前言：中文期刊网精心挑选了计算机视觉技术及应用范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
计算机视觉技术及应用范文1
关键词:计算机视觉；果蔬分类；应用；挑战；展望
自“农业4.0”时代的来临，以“互联网+”为驱动的农业技术已成为发展农业强有力的支撑。在果蔬业中，果蔬分类通常由经过训练的人员人工评估农产品或农作物的质量。但是，人工分类会带来许多相关的限制，工作人员需要熟悉果蔬的许多特征，并且高强度的机械性工作带来的失误不可避免，因而分类技术的提高是农产品质量提升的关键。计算机视觉技术具有效率高、非接触、抗干扰能力强等优点，在多个领域已经广泛应用，能实现农产品快速无损检测的要求[1]。果蔬分级效率的提升对我国产品质量提升、农民增产增收具有重要意义。
1图像处理技术在果蔬分类领域的应用
本文对基于计算机视觉技术的果蔬分类进行了比较调查，发现研究人员多使用一种或者多种传感器或者机器学习技术进行农产品的分类与分级，但是由于相同水果品种不同造成形状、大小与颜色的不同，果蔬的分类依然面临着许多挑战[2]。为解决这些问题研究人员已经进行了多种实验，其中结合机器学习技术对于系统有明显提升。通过使用传感器捕获水果与蔬菜的特征，使用机器学习对任务进行优化，以提高系统整体性能[3]。
2果蔬分类的主要挑战
虽然已经在多个产业中实现目标分类，但将果蔬作为对象进行分类仍然是一项复杂的问题。在实际过程中，环境、光及空间等因素制约了系统的优化，使系统的时间与准确性方面受到限制。光照方向及亮度、色温以及背景所造成的镜面反射与漫反射都会制约系统的进一步优化，并且不同种类果蔬的特征并不相同，这也使果蔬分类系统没有被广泛地开发。
2.1缺乏合适的传感器
分类任务的一个关键步骤就是选择适合场景的传感器用于数据采集。在果蔬的分类任务中视觉传感器与非视觉传感器已经广泛地应用，但是由于各种传感器性质不同其所适用的应用场景亦有不同[4-6]。例如超声波传感器与触觉传感器都不太适合易损的目标物[7]。因为这些传感器需要物理接触果蔬以获取数据。另外，视觉传感器对许多因素高度敏感，例如照明条件和背景环境。这些基本因素是许多复杂因素的结合，包括反射、折射、缩放、旋转和平移，这在系统实际的设计中需要深入考虑。传感器大致分为视觉传感器和非视觉传感器。由于每个传感器具有一定的局限性，例如视觉传感器对照明条件和背景颜色高度敏感。高光谱相机可以得出物体反射特性，检测具有相似颜色或背景的不同对象的固有特性，其对许多颜色等因素不敏感，并且高光谱信息与水果的其他特征相结合，可以提高系统性能。最近，热红外分析已用于许多领域，例如植物病害检测、冷藏对果实的冷害、农作物成熟度估算和农作物产量估算[8]。然而，由于蔬菜和背景的热物理性质大致相似，并且这种技术对温度变化敏感，因而热红外分析仍不能很好地完成绿颜色水果和多叶蔬菜的分类任务。
2.2难以准确选择特征
特征是用于与其他物体区分的物理特征。果蔬具有多种物理特征，例如颜色、质地、形状和大小，这些都是可以用作分类的特征参数，并且果蔬具有类间和类内的同异性。类别间的变化是主要变化，即颜色、纹理和形状的变化，而类别内的变化更难以发现，特征更加难以区分。理想的系统能够进行类间和类内分类。研究表明，单个特征不能有效地对果蔬或物体进行有效分类。计算机视觉是用于图像分类和识别的一种技术，可以设计算法通过多种方式对果蔬进行分类，通常分类是基于神经网络完成。在任何机器学习应用程序中选择合适的算法至关重要，但是由于果蔬的类间相似性，算法优化尤为重要。数字图像中某些与特性有关信息的识别、分类、检索、重建称为特征描述，果蔬具有相关的独特视觉特征。果蔬的分类和识别最常用的特征是颜色、形状、大小和质地，可以根据整体或局部图像特征来选择特征描述是全局或者局部的特征。特别是对于对象识别，全局图像特征描述整个对象，具有良好的不变性，而局部图像特征则易于实现快速匹配。因此，通常将局部和全局图像特征配合使用以提高整体性能。在图像经过去噪、平滑等操作之后，图像的细节将不可避免地丢失，因而需要更加注意特征的选取。这些因素对特征描述的选取造成了一些限制。
3展望
计算机视觉技术及应用范文2
关键词：视觉原理；计算机视觉艺术；数字媒体；应用
利用计算机所具有的视觉艺术，大众仅仅利用需要实施身体动作来直接性的操作以及控制，根本就不需要学习就能够启动以及进行一定的操作，这样更加方便老年人以及儿童的实际操作。在数字媒体当中，应该对计算机视觉艺术进行充分利用，更加方便人们的实际操作，同时还能够保证其更好的感受艺术方面所具有的魅力，让群众在足够放松的时刻能够对创作者的实际思想以及意图进行充分的了解以及掌握，对艺术价值进行充分发挥，进而来有效提升艺术人文的实际价值。
1对计算机视觉原理进行分析
通常来讲，计算机视觉还称为机械视觉，属于是机械来对人类视觉进行一定的模仿的光学识别系统，利用光学系统、感应器、光源等来实现物体定位、动作的追踪以及视线的判断等相关的功能。一般情况下，工程技术所运用的基本都是计算机视觉，当有着一定的环境以及模式时，计算机视觉在进行持续性的工作时，能够有效保证持续工作有着非常高的正确性以及准确性，还能够对人工不可以完成的任务进行很好的完成。当计算机视觉在进行实际的工作过程中，最为基本的条件是先对映像进行处理，之后输入模拟讯号，对数字影像进行一定的处理以及分析。实际的工作流程是：影像在摄入之后，应该对其进行一定的强化，除去噪声，之后对图像特征进行一定的压缩以及获取。在对数据库样本进行一定的对比之后，对程序进行有效的分析以及判断，做出有效的指令。
2对数字媒体当中计算机视觉艺术的实际应用进行分析
2.1艺术与计算机进行一定的融合时，应该对动画、声音以及图像等因素进行有效结合，在对艺术语言表现形式进行丰富的同时，应该提高作品的感染力
在有些结合视觉艺术以及数字媒体时，应该保证在对画面进行观看时，应该有效的欣赏画面，还可以有效的感受到声色等。利用高度仿真的听觉、触觉以及视觉，保证大众在进行玩游戏时，可以对虚拟世界进行真实的感受，还能够利用动作以及肢体语言等来和计算机实现有效的交流。保证大众不是对电影单独的进行欣赏，还应该更好的参与到其中，体会艺术的表演。
2.2在数字媒体当中运用计算机视觉艺术能够对艺术的实际表达形式进行有效的丰富
随着交互技术的逐渐成熟以及发展，让该技术得到了有效的拓展以及广泛的运用。运用交互技术，应该让人们不受到被动的欣赏，应该积极的参与到视觉艺术当中，保证大众的积极参与以及做出判断，同能够利用各种选择来呈现出过程以及解决，对观众的兴趣进行充分的调动，进而来有效提高大众的参与积极性。
2.3在电子游戏当中，运用计算机视觉艺术，应该在相对比较大型的电子游戏当中进行计算机视觉技术的运用
在实际的游戏过程当中，大部分的玩家基本上不再是仅仅运用键盘以及鼠标来实施游戏，大部分都是利用身体行动来移动。通常情况下，机器利用摄像机部来对玩家的具体身体动作进行一定的捕捉，玩家能够与机器相连接的手枪进行有效的操作，射中屏幕当中的对象。同时，手机上的相对比较小型的电子游戏，仅仅需要手指来滑动屏幕，就能够实现实物的运动以及跳跃等，进而来躲避障碍。除此之外，仅仅需要稍微的倾斜一些收集，就能够实现人物两侧的奔跑，同时还能够保证声光效果，实现互动，具有非常大的震撼力，会在很大程度上促进大众参与的积极性。
2.4分析数字媒体中计算机视觉技术的应用，保证数字媒体技术有效表现艺术
同时在实用艺术以及纯艺术当中，也会运用到数字媒体，该技术能够让相对比较单纯的个人视觉实现有效的创造，同时还能够把艺术箱社会性视觉产品进行转化，并得到一定的经济效益。同时，大众能够通过剪切以及拷贝等相关的方式来有效获取视觉技术，之后有效的转化艺术资源，有效奠定了创作视觉艺术的基础。现阶段，大众对于个性化以及独特性有着逐渐提高的需求，在对相对比较独特的视觉技术进行追求时，在一定程度上提高了评价视觉作品的标准。在数字媒体当中运用计算机视觉技术，会在很大程度上提高大众对美的享受，保证大众能够充分感受到舒适以及愉快的感觉，同时还能够得到审美方面的评价，在该过程当中，不能够参杂任何的因素，应该让计算机视觉因素仅仅对视觉美感以及视觉形式进行充分的追求，可以有效体现艺术的本质。同时，数字媒体有着美方面的品格，有效结合计算机视觉艺术，保证数字媒体艺术的美以及真。这个实际的运用过程能够有效提升审美方面的机制，更好的领悟视觉艺术当中所存在的美。
3结语
综上所述，在数字媒体当中，计算机视觉技术的运用，应该有效结合图像、动画、声音以及文本等多个因素，在对语言表现的具体形式进行一定的丰富时，应该让作品具有更大的感染力。除此之外，还应该保证视觉技术有何足够的光声效果，利用一定的互动，会具有非常大的震撼能力，积极促进大众的参与程度。还可以在很大程度上满足大众对于美方面的追求，进而对其所具有的艺术价值进行充分发挥，有效提升艺术所具有的人文价值。
参考文献
[1]刘晓,王会霞.计算机视觉艺术在数字媒体领域的应用研究[J].互联网天地,2015,07:21-24.
[2]丛婧.浅谈计算机视觉艺术在数字媒体的应用[J].电子制作,2013,18:75.
计算机视觉技术及应用范文3
电力系统自动化是电力系统的发展趋势，随着计算机技术的不断成熟，应用领域不断拓展，在电力自动化系统中的信息输入、输出甚至是存储和传输中都应用了计算机技术。鉴于电力系统具有功能复杂，分布范围广，管理调度较为集中等特点，故基于计算机的视觉图像技术在电力自动化系统中具有非常广泛的应用领域和应用前景。如结合红外成像技术对线路设备进行监测、应用遥感技术和工业电视技术分担工作人员的工作压力等。
如果能够将基于图像识别和图像处理的计算机视觉技术安全合理的应用到电力系统中，可以对电力系统的智能监控和处理。目前，已有部分应用实例投入使用，如利用红外图像分析技术对电力设备进行简单识别、结合传感器等对火电厂煤粉锅炉火焰燃烧状态的判断等。
二、计算机视觉技术在电力系统自动化中的应用
计算机视觉技术是通过对采集到的数据图像进行处理和分析来模拟和研究微观或者宏观层面视觉功能的技术。具体到电力系统自动化领域，计算机视觉技术主要被应用在三个方面，分别为地区调度实时监控、设备运行负荷控制和变电站自动化监控和处理。其中，地区调度实时监控中的计算机视觉技术功能与中心调度监控系统相似，都是通过多台计算机和图像采集设备实现对电力设备运行的监控和对电力的实时调度等。而设备运行负荷控制通常需要利用工频或者声频参与控制，还无法完全脱离人的视觉参与实现自动控制。变电站自动化监控和处理是变电站自动化发展的方向，该技术是利用计算机，通过对实时状态进行视频监控和数据处理，以实现无人值守的自动化运行模式。
典型的应用领域为下述几个方面。
1.计算机视觉技术在在线监测中的应用。该应用主要是利用计算机的红外图像识别技术对电力设备进行在线监测实现的。电气设备的表面温度在一定程度上可以反映其运行的状态，利用图像采集设备对电气设备进行红外成像拍摄，可以获取设备温度的实时动态，在此基础上对红外图像进行图谱分析，并与正常运行时的参照标准进行比较，即可实现对电力设备的在线监测。同时，若设备出现故障，利用红外成像技术还能对故障位置进行定位，这就为及时进行检修提供了强力的支持。
例如，断路器触头接触不良、输电线路绝缘环境的变差、变压器少油等故障都会造成局部设备过热。若只采用传统检修方式，无法切实掌握设备运行状态，只能在故障发生后寻找故障部位，检查确认后才能进行排除处理。计算机视觉技术的应用，首先简化了检测方式，只需要将成像设备在有效范围内对电气设备进行远距离测量即可实现；其次在监测方面，一旦设备的监测数据超出正常范围的最大或最小阈值，即可认定该部位已经发生故障，实现对故障的及时处理，由于定位更为准确，且减少了传统的故障部位确认环节，故提高了系统运行与监测效率。
2.计算机视觉技术在无人值班变电站和电场环境监控中的应用。在无人值班变电站中，利用微波双鉴探测器和计算机网络等组成无人监视系统，通过该系统对变电站周边环境进行视频监控，然后利用差分图像、光流法等计算机视觉技术等对移动物体进行判断和识别，确认移动物体属性，若出现情况可以进行实时报警。实际应用表明，在适当天气条件下，该系统的识别准确率保持在较高水平。若变电站周边发生火情，还可以辅助红外图像识别对火势进行判断并报警。
3.计算机视觉技术在电力线路监测中的应用。随着经济社会的发展，为满足人们日益增长的电力需求，必须进行大量的电力线路铺设，在铺设过程中，通常需要穿越复杂的地理环境，这种情况为线路巡检员的工作带来了极大的困难，且巡检效率不高、存在巡检盲区等。此时，利用计算机视觉技术可以很好的解决该问题。对电力线路安装监测机器人，在机器人中安装控制装置，位置传感器、测距传感器和CCD视觉传感器，线路检测装置，无线图像传输设备等，通过机器人在线路中行走对线路进行温度识别和分布判断，进而完成线路的巡视工作。该方式可以减少恶劣环境对巡线工作带来的操作难度，提高工作效率，增强故障判断精度。
4.计算机视觉技术在位置判断中的应用。利用计算机视觉技术可以对电力系统中的开关刀闸位置和继电保护压板的位置进行监测。开关刀闸具有三种状态，分别为闭合、断开和异常。若开关刀闸位置不适当会影响到系统的工作状态。利用计算机视觉技术可以自动识别其工作状态，并对不正常状态进行报警。继电保护压板会随着电网或者变电站的运行方式的变化而变化。操作规范要求值班人员对压板的位置进行确认和纠正。若压板位置不正确会导致继电保护出现错误动作甚至引发事故。在压板监测方面，由于压板电信息不明辨，传统检测方式不易对其进行检测，若采用计算机视觉技术，利用成像技术对压板盘面进行图像采集，然后通过图像识别技术对独享进行识别，即可实现对压板位置的判断。
计算机视觉技术及应用范文4
1.1自动化程度高
计算机视觉可以实现对农产品的多个外形和内在品质指标进行同时检测分析，可以进行整体识别、增强对目标识别的准确性。
1.2实现无损检测
由于计算机视觉技术对农产品的识别是通过扫描、摄像，而不需要直接接触，可以减少对所检测食品的伤害。
1.3稳定的检测精度
设计的运行程序确定后，计算机视觉技术的识别功能就会具有统一的识别标准，具有稳定的检测精度，避免了人工识别和检测时主观因素所造成的差异。
2计算机视觉技术在食品检测中的应用
20世纪70年代初，学者开始研究计算机视觉技术在食品工业中的应用，近几十年电子技术得到快速发展，计算机视觉技术也越来越成熟。国内外学者在研究计算机视觉技术在食品工业中的应用方面主要集中在该技术对果蔬的外部形态（如形状、重量、外观损伤、色泽等）的识别、内部无损检测等方面。国内有关计算机视觉技术在食品业中的应用研究起始于90年代，比国外发达国家晚20多年，但是发展很快。
2.1计算机视觉技术在果蔬分级中的应用研究
计算机视觉技术在食品检测中的应用研究相当广泛，从外部直径、成熟度的检测到内部腐烂程度的检测都有研究。韩伟等［4］采用分割水果的拍摄图像和新的计算机算法计算水果的半径，进而得出果蔬的最大直径。研究表明，该算法不仅降低了计算量而且提高了计算精度，此方法用于水果分级的误差不超过2mm，高于国际水果分级标准所规定的5mm分类标准差，可在工业生产中很好应用。李庆中［5］也利用图像的缺陷分割算法研究了计算机视觉技术在苹果检测与分级中的应用，结果表明此算法能快速、有效地分割出苹果的表面缺陷。孙洪胜等［6］以苹果色泽特征比率的变化规律为理论基础，结合模糊聚类知识利用计算机视觉技术来检测苹果缺陷域，检测不仅快速而且结果精确。刘禾等［7］通过研究认为苹果的表面缺陷可以利用计算机视觉技术进行检测，计算机视觉技术还可以将苹果按照检测结果进行分级，把检测过的苹果分成裂果、刺伤果、碰伤果和虫伤果等类别。梨的果梗是否存在是梨类分级的重要特征之一，应义斌等［8］通过计算机视觉技术、图象处理技术、傅立叶描述子的方法来描述和识别果形以及有无果柄，其识别率达到90%。杨秀坤等［9］综合运用计算机视觉技术、遗传算法、多层前馈神经网络系统，实现了具有精确度高、灵活性强和速度快等优点的苹果成熟度自动判别。陈育彦等［10］采用半导体激光技术、计算机视觉技术和图像分析技术相结合的方法检测苹果表面的机械损伤和果实内部的腐烂情况，初步验证了计算机视觉技术检测苹果表面的损伤和内部腐烂是可行的。冯斌等［11］通过计算机视觉技术对水果图像的边缘进行检测，然后确定水果的大小用以水果分级。试验表明，该方法比传统的检测方法速度快、准确率高，适用于计算机视觉的实时检测。朱伟［12］在模糊颜色的基础上，分析西红柿损伤部分和完好部分模糊颜色的差别，用分割方法对西红柿的缺陷进行分割，结果显示准确率高达96%。曹乐平等［13］人研究了温州蜜柑的果皮颜色与果实可滴定酸含量以及糖分含量之间的相关性，然而根据相关性，样品检测的正确识别率分别只有约74%和67%。刘刚等［14］从垂直和水平两个方向获取苹果的图像，并通过计算机自动分析图像数据，对苹果的外径、体积、以及圆形度等参数进行处理，与人工检测相比，计算机视觉技术具有检测效率高，检测标准统一性好等优点。Blasco.J［15］通过计算机视觉技术分析柑橘果皮的缺陷，进而对其在线分级，正确率约为95%。赵广华等［16］人综合计算机视觉识别系统、输送转换系统、输送翻转系统、差速匀果系统和分选系统，研制出一款适于实时监测、品质动态的智能分级系统，能够很好地实现苹果分级。王江枫等［17］建立了芒果重量与摄影图像的相互关系，应用计算机视觉技术检测桂香芒果和紫花芒果的重量和果面损伤，按重量分级其准确率均为92%，按果面损伤分级的准确率分别为76%和80%。
2.2计算机视觉技术在禽蛋检测中的应用研究
禽蛋企业在生产过程中，产品的分级、品质检测主要采用人工方法，不仅需要大量的物力人力，而且存在劳动强度大、人为误差大、工作效率低等缺点，计算机视觉技术可以很好的解决这类产品工业生产中存在的困扰。欧阳静怡等［18］利用计算机视觉技术来检测鸡蛋蛋壳裂纹，利用摄像机获取鸡蛋图像后，采用fisher、同态滤波和BET算法等优化后的图像处理技术，获得裂纹形状并判断，试验结果表明，计算机视觉技术对鸡蛋蛋壳裂纹的检测准确率高达98%。汪俊德等［19］以计算机视觉技术为基础，设计出一套双黄鸡蛋检测系统。该系统获取蛋黄指数、蛋黄特征和蛋形尺寸等特征，和设计的数学模型对比来实现双黄鸡蛋的检测和识别，检测准确率高达95%。郑丽敏等［20］人通过高分辨率的数字摄像头获取鸡蛋图像，根据图像特征建立数学模型来预测鸡蛋的新鲜度和贮藏期，结果表明，计算机视觉技术对鸡蛋的新鲜度、贮藏期进行预测的结果准确率为94%。潘磊庆等［21］通过计算机视觉技术和声学响应信息技术相结合的方法检测裂纹鸡蛋，其检测准确率达到98%。MertensK等［22］人基于计算机视觉技术研发了鸡蛋的分级检测系统，该系统识别带污渍鸡蛋的正确率高达99%。
2.3计算机视觉技术在检测食品中微生物含量的应用研究
计算机技术和图像处理技术在综合学科中的应用得到快速发展，在微生物快速检测中的应用也越来越多，主要是针对微生物微菌落的处理。食品工业中计算机视觉技术在微生物检测方面的研究和应用以研究单个细胞为主，并在个体细胞的研究上取得了一定的进展。殷涌光等［23］以颜色特征分辨技术为基础，设计了一套应用计算机视觉技术快速定量检测食品中大肠杆菌的系统，该系统检测结果与传统方法的检测结果具有很好的相关性，但与传统方法相比，可以节省5d时间，检测时间在18h以内，并且能够有效提高产品品质。Lawless等［24］人等时间段测定培养基上的细胞密度，然后通过计算机技术建立时间和细胞密度之间的动态关联，利用该关联可以预测和自动检测微生物的生长情况，如通过计算机控制自动定量采集检测对象，然后分析菌落的边缘形态，根据菌落的边缘形态计算机可以显示被检测菌落的具置，并且根据动态关联计算机视觉系统可以同时处理多个不同的样品。郭培源等［25］人对计算机视觉技术用于猪肉的分级进行了研究，结果显示计算机视觉技术在识别猪肉表面微生物数量上与国标方法检测的结果显著相关，该技术可以有效地计算微生物的数量。Bayraktar.B等［26］人采用计算机视觉技术、光散射技术（BARDOT）和模式识别技术相结合的方法来快速检测李斯特菌，在获取该菌菌落中的形态特征有，对图像进行分析处理达到对该菌的分类识别。殷涌光等［27］人综合利用计算机视觉、活体染色、人工神经网络、图像处理等技术，用分辨率为520万像素的数字摄像机拍摄细菌内部的染色效果，并结合新的图像处理算法，对细菌形态学的8个特征参数进行检测，检测结果与传统检测结果显著相关（相关系数R=0.9987），和传统检测方法相比该方法具有操作简单、快速、结果准确、适合现场快速检测等特点。鲁静［28］和刘侃［29］利用显微镜和图像采集仪器，获取乳制品的扫描图像，然后微生物的图像特征和微生物数量进行识别，并以此作为衡量乳制品质量是否达标的依据，并对产品进行分级。
2.4计算机视觉技术在其他食品产业中的应用研究
里红杰等［30］通过提取贝类和虾类等海产品的形状、尺寸、纹理、颜色等外形特征，对照数学模型，采用数字图像处理技术、计算机识别技术实现了对贝类和虾类等海产品的无损检测和自动化分类、分级和质量评估，并通过实例详细阐述了该技术的实现方法，证实了此项技术的有效性。计算机视觉技术还可以检验玉米粒形和玉米种子质量、识别玉米品种和玉米田间杂草［31］。晁德起等［32］通过x射线照射获取毛叶枣的透视图像后，运用计算机视觉技术对图像进行分析评估，毛叶枣可食率的评估结果与运用物理方法测得的结果平均误差仅为1.47％，因此得出结论：计算机视觉技术可以应用于毛叶枣的自动分级。GokmenV等［33-34］通过对薯片制作过程中图像像素的变化来研究薯片的褐变率，通过分析特色参数来研究薯片中丙烯酰胺的含量和褐变率的关系，结果显示两项参数相关性为0.989，从而可以应用计算机视觉技术来预测加热食品中丙烯酰胺的含量，该方法可以在加热食品行业中得到广泛应用。韩仲志等［35］人拍摄和扫描11类花生籽粒，每类100颗不同等级的花生籽粒的正反面图像，利用计算机视觉技术对花生内部和外部采集图像，并通过图像对其外在品质和内在品质进行分析，并建立相应的数学模型，该技术在对待检样品进行分级检测时的正确率高达92%。另外，郭培源等［36］人以国家标准为依据，通过数字摄像技术获取猪肉的细菌菌斑面积、脂肪细胞数、颜色特征值以及氨气等品质指标来实现猪肉新鲜程度的分级辨认。
3展望
新技术的研究与应用必然伴随着坎坷，从70年代初计算机视觉技术在食品工业中进行应用开始，就遇到了很多问题。计算机视觉技术在食品工业中的研究及应用主要存在以下几方面的问题。
3.1检测指标有限
计算机视觉技术在检测食品单一指标或者以一个指标作为分级标准进行分级时具有理想效果，但以同一食品的多个指标共同作为分级标准进行检测分级，则分级结果误差较大［37］。例如，Davenel等［38］通过计算机视觉对苹果的大小、重量、外观损伤进行分析，但研究结果显示，系统会把花萼和果梗标记为缺陷，还由于苹果表面碰压伤等缺陷情况复杂，造成分级误差很大，分级正确率只有69%。Nozer［39-40］等以计算机视觉为主要技术手段，获取水果的图像，进而通过分析图像来确定水果的形状、大小、颜色和重量，并进行分级，其正确率仅为85.1%。
3.2兼容性差
计算机视觉技术针对单一种类的果蔬分级检测效果显著，但是，同一套系统和设备很难用于其它种类的果蔬，甚至同一种类不同品种的农产品也很难公用一套计算机视觉设备。Reyerzwiggelaar等［41］利用计算机视觉检查杏和桃的损伤程度，发现其检测桃子的准确率显著高于杏的。Majumdar.S等［42］利用计算机视觉技术区分不同种类的麦粒，小麦、燕麦、大麦的识别正确率有明显差异。
3.3检测性能受环境制约
计算机视觉技术及应用范文5
以下为报告详细内容：
计算机视觉行业规模将进一步扩大
iiMedia Research(艾媒咨询)数据显示，2016年中国人工智能产业规模已突破100亿元，以43.3%的增长率高速增长，预计2017年产业规模将以51.2%的增长率达到152.1亿元，并于2019年增长至344.3亿元。
艾媒咨询分析师认为，中国人工智能产业起步相对较晚，随着科技、制造等业界巨头公司的布局深入，人工智能产业的规模将进一步扩大。计算机视觉作为人工智能的子领域，其发展和应用也很大程度受到人工智能核心技术的影响。未来，作为人工智能子领域的计算机视觉产业规模也会相应扩大。
计算机视觉用户市场有待挖掘
iiMedia Research(艾媒咨询)数据显示，2017上半年网民对于计算机视觉行业整体了解程度还不深，智能识别贴图应用以63.8%的了解比例名列各领域之首，其余领域网民了解比例均未超过五成。艾媒咨询分析师认为，计算机视觉行业作为新兴行业，其概念还未深入大众群体，大众对于其作用了解程度不深，未来计算机视觉行业用户市场开发潜力较大。
计算机视觉整体渗透率低
iiMedia Research(艾媒咨询)数据显示，2017上半年网民中，有四成用户使用过图搜索功能。还有六成用户仍未使用过图搜索功能。图搜在技术计算机视觉领域中已经发展比较成熟，然而在网民种的渗透率仍不高。艾媒咨询分析师认为，计算机视觉作为新兴技术，其投入实际应用时间较短，且技术依托的平台种类和数量都较少，用户市场培养还需时间。
图搜功能获用户认可
iiMedia Research(艾媒咨询)数据显示，在对2017上半年使用过“图搜”功能的网民准确率感知调研中，将近七成的用户对“图搜”功能的准确率给予肯定。“图搜”技术已经较为成熟，正在逐渐将便利带到用户生活中，未来随着“图搜”功能进一步在各应用中扩张，其区别于传统搜索的优势将会更明显被用户感知。
2017上半年网民图搜索场景分布
iiMedia Research(艾媒咨询)数据显示，2017上半年图搜网民中，69.6%的用户在搜索引擎中使用图搜功能，网购场景下使用图搜功能的用户占比53.5%。艾媒咨询分析师认为，搜索引擎直接应用了图搜功能，发展较早，故用户基础较扎实，其余领域中，网购图搜变现能力最强，是厂商优先合作的重点领域。
边看边买用户市场潜力较大
iiMedia Research(艾媒咨询)数据显示，2017上半年边看边买网民渗透率仅有11.9%，而在未尝试过人群中，有意愿进行尝试的人群超过六成。艾媒咨询分析师认为，明星经济拉动下，同款销售具有宣传效应加成。边看边买技术一方面可以加强视频门户的变现能力，一方面作为流量入口能够为电商平台导入流量，且对于消费者来说，智能匹配同款可以减少其搜索筛选的时间成本，未来市场有较大发展潜力。
实名制机器认证部分取代人工 未来规模看涨
iiMedia Research(艾媒咨询)数据显示，2017上半年机器实名制认证网民渗透率为43.6%，有超一半用户未使用过机器实名制认证功能。随着计算机视觉技术发展，在广州、上海等城市已经开始使用机器实名制认证部分或全部代替人工认证，以减少人工成本，释放劳动密集产业用工压力。艾媒咨询分析师认为，随着时间检验和技术进一步成熟，机器实名制会进一步向中小城市渗透，未来网点铺设规模有望进一步扩大。
机器认证效率获用户认可
iiMedia Research(艾媒咨询)数据显示，2017上半年使用过机器实名制认证的网民中，82.6%的用户表示机器实名制认证加快了验证流程。艾媒咨询分析师认为，计算机视觉精准快速无主观性的特点和实名制认证流程要求相匹配，在技术比较成熟的情况下，能够提高验证效率，缓解铁路站点因人工验证慢导致的拥挤、乘客等候过久等现象。此技术在中国各铁路站点会慢慢渗透，应用规模有望扩大。
个人信息泄露成为用户刷脸支付最大顾虑
iiMedia Research(艾媒咨询)数据显示，2017上半年了解刷脸支付的网民中，59.0%认为个人信息泄露是刷脸支付最大隐患。识别不准确和使用渠道不畅通分别以57.6%和41.9%位列第二和第三名。
艾媒咨询分析师认为，作为个人信息比较敏感的金融支付领域，用户对于信息安全重视度相较其他领域更高，而2017年初315晚会对刷脸支付泄露个人信息隐患的点名，无疑为刷脸支付规模扩张设置障碍，加强用户信息保障能力，获取用户对于技术安全的信任是刷脸支付未来重点发力方向。另外，由于计算机视觉概念未在大众群体中普及，其规模化需依托场景搭建，故使用渠道畅通也可以助力加快行业规模化进程。
精确性+场景化：C端市场打开方式
iiMedia Research(艾媒咨询)数据显示，2017上半年中国网民对于计算机视觉行业的愿景分布中，准确率更高以64.3%的关注度成为用户最期待改进方向，使用更加方便和保障信息安全也是用户重点关注问题。艾媒咨询分析师认为，行业发展初期，用户对概念理解程度不高，易产生“不易”使用的印象而不愿进行尝试，未来商家可尝试提供装备完全的硬件设备和解决方案，并尝试丰富使用场景，让计算机视觉更易被广泛网民接受。
计算机视觉在生活化场景中的使用最被C端用户期待
计算机视觉技术及应用范文6
关键词：三目摄像机；标定；立体视觉；外部参数
一、绪论
1.1研究的背景及意义
计算机视觉是当今极为重要的学科之一，它在具有很强的挑战性的同时又拥有广泛的应用前景和实用价值。计算机视觉以视觉理论为中心，以图像处理、模式识别、计算机技术和生理学、心理学为基础，研究内容主要有两个方面：一是开发从输入图像数据自动构造场景描述的图像处理系统；二是理解人类视觉机理，用机器代替人去做人类难以达到或根本无法达到的工作[1]。
计算机视觉应用的广泛性体现在其不仅用于文字、指纹、面部、商标以及图像数据库、检测集成电路芯片、多媒体技术这些图像方面，还应用到机器人导航、工业检测和产品的自动装配、CT图像器官重建和遥感照片解释等空间物体的定位、识别以及重建上。现如今，计算机视觉已经应用到机器人、地理、医学、物理、化学、天文等各大的研究领域。
作为多个学科交叉与融合中心的计算机视觉，摄像机是其研究的重要工具，而摄像机标定又是计算机视觉研究的一个关键问题，故摄像机的标定越来越受到广泛的重视。摄像机标定是通过物体空间上的点与图像中的对应点的几何关系，来确定摄像机的内外参数的过程。标定结果是否准确影响着三维测量的精度和三维重建的结果，而且实时的标定更能满足自动导航机器视觉的需要[2]。
伴随着应用的发展，摄像机广泛地被应用于三维立体的测量、视觉检测、运动检测等领域。由此，对摄像机标定的精度要求也日益增加。摄像机标定结果的优劣影响了计算机视觉在各领域的应用。摄像机标定的准确与否，对能否提高计算机视觉在各领域测量的准确度有重要影响[3]。因此，研究摄像机标定方法具有重要的理论研究意义和实际应用价值。
1.2摄像机标定技术研究的发展及现状
摄像机有一个图像平面和提供三维空间到图像平面转换的镜头。由于镜头会产生畸变，不能把这个转化过程简单描述为投射变换。所以它表示的是畸变的模型，这些模型近似于真实数据，而其精确性则依靠于建立的模型及模型参数的准确性。
首先进行摄像机标定工作的是加拿大的Deville，他于1910年建立实验室，使用多个瞄准仪对他的“测量摄像机”（surveying camera）进行标定[4]。上个世纪三十年代后期，美国标准局发明了一种精确镜头，用来检测摄像机，同时将它用在摄像机标定上。四十年代后期，该项工作得到进一步加深，有了更多对高精度的需求和对易操作设备的需求。1955年，Carman出版了 《棋盘平面度的干涉测量和控制》，该书引起了社会各界对摄像机标定的关注。二战时期，随着飞机的大规模使用，航空摄影与制图兴起，为得到更加精确的测量结果，对摄像机镜头的校正要求也变得更高。五十到七十年代也是镜头校正技术发展最为迅速的时间段。在这期间，各种镜头像差的表达式逐步被提出并且得到普遍认同与采用，建立了很多的镜头像差的模型，D.C.Brown等人作出了比较大的贡献，他们导出了近焦距情况下给定位置处径向畸变表达式并证明了近焦距情况下测量出镜头两个位置的径向畸变就可以求出任何位置的径向畸变[5]。这些径向与切向像差表达式成为后来各摄像机的标定非线性模型的基础。这段时间里，研究的重点是如何校正镜头与用何种方法补偿镜头像差，这些研究对促进各性能镜头组的研制起到了重要作用。在1999年，张正友提出了一种简便的摄像机标定方法，该方法介于传统标定和自标定之间，操作方便灵活，能够得到不错的精度，满足了众多拥有桌面视觉系统的用户在摄像机标定方面的需求。
1.3本文的主要研究内容
本文的主要研究多个摄像机的标定问题。标定主要是对摄像机内外参的测量计算，利用这些参数对多个摄像机识别的物体尺寸进行衡量并建立起多摄像机系统的数字环境。
论文的内容包括：
第一章为绪论，介绍摄像机标定相关的研究背景、国内外研究现状。
第二章为摄像机标定理论基础：主要介绍标定的坐标系与待标定的参数。
第三章提出本文的多摄像机标定方法与实验过程。
第四章进行全文的总结。
二、摄像机标定方法研究
2.1摄像机标定原理
摄像机通过透镜将三维物体投影到--维图像平面上，这个成像变换的过程称为摄像机成像模型。摄像机成像模型有多种，最常用的为小孔成像模型。由于实际的摄像机镜头会发生一定的畸变，使得空间点所成的像不在线性模型描述的位置而会发生一定的偏移，为了能准确的标定摄像机参数，标定的过程中要考虑非线性畸变因子。
一般来说，得到标定结果后要对其精度进行评估，然而很难得到准确的摄像机标定参数真值作为参考，其中基于图像坐标和世界坐标的绝对和相对误差的评价方法应用广泛，本文将对这些方法的原理进行探讨。
2.2摄像机标定坐标系建立
首先定义了四个坐标系，如图1所示，图像坐标系的坐标原点为O0，列与行由坐标轴u和v表示；成像平面坐标系的原点是摄像机光轴与图像坐标系的交点0l，x、y 轴分别与u、v 轴平行；在摄像机坐标系中，坐标原点0c即为在摄像机的光心，Xc、Yc轴与x、y 轴平行，与图像平面垂直是摄像机光轴作为Zc轴，0c0l为摄像机焦距f；世界坐标系是假想的参考坐标系，可固定于场景中某物体上，用于描述摄像机的位置，由Xw，Yw，Zw轴组成。
图（1）
2.3摄像机外部参数构成
主动视觉传感器从在笛卡尔直角坐标系中的运动表现为相应的旋转矩阵和平移矩阵，故摄像机外部参数表现为旋转矩阵R和平移矩阵T，则摄像机坐标系与世界坐标系的转化关系可以表示成：
上式中（Xc，Yc，Zc）表示空间点在摄像机坐标系下的坐标，（Xw，Yw，Zw）表示空间点在世界坐标系下的坐标。根据靶标点在像空间坐标系和物方空间坐标系中的坐标，通过分解旋转矩阵线性计算像空间坐标系与物方空间坐标之间的转换参数，即外方位元素（摄站参数）[6]。
2.4各摄像机相对位置确定
三目摄像机拥有三个视觉传感器，而三个传感器之间的相对位置可通过已获得的外部参数进行确定。将三个摄像机坐标系设置为，Oci xci yci zci（i=1，2，3），由2.3中所介绍的内容可知，这三个摄像机坐标系与世界坐标系的关系为：
i=（1，2，3）
由此我们可以得到任意两个摄像机i，j的坐标系转换关系：
其中： = = i，j=1，2，3
三、摄像机标定实验过程及结果
3.1实验系统介绍
实验中被用来标定的是一个多摄像机系统，摄像机标定有关的基本参数、系统组成和开发环境如下：
（1）硬件环境
标定板、三目摄像机和图像采集卡等。
（2）软件环境
OpenCV开源视觉库，它仅由一系列C函数和少量C++类构成，为Python、MATLAB等语言提供了接口，在图像处理和计算机视觉方面实现了很多通用算法。
3.2实验过程
本系统以棋盘格模板作为标定模板。采用激光打印机打印棋盘格黑白方块间隔纸，方块边长为3cm，共6行9列，将打印纸固定在一块平板上，作为标定模板，如图（2）。安装三目摄像机系统，调节固定好个摄像机位置，如图（3）。手持标定板在三目摄像机前方各个位置拍摄5组共15张各姿态的照片，利用Canny算子进行像点灰度中心提取、同名像点匹配并解算出三个摄像机在标定板坐标系中的外部参数值。
3.3标定结果
摄像机1：
R= T=
摄像机2：
R= T=
摄像机3：
R= T=
四、总结
随着计算机技术的高速发展，计算机视觉成为当今热门的研究课题，受到了广泛关注。本文就如何在机器视觉的理论基础上对三目视觉系统进行标定进行了研究，讨论了计算机视觉理论知识，分析摄像机标定原理以及标定坐标系的建立。同时通过计算机视觉知识的分析讨论了基于三目视觉系统的摄像机标定技术，完成了三目视觉系统的外部参数标定实验。三目摄像机测量系统外部参数的标定能够解决测量作业现场、测量控制场建立难的问题，为快速地建立简单实用的控制场提供了方案，有一定的实用价值。
参考文献
[1] 荆丽秋.双目视觉系统标定与匹配的研究与实现[D].哈尔滨工程大学，2009.DOI：10.7666/d.y1489086.
[2] 马颂德.计算机视觉―计算理论与算法基础[M].北京：科学出版社，1998.
[3] 王荣一.摄像机标定及关键技术研究[D].哈尔滨理工大学，2011.DOI：10.7666/d.y2012483.
[4] Clarke T A，Fryer J G.The development of camera calibration methods andmodels.Photogrammetric Record，1998，16（91）：51-66
[5] Brown D C.Decentering distortion of lenses.Photogrammetric Engineering，1 966，32（3）：444-462.
[6] 范亚兵，黄桂平，高宝华等.三目立体工业摄影测量系统外部参数的快速标定[J].测绘工程，2012，21（5）：48-52.DOI：10.3969/j.issn.1006-7949 .2012.05.013
