计算机视觉的方向

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篇计算机视觉的方向范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

计算机视觉的方向范文第1篇

关键词：脆性；TBM；计算方法

中图分类号： U45 文献标识码： A 文章编号：

引言

上世纪七、八十年代以来，全断面岩石掘进机（tunnel boring machine）得到了空前发展，被越来越广泛应用于各国的地铁、铁路、公路、市政、水电隧道等工程建设之中[[[] 于跃. 盘刀破岩机理的细观数值模拟研究 [D]. 大连: 大连理工大学, 2010: 1.]]。TBM施工能否成功应用受地质条件的影响很大，岩石的脆性正是地质条件的一种表现，它对TBM的掘进施工有很大的影响，尽管众多学者对岩石的脆性进行了大量的研究，提出了多种岩石脆性的计算及测量方法，但目前还没有形成其统一的标准。本文总结了之前学者对岩石脆性的定义和计算方法，分析了各计算方法的优缺点，最后分析了岩石脆性对TBM施工的影响，得到了一些有益的结论。

岩石脆性的定义及其计算方法

岩石脆性的定义

脆性是岩石的一项基本力学性质，理解岩石的脆性对实际的岩石力学项目、地下结构和核废料储存库的施工建设都是至关重要的，但是目前在工程岩石力学界并没有对岩石的脆性形成一致的描述和测量方法[[[] Saffet Yagiz. Assessment of brittleness using rock strength and density with punch penetration test [J]. Tunnelling and Underground Space Technology, 2009(24): 66–74.]]。

研究人员出于不同的研究目的对岩石的脆性做出了不同的定义。Hetenyi（1966）定义岩石的脆性为低延展性；Ramsey（1967）认为当岩石内部凝聚力的破坏时，岩石便表现出了其脆性；Obert和Duvall（1967）对岩石的脆性定义如下：当岩石达到或稍微超出其屈服应力时就会发生断裂破坏的性质，脆性被定义为材料在发生破坏时表现出的极小的或者无塑性流动的性质[[[] Olgay Yarali1& Eren Soyer. The effect of mechanical rock properties and brittleness on drillability [J]. Scientific Research and Essays, 2011, 6(5): 1077-1088.]]。

Hucka and Das（1974）指出，虽然岩石脆性的概念尚没有精确的定义，但对于较高脆性的岩石，会观察到其具有以下一些特性：低延伸性，断裂失效，在压力作用下会形成岩石粉末，抗压强度与抗拉强度的比值较高，高弹性，较大的内磨擦角和在被侵入时会形成较多的裂缝；George（1995）认为岩石的脆性是岩石材料的这样的一种能力：在岩石发生持续形变的过程中，不会出现由于施加的应力超过使岩石产生微裂缝的必要应力而引起的永久变形。有关岩石脆性的一般规律是：脆性较大的岩石在极小的变形下就发生破坏。

岩石脆性的几种计算（测量）方法及对比

由于岩石脆性的定义只是描述了岩石在具体应力条件下变形和破坏的性质，所以至今还没有一个测量岩石的脆性的标准。目前有五种常用的测量岩石脆性的方法（岩石的脆性值可以通过应变、应变能、岩石内磨擦角、抗拉和抗压强度或者专门的试验得到）。

（1）基于应变计算方法

脆性被定义为一个基于材料发生破坏时的不可逆的线向应变（平行于）的绝对指标，*100 %（George, 1995）。从岩石破裂的角度来看，岩石分类如下：< 3%时，岩石为脆性；3% 5%时，岩石为延性。

另外一种基于应变的方法是定义脆性为：，如下图1–1所示（Hucka and Das, 1974）：

图1–1材料脆性的计算

（2）基于应变能的计算方法

在这种方法中，脆性定义为：，如图5-1所示（(Hucka and Das, 1974; Vihtuk, 1998）。

（3）基于摩尔包络线的方法

脆性可以由摩尔包络线在时确定，此时（Hucka and Das, 1974），其中是岩石的内摩擦角。

（4）基于强度比的方法

有以下三个公式：

（Hucka and Das, 1974; Kahraman, 2002; Altindag, 2002）；

（Hucka and Das, 1974; Kahraman, 2002）；

（Altindag, 2002）。

式中是单轴抗压强度，是巴西抗拉强度。

（5）基于专门试验的计算方法

脆性值也可以由专门的试验来取得。

（Protodyakonov, 1963），是Protodyakonov冲击试验中形成的粉末的百分比。

（Blindheim and Bruland, 1998），是NTNU预测模型中一个冲击试验中得到的岩粉（

因为基于强度比和专门试验的脆性定义简单且容易获得，所以它们经常用于工程分析（Protodyakonov, 1963; Blindheim and Bruland, 1998; Kahraman 2002; Altindag, 2002）。根据相关性分析，Kahraman（2002）得到这们的结论：B5、B6与TBM的掘进速率、旋转钻机的掘进速率，B8与冲击钻机的掘进速率之间存在相关性。相反地，B5、B6与冲击钻机的掘进速率，B8与旋转钻机的掘进速率之间没有明显的相关性。B7与旋转钻机的掘进速率之间有良好相关性（Altindag, 2002）。这主要是由于TBM、旋转钻机和冲击钻机的破岩过程不同的原因。冲击是冲击钻机的主导因素，这个过程与冲击试验的过程是很相似的。因此，B8和B9更适合于与冲击钻机的掘进速率相关联。TBM和旋转钻机的破岩过程主要是刀具或贯入器侵入岩石，岩石被压碎，产生裂缝并传播，形成岩片。这个过程与岩石的抗拉及抗压强度有关，所以，B5，B6，B7更适合于关联TBM和旋转钻机的掘进速率。

研究中，B5定义为单轴抗压强度与巴西抗拉强度的比值，它被用于分析岩石材料脆性对刀具入侵岩石和TBM掘进的影响。B5在岩石的破坏过程中起到了很大的作用。遗憾的是，目前并不存在这方面的定量分析，基于B5，可以确定岩石是否为脆性的。一般来说，随着B5的增大，岩石的脆性随之增大[[[] Q.M. Gong& J. Zhao. Influence of rock brittleness on TBM penetration rate in Singapore granite [J]. Tunnelling and Underground Space Technology, 2007, (22): 317–324.]]。

岩石脆性对隧道掘进机开挖的影响

脆性作为岩石的最重要的力学性质之一，对岩石的钻探和开挖有很大的影响。明确岩石可钻性和岩石脆性之间的关系将对岩石工程师有很大的帮助。一些研究人员很早就开始研究脆性和钻进速度之间的关系，但是至今也没有可用的关于脆性和可钻性指数（DRI）的出版资料[[[] Olgay Yaralia& Sair Kahraman.. The drillability assessment of rocks using the different brittleness values [J]. Tunnelling and Underground Space Technology, 2011(26): 406–414.]]。

岩石的脆性对TBM滚刀的破岩过程有很大的影响，这也使得它对TBM的掘进速度也有很大的影响。

已有多个试验用于研究岩石脆性对岩石破碎或形成碎块的影响，同时进行了现场测量（Snowdon et al., 1982 and 1983b; Bruland, 1998）。试验结果可概括如下：

（1）高脆性岩石在滚刀作用下会在滚刀的两侧形成较多的裂缝并伴随有较多岩石碎块的剥落，滚刀的切削效率随岩石脆性的增加而增加；

（2）由单滚刀切割（Snowdon et al., 1982 and 1983b）试验的结果发现，贯入度与滚刀间距的比值随着岩石脆性的增加而增加。在相同的贯入度下，单滚刀切割试验的影响区域随岩石脆性的增加而减小，最主要的原因是脆性岩石在滚刀作用下易产生径向拉伸裂缝，以释放应变能形成岩石碎块。岩石发生塑性变形时将会吸收大量的应变能，使它的影响区域也随之变大。岩石碎块的形成是拉伸破坏和剪切破坏的综合结果；

（3）基于滚刀切割的现场试验和大量TBM开挖隧道中岩屑的分析，Bruland（1998）得出这样的结果：当岩石脆性较高时，岩屑频率（TBM的贯入度／较大岩块的平均厚度）和切槽深度因子（岩片形成处的切槽深度／最大岩块厚度）都比较低。高脆性岩石在开挖时宜采用较大的滚刀间距；

Q.M. Gong用离散单元法（UDEC）建立了一系列的模型用来模拟岩石脆性对滚刀破岩过程的影响，结果显示：在TBM滚刀作用下，随着岩石脆性值的减小，岩石压碎区随之减小，而且压碎区的裂缝数量也随之减少，裂缝的延伸长度也随之缩短。明显地，随着岩石脆性值的增加，滚刀的侵入也变的更加容易。通过在具体的隧道工程中对岩体质量和TBM掘进性能的数据分析，我们发现，TBM的掘进速度随着岩石脆性的增加而增大，这与数值模拟的结果是相一致的。

岩石的脆性作为岩石的一个重要参数，Bruland（1998）在NTNU预测模型中用于对TBM掘进性能的预测。Kahraman（2002）通过对岩石脆性（定义为岩石抗压强度和抗拉强度的比值）和TBM掘进速率的相关性研究，发现TBM的掘进速率和岩石脆性之间有很好的指数关系[4]。

岩石的脆性影响破碎区的大小和裂缝在岩石中的产生及传播，以至于影响岩屑的形成。当其它条件都保持不变时，随着岩石脆性的增加，岩石的破碎也几乎是成线性增加的，裂缝的数量和长度也随之增加。TBM掘进速率随岩石脆性的增加而提高[[[]Q.M. Gong. Development of a rock mass characteristics model for TBM penetration rate prediction[D]. School of civil and environmental engineering Nanyang technological university, Singapore:2005.]]。

结论

（1）虽然目前关于脆性的定义没有统一的认定标准，但岩石脆性的一般规律是：脆性较大的岩石在极小的变形下就发生破坏；

（2）经过分析总结发现：目前有五种常用的测量岩石脆性的方法，分别是通过应变、应变能、岩石内磨擦角、抗拉和抗压强度或者专门的试验得到。且B5，B6，B7适合于关联TBM和旋转钻机的掘进速率，B8与冲击钻机的掘进速率之间存在一定的相关性；

（3）TBM的掘进速度随着岩石脆性的增加而提高。

参考文献

[] 于跃. 盘刀破岩机理的细观数值模拟研究 [D]. 大连: 大连理工大学, 2010: 1.

[] Saffet Yagiz. Assessment of brittleness using rock strength and density with punch penetration test [J]. Tunnelling and Underground Space Technology, 2009(24): 66–74.

[] Olgay Yarali1& Eren Soyer. The effect of mechanical rock properties and brittleness on drillability [J]. Scientific Research and Essays, 2011, 6(5): 1077-1088.

[] Q.M. Gong& J. Zhao. Influence of rock brittleness on TBM penetration rate in Singapore granite [J]. Tunnelling and Underground Space Technology, 2007, (22): 317–324.

计算机视觉的方向范文第2篇

【关键词】精密测量 计算机视觉图像 关键技术

在现代城市的建设中离不开测量的运用，对于测量而言需要精确的数值来表达建筑物、地形地貌等特征及高度。在以往的测量中无法精准的进行计算及在施工中无法精准的达到设计要求。本文就计算机视觉图像精密测量进行分析，并对其关键技术做以简析。

1 概论

1.1 什么是计算机视觉图像精密测量

计算机视觉精密测量从定义上来讲是一种新型的、非接触性测量。它是集计算机视觉技术、图像处理技术及测量技术于一体的高精度测量技术，且将光学测量的技术融入当中。这样让它具备了快速、精准、智能等方面的优势及特性。这种测量方法在现代测量中被广泛使用。

1.2 计算机视觉图像精密测量的工作原理

计算机视觉图像精密测量的工作原理类似于测量仪器中的全站仪。它们具有相同的特点及特性，主要还是通过微电脑进行快速的计算处理得到使用者需要的测量数据。其原理简单分为以下几步：

（1）对被测量物体进行图像扫描，在对图像进行扫描时需注意外借环境及光线因素，特别注意光线对于仪器扫描的影响。

（2）形成比例的原始图，在对于物体进行扫描后得到与现实原状相同的图像，在个步骤与相机的拍照原理几乎相同。

（3）提取特征，通过微电子计算机对扫描形成的原始图进行特征的提取，在设置程序后，仪器会自动进行相应特征部分的关键提取。

（4）分类整理，对图像特征进行有效的分类整理，主要对于操作人员所需求的数据进行整理分类。

（5）形成数据文件，在完成以上四个步骤后微计算机会对于整理分类出的特征进行数据分析存储。对于计算机视觉图像精密测量的工作原理就进行以上分析。

1.3 主要影响

从施工测量及测绘角度分析，对于计算机视觉图像精密测量的影响在于环境的影响。其主要分为地形影响和气候影响。地形影响对于计算机视觉图像精密测量是有限的，基本对于计算机视觉图像精密测量的影响不是很大，但还是存在一定的影响。主要体现在遮挡物对于扫描成像的影响，如果扫描成像质量较差，会直接影响到对于特征物的提取及数据的准确性。还存在气候影响，气候影响的因素主要在于大风及光线影响。大风对于扫描仪器的稳定性具有一定的考验，如有稍微抖动就会出现误差不能准确的进行精密测量。光线的影响在于光照的强度上，主要还是表现在基础的成像，成像结果会直接导致数据结果的准确性。

2 计算机视觉图像精密测量下的关键技术

计算机视觉图像精密测量下的关键技术主要分为以下几种：

2.1 自动进行数据存储

在对计算机视觉图像精密测量的原理分析，参照计算机视觉图像精密测量的工作原理，对设备的质量要求很高，计算机视觉图像精密测量仪器主要还是通过计算机来进行数据的计算处理，如果遇到计算机系统老旧或处理数据量较大，会导致计算机系统崩溃，导致计算结果无法进行正常的存储。为了避免这种情况的发生，需要对于测量成果技术进行有效的存储。将测量数据成果存储在固定、安全的存储媒介中，保证数据的安全性。如果遇到计算机系统崩溃等无法正常运行的情况时，应及时将数据进行备份存储，快速还原数据。在对于前期测量数据再次进行测量或多次测量，系统会对于这些数据进行统一对比，如果出现多次测量结果有所出入，系统会进行提示。这样就可以避免数据存在较大的误差。

2.2 减小误差概率

在进行计算机视觉图像精密测量时往往会出现误差，而导致这些误差的原因主要存在于操作人员与机器系统故障，在进行操作前操作员应对于仪器进行系统性的检查，再次使用仪器中的自检系统，保证仪器的硬件与软件的正常运行，如果硬软件出现问题会导致测量精度的误差，从而影响工作的进度。人员操作也会导致误差，人员操作的误差在某些方面来说是不可避免的。这主要是对操作人员工作的熟练程度的一种考验，主要是对于仪器的架设及观测的方式。减少人员操作中的误差，就要做好人员的技术技能培训工作。让操作人员有过硬过强的操作技术，在这些基础上再建立完善的体制制度。利用多方面进行全面控制误差。

2.3 方便便携

在科学技术发展的今天我们在生活当中运用到东西逐渐在形状、外观上发生巨大的变大。近年来，对于各种仪器设备的便携性提出了很高的要求，在计算机视觉图像精密测量中对设备的外形体积要求、系统要求更为重要，其主要在于人员方便携带可在大范围及野外进行测量，不受环境等特殊情况的限制。

3 计算机视觉图像精密测量发展趋势

目前我国国民经济快速发展，我们对于精密测量的要求越来越来高，特别是近年我国科技技术的快速发展及需要，很多工程及工业方面已经超出我们所能测试的范围。在这样的前景下，我们对于计算机视觉图像精密测量的发展趋势进行一个预估，其主要发展趋势有以下几方面：

3.1 测量精度

在我们日常生活中，我们常用的长度单位基本在毫米级别，但在现在生活中，毫米级别已经不能满足工业方面的要求，如航天航空方面。所以提高测量精度也是计算机视觉图像精密测量发展趋势的重要方向，主要在于提高测量精度，在向微米级及纳米级别发展，同时提高成像图像方面的分辨率，进而达到我们预测的目的。

3.2 图像技术

计算机的普遍对于各行各业的发展都具有时代性的意义，在计算机视觉图像精密测量中运用图像技术也是非常重要的，在提高图像处理技术做以提高。同时工程方面遥感测量的技术也是对于精密测量的一种推广。

4 结束语

在科技发展的现在，测量是生活中不可缺少的一部分，测量同时也影响着我们的衣食住行，在测量技术中加入计算机视觉图像技术是对测量技术的一种革新。在融入这种技术后，我相信在未来的工业及航天事业中计算机视觉图像技g能发挥出最大限度的作用，为改变人们的生活做出杰出的贡献。

参考文献

[1]汤剑.周芳芹.杨继隆.计算机视觉图像系统的技术改造[J].机电产品开发与创新周刊，2015，14（18）：33-36.

[2]马玉真.程殿彬.范文兵，计算机视觉检测技术的发展及应用研究[J].济南大学学报，2014，18（23）：222-227.

[3]李华.基于计算机视觉图像精密测量的关键技术分析[J].电脑知识与技术，2013（05）：1211-1212.

计算机视觉的方向范文第3篇

【关键词】农产品 计算机视觉技术 品质检测

农产品品质检测工作中除了采取人工检测法以外，还可以采取半自动或自动检测法，如在水果分级检测工作中的质量分级检测法、光电分选法以及大小分级法等。然而农产品品质会受到自然生长环境或人为因素等方面的影响，农产品的色泽、大小及形状等并不相同，无法采取单一指标进行检测。因此充分应用计算机视觉技术，对农产品的品质进行检测，极为重要。

1 计算机视觉技术

计算机视觉技术又被称为机器视觉技术，指的是通过人类设计，在计算机环境下，达到再现或模拟人类视觉相关的职能行为的一种技术，包括了印刷和手写文字的识别技术，图像模式识别技术，物体三维表面形状识别技术、距离识别以及速度感知等技术。该技术是诸多学科的结合与交叉，涉及到数学、生理学、信息处理、物理学、光学以及计算机等多种学科。探究计算机视觉技术的目的在于实验人类视觉的再现及延伸，即再现高等动物的视觉系统，并对物体形状以及类别进行识别。

此外，计算机视觉技术处理的原始资料多是图像，所以该技术和图像处理以及模拟识别等有着紧密的联系。现阶段，计算机视觉技术在诸多领域有着较为广泛的运用，包括了医学辅助诊断、资源调查、卫星图像解释、军事指导、灾害监测、气象以及工业产品的外观筛选及检测等。同时研究该技术在农业工程领域中的应用，也成为了热门话题。

2 在农产品品质检测中，计算机视觉技术的具体应用

笔者在查阅相关文献资料的基础上，探究在农产品品质检测工作中，计算机视觉技术在产品表面缺陷以及损伤识别工作中的具体应用；果形识别工作中的具体应用；农产品尺寸以及面积检测工作中的具体应用。

2.1 在产品表面缺陷以及损伤识别工作中的具体应用

在对农产品进行分级的过程中，依然存在着一大问题，即农产品表面缺损以及损伤识别。而早在1984年就已经出现了采取线扫描和模拟摄像机针对苹果表面损伤进行检测的实验报道，实验结果显示，采取数据技术能够检测出苹果表面损伤，其检测结果完全能够达到人工分级的精度。与此同时，还出现了一种机器视觉系统，该系统将不规则的图像信息与正常的图像信息区分开来，在去除蔬菜内的杂物以及检测农产品的污点等方面能够取得较好的应用效果。此外，在1989年，国外出现了一种全新的计算方法，即运用红外线扫描摄像机，处理苹果表面的灰度图像，既能够确定苹果表面的损伤面积，还能够区分不同损伤区。然而还技术是以机械装置的设定为基础，需要消耗2s的时间，对一个苹果进行检测，苹果表面缺陷分级精度以及损伤分级进度并不高。

我国在1997年，出现了运用计算机图像处理技术对苹果损坏自动化检测的试验研究，该试验结果显示，该技术的损坏检出率较高，能够规避果梗区以及花萼区对于坏损区域识别的具体影响，且该检测技术的鲁棒性较强。

2.2 在果形识别工作中的具体应用

果形识别是影响水果质量的重要因素之一，对于水果品质检测有着重大意义。当水果成熟后，水果的外形将会发生巨大的改变，且无法采取数学方法进行鉴别，采取其他方式进行果形识别极为重要。

在1981年，有研究人员就针对形状识别中的图像特征进行了探讨，提倡采取结构分析法以及外形轮廓曲线检测法，针对水果外形进行识别。并在1985年，以数字图像分析技术以及模式识别技术为依据，针对番茄定向、番茄形状、表面缺陷以及尺寸进行分类的特殊算法，运用灰度梯度曲线，明确番茄表面缺陷以及花萼位置等。而我国则在2000年，按照果实形状分析，通过连续性指标、半径指标、连续指标对称性、半径指标对称性等特征参数，表示果形，并首次采取参数形状分析法。

2.3 在农产品尺寸以及面积检测工作中的具体应用

农产品分级中，以农产品外形尺寸为依据。在1987年，国外就已经开始研究机械视觉技术在牡蛎肉分级以及尺寸检测工作中的具体应用。并在1992年，针对人工检测以及机器视觉检测进行进行了对比分析，试验结果显示，和人工检测技术相比，采取视觉检测技术，能够提高检测的精确度，减少检测消耗时间；同时在评价以及推广种质资源中，准确的测量以及详细的记录种质形态的指标，有着极为重要的意义。为了能够精确、快速地计算出玉米种质尺度，在1995年，有研究人员就提出了自动化选择技术，该技术在处理玉米种质图像中，其辨别精度极高。

而我国在2002年，有研究人员就针对水果品质进行动态、实时监测的智能化分级生产线进行了研究，该生产线，首先通过水果输送翻转系统，利用滚筒式输送翻转装置，将水果往前输送，在输送过程中，以水平轴为中心，保证水果表面能够被系统检测到，以此获得图像信息。然后利用计算机视觉识别系统，对水果等级进行判断，明确图像信息。该系统具备了视觉识别功能。最终通过分级系统，完成水果分级工作。

3 结语

在二十世纪七十年代以后，计算机视觉技术就已经得到了较为迅速的发展，在我国，该技术在农产品品质检测中的具体应用也得到了人们的高度关注，同时也取得了一定的成效。计算机视觉技术作为人眼的延伸技术之一，其具备了人脑功能，运用该技术代替以往的人工操作技术，已经成为了农产品品质检测工作的必然发展趋势。

参考文献

[1]朱从容.计算机视觉技术在水产养殖中的应用[J].浙江海洋学院学报（自然科学版），2008，10（04）：191-192.

[2]王勃，徐静.计算机视觉技术在苹果叶片营养诊断上的应用[J].农机化研究，2008，（03）：887-888.

[3]李朝东，崔国贤，盛畅，等.计算机视觉技术在农业领域的应用[J].农机化研究，2009，10（12）：667-668.

作者简介

陈超（1995-），男，福建省福州市人。现为北京交通大学在校学生。研究方向为电子科学与技术。

计算机视觉的方向范文第4篇

【关键词】摄影测量；计算机视觉；数字化

科技迅速发展，摄影测量技术经过多次改革，到目前已经进入数字化的摄影测量技术阶段，这个新技术对整个摄影测量专业理论知识教学、科学研究和企业生产都有重要的影响，这些影响不仅仅是表现在表面，它已经使摄影测量的概念和涉及到的专业的知识都有影响。从测绘学科的角度来说，数字测量技术已经从传统的摄影测量技术发展到现在新型数字化测量技术，简便快捷；从摄影测量学科来说，数字摄影测量技术已经从经典的摄影测量转化到现在与计算机相结合的高科技技术。数字测量技术既给人们带来机遇，又给技术人员带来挑战，但是其在发展中还存在很多问题。作为新时代的我们，应努力抓住机遇，勇敢的面对挑战，提高自身的知识储备量和技术，使自己能在快速发展的经济市场中站住脚步。

一、摄影测量发展现状

由于摄影测量生产的转型，影像扫描仪已被大量地应用，全国扫描仪数量已超过100台。同时航空摄影机（如RC30）也在加速引进。应用于航空摄影过程中的GPS/IMU系统也已引进，Z/I公司的数字航空摄影机DMC已开始在中国应用。与此同时，高分辨率的遥感影像以及其定位参数（RPC）文件的应用，只要极少量的外业控制点，就能迅速生成正射影像图，它已在城市、土地的变迁、规划中得到愈来愈广泛的应用。航空激光扫描Lidar也愈来愈成熟。

由于新一代传感器、定位系统的迅速发展与应用，以及数字摄影测量工作站的发展及其大规模的推广，这样对摄影测量自身发展提出一个非常严峻而又现实的问题：摄影测量向何处去，除了摄影测量与新一代遥感传感器、GIS、GPS 更进一步地结合外， 摄影测量自身从理论到实际将如何发展，还有没有发展前景，在国际上同样对摄影测量发展提出了疑虑，美国Ohio大学Schenk教授在其著作“数字摄影测量学”的序言中指出：摄影测量与猫一样，他们有一个共同的特点，他们都有几次生命，摄影测量的终结已经被多次预测。但是他对此问题作了明确的回答：数字摄影测量是一门相对年轻的、并且迅速发展的学科。它的许多基本概念与方法来自影像处理与计算机视觉。但是不管它们对它的影响有多强烈， 数字摄影测量还是一门有自己特色的学科。

二、数字摄影测量给学科带来的机遇与挑战

摄影测量与遥感是一门“从影像重建被摄物体表面”的学科，摄影测量侧重于重建物体的几何表面，并进行“量测”；而遥感则侧重于重建物体的物理表面，恢复问题表面的物理属性。因此，从本质而言， 摄影测量与遥感是研究影像的获取、理解、加工、处理的科学与技术，使人们更容易直观地理解与应用有关信息。从测绘学科的角度来理解，摄影测量是一门“量测的学科”，著名的摄影测量学者HeIva （1995）就认为“摄影测量的范畴是量测”；而从信息科学和计算机视觉科学来看，它是从影像来重建三维表面模型的科学与技术―计算机立体视觉。但是，人们一般并没有将摄影测量与计算机立体视觉联系在一起。这是由于摄影测量在上世纪摄影技术出现不久就被学者发现其测量功能，并被使用，而计算机立体视觉实在新世纪环境下创造并被使用的，因此摄影测量的历史要比计算机立体视觉的历史长得多，并早已成为测绘产业的重要组成部分；而且，长期以来，摄影测量是依赖于精密的光学机械仪器，特别是在模拟摄影测量时代， 摄影测量以模拟摄影测量仪器为代表， 与计算机没有任何联系。我们必须清楚地认识到，摄影测量发展到今天，已经超越了传统摄影测量的范畴，它已经不属于摄影测量工作者“独家所有”。这是摄影测量工作者面临的最严峻的挑战。

同时，数字摄影测量也为我们带来了发展机遇。在模拟摄影测量时代， 摄影测量的教学、科研以及生产的组织与流程，一切均以模拟摄影测量仪器的制造者为中心。摄影测量仪器的理论、结构，各种控制器、仪器的定向理论与操作方法，变换光束测图的理论等，均以相应的仪器为中心。进人了解析摄影测量时代，由于计算机引人了摄影测量，大大地拓宽了摄影测量教学、科研的领域，这也提供给学者们更多的研究方向。

三、数字近景摄影测量――摄影测量发展的崭新领域

到目前为止数字摄影测量的发展，无论在理论上还是在实际上，，主要还是围绕着利用航空（航天）摄影测量测绘地形图展开的，而对于数字近景（地面）摄影测量的研究甚少。同时随着数码相机的广泛应用，价格愈来愈低廉。数码相机在测量中的应用将是摄影测量发展的必然趋势。

在此领域数字近景摄影测量与计算机视觉有着天然的密切联系，因为计算机视觉的研究目标是使计算机具有通过2维图像认知3维环境信息的能力，这种能力将不仅使机器感知3维环境中物体的几何信息，包括它的形状、位置、姿态、运动等，而且能对它们进行描述、存储， 识别与理解，两者之间有很多相似之处，但两者间又有明显的差异。不论差异大小，不可否认的是，数字近景摄影测量已成为数字摄影测量发展的必然趋势。

四、结束语

数字摄影测量在目前还是一个较为年轻的学科，主要采用计算机技术，将获取到到信息数字化，通过计算机进行测绘和分析，提取出对人们有用的信息，这一改变，使数字摄影测量很快被企业所接受并得到快速发展。总而言之，数字摄影测量技术的出现不能仅视为简单的科学进步而已，应该透过现象看本质，深刻认识到他已经从概念开始改变，并影响到科学研究领域，正在逐渐改变企业的生产产品水平。面对这些情况，我们应该努力提高自己的理论知识储备量，提升专业素养，及时抓住一闪而过的机会，迎接各种挑战，在激烈的竞争不断进步。

参考文献

[1] 李利，马颂德. 从2维轮廓线重构3维二次曲面形状[J].计算机学报，1996，19（6）：401.

[2] 马颂德，张正友.计算机视觉-计算理论与算法基础[J].北京：科学出版社1998.

计算机视觉的方向范文第5篇

关键词：计算机视觉；课堂考勤；深度学习；MCV架构

前言

随着国家标准《智慧校园总体框架》（Smartcampusoverallframework）的，智慧校园的规划与设计成为了校园建设的重点项目[1]。而课堂考勤作为学校教学管理、学生评价的重要组成部分，随着物联网技术、人工智能和移动通信技术的水平的提高与发展，更应该向着智能化、准确化的方向发展[2]。本文研究了的当前应用的课堂考勤方式，并做了进一步的分析，最终根据社会技术的革新与发展[3]，提出了一种基于计算机视觉的实时课堂考勤系统的设计。我们的主要工作是搭建了整个系统框架，包括数据库系统、服务器、计算机视觉模型、网络通信、图像采集系统、客户端和网络通信系统。

1课堂考勤方式现状

目前校园中主要的课堂考勤方式存在为两种，分别是传统的考勤方式和生物识别的考勤方式。如图1所示，其中传统的考勤方式包括点名考勤和通过校园卡进行考勤，点名考勤的方式仍然是高校中最常用的考勤手段，因它不受场地的限制，可以根据点名册直接核对现场的学生信息，但这种方式存在的缺点就是花费时间，影响上课效率，为此有些教师不进行点名，因此影响了考勤的效果。校园卡考勤解决了点名占用课堂时间的问题，但这种方式具有学生代考勤的漏洞，因为学生可以拿着别人的校园卡进行考勤。生物识别的考勤方式包括指纹考勤和人脸识别考勤，这些方式有效解决了传统考勤方式代考勤的弊端，但这种方式受设备硬件的影响，识别能力太慢，尤其是在下课后学生较多，考勤签退时容易发生拥挤等现象，具有安全隐患[4]。因此，为解决当前考勤方式存在的一些弊端，本文设计了一种基于计算机视觉的实时课堂考勤系统。

2系统设计基础

2.1系统开发环境

本文设计的实时课堂考勤系统主要是使用Python开发语言，Python是目前最流行开发语言之一，主要应用于Web服务设计、大数据、人工智能等领域，它的主要优点是开发效率高、可扩展性强、跨平台和具有可移植性等，满足了本文系统的设计要求。另外，在开发过程还用到了基于Python的第三方软件开发包，包括Flask用于搭建系统的Web服务器；PyQt5用于搭建系统的客户端；OpenCV用于系统中对图像视频的处理；Tensoflow用于开发计算机视觉模型，搭建深度学习模型，完成人脸检测和识别任务；Mysqlclient用于管理、访问、查询和更新Mysql数据库。

2.2系统开发框架

本文设计的实时课堂考勤系统通信基于Web应用，因此选择一个合适的服务架构有利于提高系统的开发和部署效率。目前较流行的Web应用主要有MVC（ModelViewController）和CMS（ContentManagementSystem）两种架构。本文使用了基于Python和Flask搭建的MVC架构[5]，该架构如图2所示，主要包括模型层、视图层和控制器。使用该框架的优点是可将视图层和业务逻辑层进行分离开发，提高开发效率，方便系统的部署、维护和管理。

3系统设计方式

3.1系统总结构设计

本文设计的实时课堂考勤系统的总体结构如图3所示。根据MVC构架的设计，我们将该系统分为了模型层、控制器层和视图层，另外还包括网络通信设备。

3.2模型层设计

模型层主要是关系型数据库模，MySQL是目前使用最多的关系型数据库系统，也是学校管理系统使用最多的数据系统，为了更好地与学校管理系统兼容，我们选择了MySQL数据库，数据表之间的关系如图4所示。

3.3控制器层设计

控制器层主要包括服务器应用软件和计算机视觉模型，服务器应用软件的功能包括系统通信配置、数据业务处理和系统各模块间的调度。计算机视觉模型是实时课堂考勤系统的核心模块，基于深度学习卷积神经网络实现[6]，主要作用是进行人脸检测和识别两个部分，计算机视觉模型的工作流程如图5所示。在人脸检测阶段使用VGG16检测器作为主干网络，为提高模型的检测准确率，通过引入注意力模型和多尺度特征融合对网络进行了优化，有效地从输入图片中提取人脸位置信息，得到人脸图像。在人脸识别阶段首先使用FaceNe人脸识别网络提取人脸图像的特征图，然后通过决策树算法与待检测的人脸特征进行匹配，从而识别图片中的学生信息。

3.4视图层设计

本文设计的实时考勤系统的模型层主要包括图像采集系统和客户端。目前各学校教室内都安装有监控设备，因此为节约成本和安装消耗，图像采集系统使用教室内的监控设备作为图像采集系统，负责采集教室现场图片。客户端设计首先在本系统中采用应用程序接口，然后在教学管理系统中设计图形化用户界面，通过应用程序接口调用本系统的功能，从而减少资源浪费，方便维护和管理。

4实时考勤功能的实现

实时考勤功能的实现方式如图6所示，首先系统启动后，用户可以随时更新考勤信息，比如在数据库中创建新的考勤表等。接着系统会自动读取考勤表的信息，比如课程所在教室、上课时间。然后启动考勤程序，进行签到、签退操作，并将考勤数据保存到考勤数据表中。整个系统启动完成后可以自动运行，直到关闭系统，而且可以实时进行课堂考勤。