计算机视觉方案

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇计算机视觉方案范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

计算机视觉方案范文第1篇

关键词：计算机硬件；滞碍；解决方案

中图分类号：TP307

计算机和网络的运用给人类的生活带来了各种的便利和影响，深深的转变了我们生活和工作的方式方法。随着计算机对人类生活的影响越发严重的今天，改进计算机的相关项目课题也逐渐成为了人们关注的重点，特别是相关计算机硬件的研究更是吸引了众人的目光。计算机硬件作为计算机的重中之重，是计算机系统可以如常工作运行的基本，它相对于计算机而言具有无法替代的地位。然而，在日常使用中，因为多人的不注意维护计算机或者时常进行错误的指令操作，从而引发了计算机的各种各样的滞碍问题，让计算机无法正常工作运行。而计算机硬件的各种滞碍问题越来越明显，所以对于计算机硬件的障碍问题的分析和根据分析成果进行改造和出台解决方案则显得十分重要。

1 计算机硬件的概念

计算机硬件是计算机的核心，在计算机的如常工作运用中有着不可取代的地位。计算机硬件是指计算机系统内的机械和光电元件等许多器件组成的物理装置的总称。这些物理装置在计算机运作的过程中按照计算机内设的系统结构要求各自运行从而确保计算机软件运行无阻。所以硬件的作用大多数为输入和储存各类的数据和程序，再利用各种程序对数据进行分类运用，为计算机软件的运用提供物理基础。

计算机硬件有主机和外设组成。主机则由中央处理器和内存储器组成。其中的中央处理器则有控制器。运算器和寄存器组成，是整个计算机系统中的控制中心，按照人们对计算机发出的指令，进行逻辑运算和处理存储数据等动作。而内存储器则由只读存储器、随机读写存储器和高速缓冲存储器组成。顾名思义，存储器的作用则是用于存储和调用各种各样的数据和程序。主机是计算机日常工作所必需的，是计算机运行的重中之重。外设则由外存储器（软硬盘、光盘、U盘等）、输入设备（键盘、鼠标等）、输出设备（打印机、显示器等）和其他（网卡、声卡、显卡等）组成。其功能各有不同，也并不是计算机所必需的器件，是根据人们自身的需要而安装和设置的。所以计算机硬件的运用和维护对于计算机而言是十分重要而无法忽视的。

2 计算机硬件普遍滞碍分析

计算机的硬件是整个计算机如常运用的核心部分，对整个计算机的系统运作有着非同小可的重要意义。因此，针对计算机硬件进行滞碍的分析和进而排除障碍对保持计算机的健康有着重要的作用，必须要基本了解维护整修计算机的各种技巧。

2.1 计算机系统死机重启。计算机系统的死机重启的状况是计算机用户里经常会出现的一种滞碍，很多计算机使用者认为这种情况的出现大多数原因是因为软件的不兼用。然而，出现这种滞碍的主要因由是计算机硬件出现障碍，例如计算机硬件中内存和外存储存器不兼容，导致计算机运行较慢；硬件散热功能不能满足硬件的散热需求，导致计算机温度过高；主板和CPU的不兼容等情况的出现都能导致计算机系统瘫痪死机重启，都是由于计算机硬件出现滞碍而引发的结果。

2.2 计算机蓝屏。计算机蓝屏也是计算机硬件出现滞碍的症状之一。例如：计算机硬件局部存在坏道；主板翻松；计算机存储器中的内存条接触不好等滞碍的出现也会直接导致计算机系统瘫痪蓝屏。虽然软件的不兼容也会导致蓝屏的产生，但是计算机出现蓝屏的因由也是计算机硬件出现问题居多。

2.3 计算机硬件与软件的配合问题。计算机的工作内容是由软件和硬件的相互结合才能如常运作。因此计算机的软件对计算机硬件的作用力也是十分巨大的。软件的非正常使用或者软件和计算机硬件不兼容都会导致计算机的滞碍出现。例如软件病毒的出现和计算机硬件是否支持某些软件的正常运行等。

2.4 计算机硬件电源滞碍。随着计算机的长时间的使用，计算机硬件如果使用三年以上，将为出现电源滞碍。该滞碍没有什么特别明显突出的症状，而计算机内部硬件则会发热快而散热慢。而这种情况如果持续一段时间，则会导致计算机各方面障碍的产生，加大计算机的死机率。所以必须要定期对计算机硬件电源进行维护保养，必要时进行替换。

2.5 器件老化引起的计算机硬件滞碍。随着计算机的长时期的使用，计算机内部的各个器件，包括电容、电阻、集成电路等将会面临老化的滞碍。所以一定要对计算机各器件进行定期的维护，进行替换，保证计算机的正常运作。

3 计算机硬件出现滞碍时的解决方案

3.1 内存滞碍解决方案。计算机的内存出现滞碍时，计算机通常会发生死机和蓝屏等状况，甚至在开机时会出现声响。在出现这些状况时，必须要对计算机硬件进行检查。首先把电源切开，检查内存条的安装是否存在问题，再检查机箱内的各种电路板和芯片是否有破损。如果内存条存在问题，必须要及时进行调整和更换。

3.2 CPU滞碍解决方案。在计算机运行的过程中，如果CPU的温度过高，将会烧损计算机硬件或者直接导致计算机的死机瘫痪状态。因此，在维护计算机硬件的正常使用的基础上，必须要降低和保持CPU的温度很重要。为避免计算机CPU温度过高，必须定期对计算机进行检查和维护；擦拭散热片，避免灰尘阻碍散热片工作；保证散热小风扇的正常使用；在CPU涂一层硅脂，加快其散热速度，但要注意剂量，剂量过多将会影响CPU的正常运作，也要注意其灰尘等污染，灰尘可能会影响散热功能，甚至影响计算机系统的稳定性；也可以从计算机外面进行散热，例如外增散热小风扇，增添计算机底座等。

3.3 主板滞碍解决方案。主板的滞碍也是计算机硬件普遍的问题，其症状为计算机的系统无法开启或者显示器没有显示等。

（1）当主板出现滞碍时，例如驱动器出现滞碍等。计算机将会十分不稳定，该系统将会出现反复死机重启和蓝屏等。当出现这种状况时，必须要重新安装驱动器、显卡和内存等硬件。（2）若是显示器没有反应，没有图像等状况出现，则是表明主板的CMOS电池出现滞碍。这个时候，必须要使CMOS电池完全放电和调整其跳线。如果滞碍尚未解决，那就是CMOS电池的电压不足，这时就必须要运用替代法。替代法的用途十分广泛，运用的范畴也十分广，例如升级配件，预防和杀除病毒入侵和兼容软硬件等。（3）主板滞碍范围十分广泛，其中还包括硬软件的不兼容和病毒入侵BIOS系统等滞碍。而这些滞碍都会导致计算机出现蓝屏或者会使计算机显示屏没有图像。而解决这些滞碍的方法则是对BIOS进行刷新行为，并且注意在刷新过程不能因外界物理的强制终止，不然主板会直接受到伤害，甚至会报废。

4 结束语

现今，计算机已经成为了人们生活和工作中必不可少的工具之一，计算机已经在潜移默化中慢慢改变了人们的生活，计算机对人们和世界的影响已经是不可磨灭的了。因而，为了计算机能够更好的为人类所利用，能够发挥其该有的影响，定期维护修理计算机就成了必不可少的步骤。定期对计算机进行维护修理才能增加计算机的寿命，而对计算机硬件进行定期的维护修理则是护理计算机健康的重点之一。计算机硬件的维护和管理均为计算机日常运用的基础，对计算机系统的正常运作和工作的质量的提升都具有重要的影响力。所以，长期加强维护计算机硬件的各种技巧则是每计算机使用者都必须要清楚了解的计算机常识。

参考文献：

[1]方黎，陶建儿.浅谈计算机硬件维修以及故障检测[J].计算机光盘软件与应用，2011（24）.

[2]张健.计算机硬件维修与故障检测分析[J].福建电脑，2011（08）.

[3]林征宇.计算机硬件维护关键技术探讨[J].科技创新导刊，2011（22）.

计算机视觉方案范文第2篇

【关键词】企业财务；集中核算模式；税务风险；策略

当前，我国很多企业为了提高会计基础管理水平和财务核算运作，在管理上都在执行财务集约化的管理方式，财务集中化核算也得到另外我国大部分电网企业的人认可，正在火热的推进中。但是现阶段的企业财务税务管理还存在缺陷，缺乏对公司下属单位税务风险集中监控，缺乏有效的管理手段，只是在企业税务管理方面实现了集中化的管理。目前，控制企业的税务风险问题，成了最重要的事情。

一、我国电网公司财务集中核算的实施状况

1.三级核算体系转变为二级核算体系

为了紧跟时代的步伐，我国的电网公司也将实现规范化的财务组织管理模式，财务组织管理模式也在原有的基础上做了改变。就是将原来的省、市、县这三种会计核算体系进行压缩，压缩后，就是把县给去除掉了，成为现在的二级核算体系，而级核算体系包括省、市。二级核算体系的具体意思是指：在同一地级市的供电局开设一个会计核算帐套，统一的进行会计档案管理，会计档案管理的具体内容是包括一下五种：①统一的进行会计核算；②做好银行账户的开设工作；③做好资金产值方面的管理工作；④做好报表的编报工作；⑤资金收付。这样才能做好财务核算的运作效率。

2.对税务管理方面实施属地管理

我国在税收征收管理方面，也做出了相关规定。根据我国《税收征收》的规定，地级市在实施财务核算管理后，任需要按照属地管理原则，进行缴纳相关的税务费用。以云浮供电局为例，归纳了多种税务缴纳方式，具体的方式如下：企业缴纳所的税的方式是通过省公司统一进行汇算、缴纳，增值税是指不包含可抵押增值税和进项税（不包含电费基金，如果是附加的电费收入销项税（指的是百分之十五以内），都是转交到省公司统一进行申报、缴纳的，剩下的在各地方自行申报、缴纳就可以了，增值税是由地级市供电局统一申报、缴纳的。以下两种是必须要由税务局确定后，才能按照属地扣缴税款进行收取费用，第一种：分配金额第二种：分配比列，当地的相关税务是按照属地原则，向各级税务主管机关进行申报缴纳的，地方性税务具体是包括以下四种，具体的是：①房产方面的税务；②个人所得税；③城市房屋建设税；④附加的教育费等。

二、税务风险

1.税务风险复杂化

财务集中核算制度运用在企业的管理上，对企业的会计基础管理规范水平有了显著的提高，但是，财务核算制度只是侧重于核算，在管理上，并没有实施有效的方法。这不符合我国企业的发展现状，在实施财务集中核算制度后，会加大整个公司的税务风险。供电企业，由于行业的特殊性，税务机关会经常对供电企业实施税务的稽查，稽查之后，对其中存在的问题普遍是采用的两种方式，第一种是采用追溯法，第二是采用延伸检查法。即使是使用财务集中核算制度，但风险还是存在的。实施财务集中核算，把交税的范围给扩大了，因此，企业也将面临更多的风险，风险也在逐渐向复杂化发展。

2.由于报账员身兼数职，税务管理效果逐渐弱化

由于市电局的管理需要，对财务管理实施统一化。对当地的所辖直供直管（包含县和市），都实行了“报账员报账制”，报账员一人身兼着数职（包含出纳、财务管理、预算）等，这样大大降低了工作效率，还会影响到税务管理的实施效果。然而，有的报账员根本就没有做过税务方面的工作，很多地方都是出于迷糊状态，根本无从下手。这样的现象，致使报账的作用大大降低，成为小小的资料收集员，将税务管理的实施效果大大降低。

三、解决税务风险的对策

1.增设税务部

我国的大部分供电局仅仅只是在财务部设置了税务管理岗位，这已经远远的不能满足供电局的需求了，可以多设立一些税收岗位。建议可以在地级市供电局增设相关的税务部，而税务部的管理人员，是由县级以上的供电企业所提供，税务部的管理人员主要是负责控制企业涉税业务过程过程中的风险，从而从中获取纳税筹划的相关利益。

2.加大人才培养的力度

当今的电力企业集团，需要的是拥有较高的综合素质、具备专业的行业知识。而传统的税务管理人员只是懂计算税额、懂税发，这已经远远跟不上企业的发展需求了，现如今的财务管理人员，需要具备以下知识：①对财务管理方面，要精通，②懂得工程管理，③需要懂法律和审计。所以，企业，应该不断的加强税务管理人员的培训力度，不断的提高税务管理人的综合知识，这样才能为电力企业创造更多的价值和利益。

四、积极开展税务筹划

税务筹划指的是一种事前谋划的策略，但是前提是必须要是合法的。在合法的情况下，将税收政策进行灵活的运用，使纳税的进么达到最低，还能获取到最大的利益。

五、结束语

本文讲述的是为了顺应时代的发展，大部分的电力企业都在使用财务集中核算法，但是财务集中核算法中存在着很多的不足之处，企业在实施了之后，产生了更多的风险，本文针对其中存在的风险进行了描述，并列举出了相关解决风险的方法。电力企业是属于国有企业中的典范，应该在税收方面做好带头作用，做到不偷税、不逃税、不漏税，为社会树立良好的公众形象。在合法的情况下，可以争取合法的纳税义务，为企业降低成本，为电力企业创造更多的财富，更好的服务社会。

参考文献

[1] 刘国辉.SLS国有企业财务管理由核算型向决策型转变研究[D].南华大学，2013.

[2] 罗奇睿.财产保险企业分支机构财务风险分析与对策研究[D].西南财经大学，2009.

[3] 曹雯.我国行政事业单位会计集中核算现状分析及展望[D].暨南大学，2012.

[4] 张知.企业集团母公司对子公司财务风险控制研究[D].武汉大学，2009.

作者简介：

计算机视觉方案范文第3篇

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

计算机视觉方案范文第4篇

关键词：视觉注视；移动端；数据集；行为推测

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）01-0254-03

Abstract： With the development of computer vision application technology， the behavior prediction of eye gaze has been widely concerned by many scholars at home and abroad， and also has important research significance in the field of biological information recognition. In the era of smart phone tablet popularity to improve human-computer interaction and accurate prediction of the mobile side of the user gaze behavior becomes particularly important. Based on the existing research on visual technology， this paper proposes a scheme to solve the gaze behavior of mobile users by using large data combined with machine learning and convolution neural network knowledge， and analyzes the importance of large-scale data sets in visual application.

Key words： visual gaze； mobile end； data set； behavior conjecture

1 概述

伴S着计算机软硬件性能和互联网技术的迅猛发展，大规模的并行计算技术突飞猛进，不断地发展使各种现有技术变得越来越成熟，同时机器学习和计算机视觉领域也都得到了飞速发展。视觉技术的发展变得越来越重要，并且可以应用到实际生活中的很多方面。人类大量的视觉信息现在可以利用计算机来辅助处理，并完成相关的一些工作。相对于生物信息识别技术这一计算机视觉领域的热点技术来说，也已广泛应用于日常生活中[1]。比如指纹识别器，人脸考勤器等平时在许多地方可以经常见到，还有居民家用的摄像头智能报警系统以及近期炒得火热的运用支付宝进行刷脸而完成的支付技术等，这些都是运用了生物信息识别技术。现实中的种种迹象已经表明运用生物信息识别的计算机技术已渐渐的渗透到人们的日常生活中并成为不可或缺的组成部分。时下发展较快也比较常见的生物特征有视网膜、指纹、人脸和人眼等。这些生物信息比如人脸具有个体差异性和自身稳定性特点，从用户的角度来看该特征具有便携和低侵入等一些优点。而人眼作为人脸中最显著的特征，又是人们获取外界信息最直接最方便的途径。都说眼是心灵的窗户，因为眼睛中蕴含着表情、意图等多种信息。因此，眼睛注视的行为预测受到了国内外众多学者的广泛关注，同时在生物信息识别领域中也具有重要的研究意义[2]。

2 注视预测问题

2.1 问题的背景

在心理、认知和用户交互研究中的注视跟踪最近已朝向移动解决方案发展，因为它们使得可以直接评估用户在自然环境中的视觉注意。 除了注意，注视还可以提供关于用户的动作和意图的信息：用户正在做什么以及接下来将做什么。然而，在自然状态下非结构化的任务中注视行为是相当复杂的，并且不能使用在受控的实验室环境中创建的模型来得到令人满意的解释。自然条件下和实验室环境有着很大的不同。为了演化在自然环境中对注视行为的推断，需要一种更加整体的方法，将从认知科学到机器学习的许多学科结合在一起[3]。

从人机交互技术到医学诊断到心理学研究再到计算机视觉，眼睛注视跟踪在许多领域都有应用。注视是外部可观察的人类视觉注意的指标，许多人试图记录它。对于眼睛视线方面的研究可以追溯到十八世纪后期。而现如今已经存在各种解决方案（其中许多是商业化的），但是所有的解决方案都具有以下一个或多个方面的问题：高成本（例如，Tobii X2-60），定制或侵入性硬件（例如，Eye Tribe，Tobii EyeX）。然而在现实中的自然条件下，这些因素对实际的应用会造成一些障碍影响，使得眼睛注视跟踪不能成为任何具有合理的相机（例如，智能手机或网络摄像头）的人应该可以使用的普及技术。如何才能使得这种技术普及并且得到应用，提出了一种解决方案。

2.2问题的提出

研究中首先要解决的就是用户的约束问题，也就是自然条件下使用过程中所受到的各种限制问题。到目前为止，基于注视数据推断用户动作的研究受到许多的限制，特别是在自然环境中。限制因素可能包括可用的商业解决方案的昂贵性，其专有性和封闭性以及缺乏实时交互能力等方面。目前的注视跟踪系统，只是尽量在移动设置中设置各种条件进行补救。商业化定制化的解决方案都有其独自的闭合性质，因此阻碍了注视跟踪算法的发展，并且使得不同方法之间的客观比较变得不可能[4]。此外，注视是一种复杂的现象，涉及认知过程的相互作用。这些过程在设置计算上的建模是非常困难的，尤其是涉及一些未知因素，使得构建实验设置成为一个很大的挑战。此外，来自跟踪实验的数据因为其商业化的原因很少共享，即使共享数据很大部分也是有其独立的实验条件。这些方面的问题都阻碍了跨学科方法在分析和利用注视数据和实验的相关研究与发展。

2.3 解决问题的研究方向

对基于注视的推断的个体贡献通常保持孤立，不能形成更大的整体以促进对注视动作行为的研究。随着这方面的技术发展和应用，最近出现了一些开源的解决方案。虽然在不同的应用和用户界面中使用注视已经相当有限，但是移动注视跟踪的新颖应用开始出现并得到了很快的发展。然而使用移动注视跟踪来推断用户动作的问题是高度多学科的，需要深入理解各个研究领域，包括人眼的功能，数学建模，计算机视觉，机器学习，信息技术，认知过程，用户交互以及心理学。任何一个研究员或甚至任何研究小组都不可能拥有所有研究领域的专家，因此需要相互的协作共同推进技术的发展[5]。

目前的研究主要是从以下几个方面进行：

1）研究移动注视跟踪的认知方面，例如增强对任务中的注视行为的理解或识别不同任务的特征和阶段；

2）开发用于从注视数据推断用户动作的计算方法，诸如应用机器学习用于行为推断，优选地实时地；

3）增强用于改善移动注视跟踪方法和性能的技术软件/硬件解决方案，并使得设备更容易访问；

4）发现注视数据在自然环境和虚拟和增强现实应用中的潜在用途，以及定义任务，其中注视可以是用户动作的有用的预测器。

3 解决方案

首先选择移动端进行研究，因为目前比较普遍的移动设备比如智能手机、平板电脑都有自己可靠的工作系统，且不需要外部附件。移动设备相对于其他平台具有以下优势：

1）使用的广泛性。据估计，到2019年，世界上超过三分之一的人口拥有智能手机，远远超过台式机/笔记本电脑用户；

2）软硬件技术升级的采用率较高。大部分的移动设备具有允许使用拥有计算复杂数据方法的实时的最新软硬件；

3）移动设备上相机的大量使用已经导致相机技术的快速开发和部署；

4）相机相对于屏幕的固定位置减少了未知参数的数量，潜在地允许开发高精度的校准跟踪应用。

3.1 注视类型分析

注视估计方法可以分为基于模型或基于外观[6]。基于模型的方法使用眼睛的几何模型，并且可以被细分为基于角膜反射和基于形状的方法。另一方面，基于形状的方法从观察到的眼睛形状观察注视方向。这些方法倾向于具有低的图像质量和可变的照明条件。基于外观的方法直接使用眼睛作为输入，并可能在低分辨率图像上工作。相比基于模型的方法，基于外观的方法被认为需要更大量的用户特定的训练数据。通过使用深度学习和大规模数据不必依赖于视觉，以实现准确的无校准注视估计。这种方案提出建立一个基于外观的数据模型，而不使用任何手工设计的功能，例如头部姿势或眼球中心位置。

3.2 技术方案

深度学习的最近成功在计算机视觉的各种领域中是显而易见的，但是它对改善眼睛跟踪性能的影响还是相当有限。因为深度学习是需要大量的数据作为支持，而视线追踪这方面的数据集还比较少，普通的研究所得到的稻菁比较有限，最大的数据集通常只是具有50个受试者左右，由于缺乏大规模数据的可用性，因此发展比较缓慢。因而提出了使用深度学习进行研究的一套方案，就是构造大规模的数据集。利用网络资源构造一个大规模的基于移动的眼动跟踪数据集，它包含来自各种背景的大量的受试者，在可变照明条件和不受限制的头部运动下记录[7]。运用现有的智能算法得到一个可以进行卷积神经网络学习端到端的注视预测的后台决策网络。不依赖任何预先存在的系统，不需要头部姿态估计或其他手动设计的特征用于预测。使用只有双眼和脸部的特征训练网络，在这个领域的性能优于现有的眼睛跟踪方法。虽然现在的决策网络在精度方面实现了很先进的性能，但是数据输入的大小和参数的数量使得难以在移动设备上实时使用。 为了解决这个问题，需要培养学习得到一个更小更快的网络，在移动设备上实现实时性能，使得精度损失进一步降低。

3.3 大规模数据集

为了达到这一方案的预测效果，首先要进行的是数据集的建立。网络上相关的研究中有许多公开的注视数据集[8]。总结对比这些相关的数据集，分析出有些早期的数据集不包含显著性的头部姿势变化或具有粗略的注视点采样密度。需要对这些数据进行筛选，使得到的数据具有随机分布特点。虽然一些现代数据集遵循类似的方法，但它们的规模（尤其是参与者的数量）相当有限。大多数现有的眼动追踪数据集已经由邀请实验室参与者的研究人员收集，这一过程导致数据缺乏变化，并且成本高且效率不高。因此需要大量的进行数据收集和筛选分析。大规模数据可以通过卷积神经网络有效地识别人脸（他们的眼睛）上的细粒度差异，从而做出准确的预测。

收集眼动跟踪数据应该注意的方面：

1）可扩展性。数据应该是自然条件下的使得用户具有灵活性；

2）可靠性。运用现有的智能移动设备真实的应用图像而非设计处理过的图像；

3）变异性。尽量使数据具有较大的变异性，使得模型更加稳健，适应各种环境下的操作。

4 结束语

文章介绍了一种针对移动设备的用户注视行为推测解决方案。首先建立一个大规模眼动跟踪数据集，收集大量的注视数据。大型数据集的重要性，以及具有大量各种数据以能够训练用于眼睛跟踪的鲁棒模型。然后，训练得到一个深层卷积神经网络，用于预测注视。通过仔细的评估，利用深度学习可以鲁棒地预测注视，达到一个较好的水平。此外，虽然眼睛跟踪已经存在了几个世纪，相信这种新方案的策略可以作为下一代眼动跟踪解决方案的关键基准。希望能通过这方面的研究，使人机交互得到更好的发展。

参考文献：

[1] 崔耀 视控人机交互系统技术研究与实现[D].西安，西安电子科技大学，2013.

[2] 迟健男， 王志良， 张闯.视线追踪[M].北京： 机械工业出版社， 2011.

[3] Alireza Fathi， Yin Li， and James M Rehg 2012 Learning to recognize daily actions using gaze In Computer VisionCECCV 2012. Springer， 314-327.

[4] Makeroni Labs 2016 Eye of Horus. https：//hackaday.io/project/

6638-eye-of-horus-open-source-eye-tracking-assistance （2016） Accessed： 2016-02-26.

[5] Francisco J Parada， Dean Wyatte， Chen Yu， Brandi Emerick， and Thomas Busey，2015.Expert Eyes： Open-source， high-definition eyetracking Behavior research methods ，2015.

[6] 杨彩霞.基于近红外光源的非接触式视线跟踪技术研究 [D].山东：山东大学，2012.

计算机视觉方案范文第5篇

关键词： 木材表面缺陷； 计算机视觉； 检测系统； 木材加工

中图分类号： TN911?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）12?0148?04

Abstract： Since the manual detection for wood surface defect in the process of wood processing exists the problems of low efficiency and large quality difference， a real?time on?line automatic detection system of wood surface defect was designed by means of computer vision technology. The system can find out whether the wood surface has defect， detect the size and location of the wood surface defect accurately， and store the information to guide the wood processing equipment for wood processing. The system has the characteristic of accurate and fast detection speed. The conclusion from various experiments indicates that the system′s recognition accuracy rate can reach up to 92.33%， and the average detection time is 2 ms， which shows that the system is feasible.

Keywords： wood surface defect； computer vision； detection system； wood processing

0 引 言

木材表面缺陷是指降低木材商品价值和使用价值的各种特征的总称，这些缺陷不但会影响木材强度，还严重影响木材加工和木制装饰的质量及外观[1?3]。常用的木材表面缺陷检测的方法有：人工检测、超声波检测、X射线检测、激光扫描、计算机视觉技术检测[4]。

目前，计算机视觉技术已在许多领域得到了广泛的应用，在木材表面缺陷的检测中也取得了显著的成果[5?10]。文献[11]中，提出一种改进Sobel算子提取木材表面缺陷边缘的算法，并使用神经网络模式识别检测木材表面缺陷，该文献介绍的方法能够提高木材表面缺陷边缘的检测精度，识别的准确率较高，但需要大量具有代表性的木材图像作为训练样本，算法的复杂性也导致检测效率不高。文献[12]提出一种基于数学形态学分割木材表面缺陷的方法，并使用最小二乘支持向量机分类器检测木材表面缺陷，缺陷分割算法能够有效避免木材纹理对分割结果的影响，但在实际处理分割时，需要根据应用背景选择不同的参数值来得到分割的种子点，通用性有待提高。文献[13]介绍了一种基于HIS空间二维最大信息熵的分割方法，它对木材表面缺陷图像的分割结果较好，但是分割的处理时间较长，实时性不强。虽然对木材表面缺陷检测的研究有很多，然而，应用计算机视觉技术，实时在线检测并定位木材表面缺陷却未见报道。

木材加工过程中木材表面缺陷的检测大多仍依赖人工完成，检测的效率会随着检测人员的疲劳加重而有所下降，并且不同操作员的经验差异导致同一块木材的检测结果也会有所不同[13]。因此，研究一种能够代替人工进行木材表面缺陷检测的方法对木材加工行业非常重要。

本文利用计算机视觉技术，开发了一套木材表面缺陷在线实时检测系统，为木材加工行业提供了一个有效的方案。该系统可以检测出木材表面缺陷的大小以及位置信息，通过串口通信模块与下位机进行双向数据传递，进而指导木材加工设备对已检测木材进行作业。

1 系统设计方案

系统结构如图1所示，主要包括木材表面缺陷检测平台和木材表面缺陷软件检测系统。检测平台主要包括传送机构、结构光源、CCD工业相机、接近开关等。CCD工业相机为维视MV?VD120SC，分辨率为1 280× 960，焦距为8 mm，帧率为15 f/s，像素尺寸为4.65 μm ×4.65 μm，传感器光学尺寸为，信噪比大于54 dB，数据位数输出 8 b，输出方式为USB 2.0，供电要求为5 V（USB接口或外接电源供电），外形尺寸为56 mm×50.6 mm×50.6 mm。机架使用欧标型3030铝型材，由3030角码、M5不锈钢内六角圆柱头螺钉、M5配3030铝型材的T型螺母、M8尼龙脚垫、12W?T8?LED灯管、UCP208立式轴承座、宽450 mm PVC输送带和沪工DC 5 V接近开关等构成。

软件检测系统通过数据线与相机相连，实时获取传送带送来的木材图像，并快速地进行缺陷检测，最后将相关木材表面缺陷的信息传递给木材加工设备。木材经传送带进入相机拍摄区域时，安装在机架一侧的接近开关检测到木材的接近并将信号传给检测系统，检测系统控制下位机使得传送带电机失电，传送带停止。下位机的计时器开始计时，随之检测系统控制相机获取木材图像，并检测木材表面缺陷，并向下位机传递检测结果，下位机再控制木材加工设备对木材进行后续的加工。当计时器计时到达设定的时间后，下位机使传送带电机得电，传送带移动一个单位距离（确保与上一张检测图像无过多重复，并无检测区域丢失），然后电机失电，传送带停止，重复前面的步骤。当木材完全离开相机拍摄区域，接近开关将信号传给检测系统，检测系统进入待机状态。整个系统的工作流程如图2所示。

2 系统软件设计

本软件使用Microsoft Visual Studio 2013 作为开发平台，采用C++作为主要开发语言，操作界面使用MFC/C++开发。通过调用OpenCV和CameraDS相关函数来实现实验图像的获取，具有获取速度快，兼容大部分数字摄像机等优点。

2.1 系统安全设计

如图3所示，本软件根据用户不同的实际需求提供了自动检测和手动检测两种模式。手动模式下，用户才可以对检测系统的参数进行设置，设置好参数后，按下“获取图片”按钮，然后再按下“缺陷检测”按钮，信息提示窗口将显示木材表面缺陷的中心坐标、缺陷大小、缺陷检测所用的时间等。按下“继续”按钮，传送带带动木材运动一个单位距离，传送带停止运动，重复上述操作便可实现再一次的缺陷检测。自动模式下，系统会根据手动模式下设置的参数进行自动检测。

为了提高本系统的稳定性与安全性，在安全操作方面做了一些设置。自动模式和手动模式两种模式只能在一个检测循环结束后进行切换。例如，当要从手动模式切换到自动模式，自动模式的选择只能在缺陷检测完成后，“继续”按钮弹起后才起作用。而从自动模式切换到手动模式需要在缺陷检测完成后，即信息提示框中显示缺陷信息后方可实现。这样的设置可防止传送带传送时间出现差异，导致部分木材表面缺陷部位未能被检测到，也可防止缺陷检测中途遭到中断。

2.2 参数设定

为了得到准确的检测结果，用户首次使用本系统需要手动设置与检测有关的参数，点击“参数设定”按钮，弹出对话框如图4所示。

2.2.1 分割阈值设定

本软件使用二值化函数对木材表面缺陷图像进行阈值分割，阈值的设定将直接影响检测的结果。二值化函数的作用是将图像中灰度值大于设定阈值（图4中设为90）的像素点的灰度值修改为255（白色），小于或等于设定阈值的则被修改为0（黑色）。使得木材表面缺陷的部分变为黑色，木材正常的部分变为白色。

2.2.2 时间间隔设定

“时间间隔”测试前先打开相机，在木材表面位于拍摄区域的下边缘处作个小标记，准备好秒表，按下“测试”按钮的同时按下秒表计时，眼睛观察拍摄区域，当小标记到达拍摄区域的上边缘时停止计时，将秒表上显示的时间输入到相应的编辑框中。

2.2.3 最大舍弃面积设定

“最大舍弃面积”表示面积小于该值的区域将不被定为缺陷而舍弃，因为木材表面可能存在灰尘、污点、木屑等，它们的面积相对于缺陷的面积小的多，应该被舍弃。

2.2.4 像素标定设定

“像素标定”的含义为寻找图像中像素点的距离与实际物理距离的转换关系。例如：假设长度为1 mm的小线段，在图像中的像素距离为10，那么在图像中像素距离为100的线段，实际长度则为10 mm。根据这个转换关系，只需统计缺陷部分区域的像素面积和中心位置即可知道木材表面缺陷的实际大小与位置。按下“测量”按钮，在弹出对话框，按下“打_相机”，如图5所示。按照右侧的标定操作说明示意图，在待测的木材上面放一把尺子，将尺子与参考线对齐，读出参考线在尺子上的长度。点击“确定”退出当前对话框，然后把参考线的长度输入到编辑框中。最后点击“保存”退出“参数设定”对话框。

2.3 缺陷检测

“参数设定”完成后，按下“打开相机”按钮，左侧的框中将会动态显示图像，再按下“获取图片”按钮，框中显示按下按钮时获取的那帧图像。调节显示框下的滑动条可调节图片的对比度，再按下后面的“保存”按钮，可作为下次操作的参考数值。按下“缺陷检测”按钮，图中的木材表面缺陷将会被框出来，而且框中左上角显示的编号与右侧的提示框的序号对应，可方便查看检测是否准确。检测的结果如图6所示。缺陷大小的计算是通过统计缺陷轮廓的像素点的个数，再根据像素标定得到的转换关系来转换为实际面积的大小。而缺陷的中心默认为矩形框的中心。

2.4 检测结果的修改与保存

软件界面的右上角的两个按钮可查看检测结果的历史记录。本软件还能够对检测的结果进行修改和保存。点击“保存结果”按钮，软件会将右侧的信息提示框中的信息保存到Excel文档中，点击“修改结果”，将打开Excel文档，用户可根据历史记录来修改或删除软件误检测的结果。

3 系统测试

3.1 系统测试环境

PC主机为CPU Intel Xeon E3?1230 v5 340 GHz；内存为8 GB；操作系统为Window 10 专业版；主板为Gigabyte X150M?PLUS WS?CF；开发平台为Microsoft Visual Studio 2013；版本为12.0.21005.1；应用程序框架为MFC；本地编译工具为VC++；开发语言为C++。

3.2 系统整体测试

测试方法：使用相机拍摄木材图片，其中包含无缺陷、有污点、有缺陷、有划痕、有灰尘的各种不一样的木材图片。分别统计每个样本的准确率Ai和检测木材表面缺陷的准确率A如下：

式中：Si为每个样本检测结果的总数；Ei为每个样本中误检测和漏检测的数量总和；n为样本总数。

部分木材表面缺陷检测结果如图7所示。假设下面9张木材照片为测试的总样本，第1张照片有一个缺陷，且被正确检测出来，则S1=1，E1=0，A1=1，第2张照片有一个缺陷，且被检测出来，但有两个误检测结果，则S2=3，E2=2，A2=0.33，同理，A3=1，A4=1，A5=1，A6=0.5，A7=1，A8=1，A9=1。最后算出检测的准确率：A=（A1+A2+…+ A9×100%=87%。

使用前面讲述的测试方法对300张木材图片进行检测，统计出本软件检测木材表面缺陷的准确率为92.33%，平均检测时间为2 ms，能够基本满足木材加工企业的加工要求。

4 结 论

本文提出了一种基于OpenCV的木材表面缺陷检测系统，经实验有如下结论：本系统能够快速准确地检测定位木材表面的缺陷，检测的准确率达到92.33%，平均检测的时间为2 ms；系统软件操作界面简单易用，稳定可靠，具有一定的实用性；该系统能够灵活应用到多种木材加工生产线上，具有较好的通用性。它为木材加工流水线实时自动检测木材表面缺陷提供了一种可实现的方法。

注：本文通讯作者为邹湘军。

参考文献

[1] 王林，白雪冰.基于Gabor变换的木材表面缺陷图像分割方法[J].计算机工程与设计，2010（5）：1066?1069.

[2] 金仁莲.关于木材缺陷及木材检验技术要点探讨[J].农民致富之友，2016（2）：140.

[3] 戴天虹，吴以.基于OTSU算法与数学形态学的木材缺陷图像分割[J].森林工程，2014（2）：52?55.

[4] 牟洪波.基于人工神经网络的木材缺陷检测研究[D].哈尔滨：东北林业大学，2006.

[5] TSAI D M， HUANG T Y. Automated surface inspection for statistical textures [J]. Image and vision computing， 2003， 21（4）： 307?323.

[6] 王海涛，甄理，杨春霞，等.基于计算机视觉的铁轨表面缺陷检测系统[J].无损检测，2011（11）：38?41.

[7] 赵红颖，于微波.计算机视觉技术在发动机缺陷检测系统中的应用[J].光学精密工程，2000，8（3）：283?286.

[8] 胡亮，段发阶，丁克勤，等.带钢表面缺陷计算机视觉在线检测系统的设计[J].无损检测，2003（6）：287?290.

[9] 熊建平.基于计算机视觉的墙地砖表面缺陷检测[J].电子测量技术，2015（5）：53?55.

[10] FUNCK J W， ZHONG Y， BUTLER D A， et al. Image segmentation algorithms applied to wood defect detection [J]. Computers and electronics in agriculture， 2003， 41（1/3）： 157?179.

[11] 尹建新.基于算机视觉木材表面缺陷检测方法研究[D].杭州：浙江工业大学，2007.