歷了模擬視頻監控系統、數字視頻監控系統、全數字化監控系統(網絡攝像機和視頻服務器)三個階段的演變,得到了巨大的發展。

1.1 模擬視頻監控系統早期的視頻監控是以攝像機、監視器(電視機)組成的純模擬的視頻監控系統,稱為閉路監視系統。隨后出現了視頻切換設備,閉路監視系統加入多路視頻切換、攝像機云臺/鏡頭控制和報警聯動等數字控制功能,實現了數字控制的模擬視頻監控系統,稱為第一代視頻監控系統。

1.2 數字視頻監控系統20世紀90年代中期,以DVR(Digital Video Recorder)為代表的第二代視頻監控系統出現在視頻監控市場上,大大提高了用戶對錄像信息的處理能力。DVR使用戶可以將模擬的視頻信號進行數字化并存儲在硬盤而不是盒式錄像帶上。用戶還可以通過DVR控制攝像機的啟閉,從而實現移動偵測功能,對于報警事件以及事前/事后報警信息的搜索也變得十分簡單。

1.3 網絡視頻監控系統進入21世紀以后,隨著網絡帶寬、計算機處理能力和存儲器容量的迅速提高,以及各種實用視頻信息處理技術的出現,視頻監控進入了全數字化的網絡時代,稱為第三代視頻監控系統,即全數字視頻監控系統或網絡數字視頻監控系統。然而由于作為監控者的人類自身生理上的弱點和視頻監控設備在功能和性能上的局限性,使得各類視頻監控系統均不同程度存在精確度差、報警不及時、誤報和漏報等現象,以至系統的安全性和實用性得不到保障。因此,能夠每天連續24小時實時智能監視,并能夠自動分析攝像機捕捉的圖像數據,當異常發生時又能向保衛人員準確及時地發出警報的智能視頻監控系統應運而生,這樣即可以有效預防犯罪發生,同時也減少了雇傭大批監視人員所需要的人力、財力和物力的投入。隨著計算機視覺技術的不斷發展和計算機處理能力的迅速提高,智能視頻監控系統以其快速從海量視頻信息中自動分析和抽取關鍵信息的優勢,迅速占領國內外安防市場。

2智能視頻監控系統的關鍵技術及優勢

所謂智能視頻監控,就是指采用智能視頻分析算法,利用計算機視覺技術對視野范圍內的目標進行行為的分析和內容提取,當發現符合某種規則的行為(如越界、游蕩、滯留等)發生時,自動發出提示信號,采取特定對應措施(如聲光報警、移動監測并記錄)或通知監控人員進行人工干預等。作為智能視頻監控的關鍵技術,智能視頻分析技術可分為動態視頻目標檢測定位、動態視頻目標跟蹤、動態視頻目標分類識別、行為理解與描述、異常事件分析等部分。

動態視頻目標檢測技術是智能視頻分析的基礎,主要是指通過監控畫面識別目標區域的圖像變化,從監控場景中將目標提取出來。主要方法是背景減除法、時間差分法、光流法、特征檢測法等。動態視頻目標跟蹤是指結合物體的外表和運動特性,實現對不同形狀、顏色、不同背景的目標進行識別的技術。常用的方法有基于運動估計的跟蹤、基于特征的跟蹤、基于主動輪廓的跟蹤等。動態視頻目標分類識別包含目標的識別、目標行為模式的分析、目標的狀態分析等。行為理解與描述是最具挑戰的研究方向,因為觀察人的最終目標就是分析和理解人的個人行為、人與人之間及人與其它目標的交互行為等。近年來,利用機器學習工具構建人行為的統計模型方面有了一定的進展,但特征選擇和機器學習仍然是行為理解的難點。主要方法是狀態空間法和模板匹配方法。異常事件分析報警則是智能視頻監控的主要目的,是視頻監控智能化的必然要求。智能視頻監控系統較于以往的視頻監控系統有很大的優勢,它在很大程度上彌補了普通智能視頻監控系統的缺陷,變被動監控為主動識別。智能視頻監控系統的優勢很明顯,如全天候可靠的視頻監控,減少了人為因素造成的誤報、漏報,將監控人員從"目不轉睛"和主觀的分析判斷模式中解放出來。通過智能視頻分析模塊對監控畫面的自動分析,實現對異常事件的主動編碼、報警和保存。提高報警精度和響應速度,前端設備集成強大的數字圖像處理功能,并運行高級的智能視頻分析算法,使用戶可以更加精確的定義安全威脅的特征,識別可疑活動,在安全威脅發生之前提示監控人員提前做好準備,并根據實際情況驅動預案生成和執行。智能視頻監控還可以有效的擴展視頻資源的用途,將視頻資源應用到非安全領域中,如大型活動的人數統計、重要人物身份識別等。

3智能視頻監控系統的應用及發展方向

智能視頻監控系統的應用主要分為兩大類:安全相關類應用和非安全相關類應用。安全相關類應用主要是在安防系統中。伴隨重大政治、經濟、體育活動的增加,恐怖襲擊的頻繁發生,市場上對此類應用的需求不斷增長。主要包括:高級視頻移動偵測(Advanced VMD)、物體追蹤(Motion Tracking)、人臉識別(Facial Detection)、車輛識別(Vehicle Identification)、非法滯留(ObjectPersistence)等。目前,智能視頻監控系統已經在高端的安防市場有了多年應用,如在機場、監獄、軍事基地和其他大型基礎設施中。以機場為例,它的周界太過分散,監控人員無法完全監控到所有周界。這時,智能化的監控系統就可以充分展示它的才能了,它能夠自動探測在某些特定場所和時間內進入或離開某一區域的可疑物體。除了安全相關類應用之外,智能視頻監控系統還可以應用到非安全相關類應用當中。這些應用主要面向服務和零售行業,可以看作管理和服務的輔助工具,有效提高服務水平和營業額。這類應用主要有:人數統計(People Counting)、人群控制(Flow Control)、注意力控制(Attention Control)和交通流量控制(Traffic Flow)等。例如一些賓館或商場大堂的監控錄像可以通過人數統計功能,計算客流量和銷售情況;通過人臉識別等功能加強對VIP客戶的服務,智能視頻監控系統自動識別VIP客戶的特征,并通過客服人員及時做好服務工作,有效提高工作效率和工作質量。

目前,大部分智能視頻監控系統的核心算法仍然掌握在歐美等先進國家,并迅速形成了相對成熟的產品應用于安防系統中,如美國的Vidient、ObjectVideo,以色列的Mate,日本的NICE等。據IMS Research調查顯示,世界范圍內IVS(Intelligent Video System)的市場占有率為35%~36%,其中美國的OV(Object Video)就占有了9%左右。在國內,智能視頻監控也得到了長足的發展,如中國電信“全球眼”、中國網通“寬世界”、中國鐵通“智控眼”等品牌,大多面向行業用戶開展,市場收入不菲,競爭越來越激烈。2008年奧運會和2010年上海世博會更是使智能視頻監控系統得到了廣泛的應用和發展。

4結束語

綜上所述,智能化是視頻監控發展的必然趨勢,智能視頻監控系統正受到越來越多的關注,需求量也在不斷增加。雖然,目前仍存在許多問題,如:圖像質量問題、安全檢查問題等。但隨著智能視頻分析技術的不斷發展,各種硬件費用的降低和通信運營商的投資發展,智能視頻監控系統將得到更廣泛的應用和發展。現在,它已完成了2008奧運安防的重大使命,也將為2010的"平安世博"保駕護航。

參考文獻:

[1]郭瑞霞, 吳運新,宋躍輝.智能跟蹤視頻監視系統研究[J].電視技術, 2006,(2):74-77.