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篇计算机视觉研究现状范文,相信会为您的写作带来帮助,发现更多的写作思路和灵感。
关键词: 计算机 视觉注意机制 计算机视觉注意模型
1.引言
随着信息技术的不断发展,数据处理量剧增,以及用户不断扩大的个性化需求,对计算机信息处理能力提出了越来越高的要求。如何在场景中快速准确地找到与任务相关的局部信息,即物体选择与识别,已经成为计算机信息处理领域的一个研究热点。随着在心理学领域注意机制研究的不断发展,将注意机制引入信息处理领域来解决物体识别问题,已经不再是纸上谈兵。
人类视觉系统进行视觉信息处理时,总是迅速选择少数几个显著对象进行优先处理,忽略或舍弃其他的非显著对象。进入人类视野的海量信息,通过注意选择机制进行筛选,就能使我们有选择地分配有限的视觉处理资源,保证视觉信息处理的效率,这就是视觉选择注意机制的原理。依据人类视觉选择注意的基本原理,开发能够进行智能图像信息处理的计算机系统,就成为一大任务。我们研究的主要方向是使计算机处理对象时,能够具备与人类相似的视觉选择注意能力。
2.视觉注意机制
研究视觉注意机制是个多学科交叉的问题,目前多个领域的研究人员都取得了研究成果,并且对视觉注意的理论都形成了一些共识。目前普遍认为注意既可以是按自底向上(自下而上)的图像数据驱动的,也可以是安自顶向下(自上而下)的任务驱动的。其中,自下而上的研究主要来自图像中物体数据本身的显著性。例如,在视觉搜索实验中,显著的物体会自动跳出,如图1中的圆点通过特征对比,以形状跳出的形式获得注意。自上而下的引导主要来自当前的视觉任务,以及场景的快速认证结果,即我们可以“故意”去注意任何一个“不起眼”的物体,如我们可以在图书馆浩如烟海的藏书中,找到自己感兴趣的那本书。
研究视觉注意机制的重要方法是研究眼睛在搜索目标时的表现。显著图中的各目标在竞争中吸引注意点,注意点在各个注意目标间转移。根据注意点转移时是否伴随眼动,视觉注意也分为隐式注意和显式注意。隐式注意的中央凹不会随着注意点的转移而移动,而显式注意的中央凹随每次注意点的转移而运动。
对视觉注意机制的研究为计算机视觉的发展提供了可能。计算机视觉借鉴人类视觉的注意机制,建立视觉注意的计算模型。通过“注意点”的选择与转移,实现对复杂场景中任务的搜索与定位,最终来实现实时信息的响应处理。在计算机视觉的研究中,显式注意应用较多。
3.计算机视觉注意模型
从人的角度来看,人类视觉系统通过视觉,选择注意在复杂的场景中迅速将注意力集中在少数几个显著的视觉对象上。从场景的角度来看,场景中的某些内容比其他内容更能引起观察者的注意,我们称之为视觉显著性,两者其实是从不同的角度对视觉选择注意过程的描述。
我们把引起注意的场景内容定义为注意焦点FOA(Focus of Attention)。Treisman的特征整合理论中将视觉信息处理过程划分为前注意和注意两个阶段,各种视觉特征在前注意阶段被以并行的方式提取出来,并在注意阶段以串行方式整合为视觉客体,即注意的特征和客体是通过不同方式进行的。在注意焦点的选择和转移上,Koch[2]进行了深入的研究,他提出注意焦点FOA的变化具有四个特征,即单焦点性:同一时刻只能存在一个FOA;缩放性:FOA的空间范围可以扩大或者缩小;焦点转移性:FOA能够由一个位置向另一个位置转移;邻近优先性:FOA转移时倾向于选择与当前注视内容接近的位置。同时注意焦点具有抑制返回的特点,即FOA转移时抑制返回最近被选择过的注视区域。在此基础上,视觉注意的研究人员提出了多种视觉注意模型。
4.视觉注意模型的研究现状
人类的视觉注意过程包括两个方面:一方面是对自下而上的初级视觉特征的加工,另一方面是由自上而下的任务的指导,两方面结合,共同完成了视觉的选择性注意。与此对应,当前的计算机视觉注意研究也分为这两个方面。
4.1自下向上的数据驱动注意模型研究及分析
在没有先验任务指导的情况下,视觉注意的目标选择主要是由场景中自下而上的数据驱动的,目标是否被关注,由它的显著性决定。现在,自下而上的注意研究主要基于Treisman的特征整合理论和Koch&Ullman的显著性模型,Itti、satoh等人均在此基础上提出了自己的研究模型,并做了一些模型的改进研究。自下而上的研究方法通过对输入图像提取颜色、朝向、亮度等方面的基本视觉特征的研究,形成各个特征对应的显著图。另外,一些研究者采用基于局部或全局对比度的方法,来得到图中每个像素的显著性,进而得到显著图。
现有的自下而上的视觉注意计算模型中,Itti的显著图模型(简称Itti模型)最具代表性。该模型主要包含3个模块:特征提取、显著图生成和注意焦点转移。模型通过初级特征的提取,将多种特征、多种尺度的视觉空间通过中央―周边算子得到的各个特征的显著性图合成一幅显著图。显著图中的各个目标通过胜者为王的竞争机制,选出唯一的注意目标,其中注意焦点的转移用的是禁止返回机制。但该模型也有一些缺点,如显著区与目标区域有偏差、计算量较大、运行时间较长、动态场景中实时处理不平等。
在动态场景之中,由于Itti模型很难满足实时性的要求,科研工作者们正在努力研究动态场景的特性,并建立相应的动态模型。如Wolfe[1]指出,影响前注意的特征包括颜色、方向、曲率、尺寸、运动、深度特征、微调支距、光泽、形状,等等,其中又以运动特征最为敏感。而You等采用了一种空间域特征和时间域特征相结合的视觉注意模型,该模型假设当场景中存在全局运动时,视觉注意对象将极少做运动。然而,许多真实的场景并不能满足这个假设,限制了模型的适用范围。Hang等人提出了一种运动图的计算方法,并把运动图作为特征之一,与颜色、亮度、方向等特征结合。这些研究关注了运动特征对视觉的影响,但是均存在一定的局限性,对于复杂的运动场景的注意焦点计算很难取得良好的效果。
我国研究者也在Itti注意模型的基础上研究了适合动态场景中的注意模型,形成了一些理论成果。如曾志宏[2]等人提出注意焦点计算模型,郑雅羽[3]等提出基于时空特征融合的视觉注意计算模型。这些模型都能较好地提取动态场景下的视觉目标。
4.2自上而下的任务驱动的注意模型研究及分析
自上而下的注意即任务驱动的注意,通过目标和任务的抽象知识,在一定程度上指导注意焦点的选择。在自上而下注意模型的研究方面,Laar(1997)提出了一个用于隐式视觉注意的模型,该模型通过任务学习,将注意集中于重要的特征。Rabak[4]提出了基于注意机制的视觉感知识别模型,该模型在定义目标显著性时,通过语义分析对其他三个自下向上的视觉控制参数项进行线性组合。Salah将可观测马尔科夫模型引入到模拟任务驱动的注意模型研究中,并在数字识别和人脸识别的实验中取得了很好的效果。Itti提出以调节心理阈值函数的形式来控制视觉感知。
目前对自下而上的数据驱动方面的研究较多,而对自下而上的任务驱动方面研究较少。因为任务驱动的注意与人的主观意识有关,同时受到场景的全局特征影响。自上而下的注意涉及记忆、控制等多个模块的分工协作,其过程非常复杂。
5.计算机视觉注意模型研究的趋势
自底向上和自顶向下的加工是两种方向不同的信息处理机制,两者的结合形成了统一的视知觉系统。人类的视觉信息处理系统只有遵循这样的方法,才能有效地实现视觉选择注意的目的。
实践证明,把自底向上和自顶向下的研究相分离的研究方法并不能很好地解决计算机的视觉注意过程。要想使计算机能够准确模拟人类的视觉注意过程,实现主动的视觉选择注意的目的,采用两种研究方法相结合的形式势在必行。自底向上的视觉注意计算往往离不开与自顶向下的有机结合,实现二者的优势互补是以后计算机视觉注意研究的一个趋势。
参考文献:
[1]Wolf J M,Cave K R.Deploying visual attention:the guided search model.In:Troscianko T,Blake A,eds.AI and the Eye.Chichester,UK:Wiley press,1990.
[2]曾志宏,周昌乐,林坤辉,曲延云,陈嘉威.目标跟踪的视觉注意计算模型[J].计算机工程,2008,(23).
[3]郑雅羽,田翔,陈耀武.基于时空特征融合的视觉注意模型[J].吉林大学学报,2009,(11).
[4]Rabak I A,Gusakova V I,Golovan A V,et al.A model of attention-guided vision perception and recognition.Vision Research,1998,38.
【关键词】平面测量技术;铅球项目;成绩测量
0 引言
随着计算机处理能力的提高和传感器技术的发展,近年来基于视频图像处理的计算机视觉技术已成为图像处理领域的研究热点,该技术在众多的领域中都有十分广泛的应用[1]。
视觉是人类认识世界、观察世界的重要手段。人类从外界获取的信息量约有 75%来自视觉系统,这表明视觉信息量十分巨大以及人类对视觉信息有较高的利用率。人类利用视觉的过程可看作是一个从感觉到知觉的复杂过程,即从感受到的对三维世界的投影图像到依据投影图像去认知三维世界的内容和含义[2]。
计算机视觉技术是指利用计算机实现人的视觉功能,既对客观世界的三维场景的识别、感知和理解。该技术包括是仿生学方法及工程方法,仿生学方法是模仿人类视觉功能的结构及原理,建立相应的处理系统,完成类似的工作和功能;工程方法是从分析人类视觉系统着手,并采用任何现有的可行手段实现人类视觉系统的功能[3],该方法的特点是只关心系统的输入和输出。计算机视觉的主要研究目标是建成计算机视觉系统,完成各种视觉功能。也就是说,即要能借助各种视觉传感器(如 CMOS 摄像器件、CCD等)获取现实世界的图像,而感知和恢复 3D 环境中物体的几何性质、运动情况、姿态结构、相互位置等,并且要对客观场景进行识别、解释、描述、进而做出决断。目前,计算机视觉技术在体育运动中也得到了广泛的应用,利用该技术不仅可以从不同的视角观察运动员的动作,而且能将运动员速度、加速度、所在位置等数据进行量化处理,使体育训练及比赛摆脱依靠传统经验分析及判别的状态,从而进入科学化、数字化的状态,而且还可以完成竞技体育项目的成绩测试[4-5]。
在测试项目中铅球成绩的测量仍采用皮尺丈量法。这种方法存在着三个方面的缺陷,一是皮尺本身具有弹性以及易折叠特性,二是受场地的凹凸不平,三是人为因素影响较大。由于这三方面的作用, 故在铅球成绩的测量精确度受到极大的限制。针对这一问题本课题提出了一种基于同视场(铅球场地)测量地平面坐标的单摄像机模型[6-7]。该模型利用透视投影几何关系,对摄像机内部参数进行标定,然后,建立相应的网格匹配数学模型,通过单目CCD摄像机像面坐标,测量铅球落点的地平面坐标[8]。成功的解决了铅球着点测量在双目视觉交汇组合测量存在的死角影响系统的测量范围的问题,另外,单目视觉测量系统也避免了双目视觉系统存在对应特征点匹配问题。
1 平面测量原理
图1 铅球的2D场景坐标系
铅球场地是一个扇形区域(如图1)。假设建立一个如图1的2D场景坐标系,首先要做的事是要确定场地上指定点的真实坐标与采集到的图片的指定点象素坐标之间的对应关系,即要找到这两种坐标系之间的转换关系。而这种转换关系可以用平面测量的相关技术获得。在计算机视觉中,所谓的平面测量,就是从图像中获得2D场景信息。在实际的测量中,我们可以通过在图像上标定一定数量的坐标点来确定图像中场地指定点的象素坐标和真实世界中的指定点的现实坐标之间的单应矩阵。
我们获取一幅2D场景S的图像I,通过S与I之间的N(N>=4)对对应点,就可以确定它们之间的单应矩阵H。
令:
H=h■,h■,h■=h■,h■,h■h■,h■,h■h■,h■,h■(1)
在H的九个元素中,有八个独立比率,即一个单应有八个自由度变量,一个常数1。因此,在H中,往往设置h■=1。
令(x■,y■)∈I,x■■,y■■∈S为一对对应点,i=1,2,…N。由每一对对应点,根据图像与场景之间的单应关系,我们可以得到两个线性方程:
其中,h是矩阵H的向量形式,
于是我们可以得到2N个方程,写成矩阵形式为:
AH=0(3)
其中
因此,要求得8个参数的单应矩阵,至少需要4个对应点。在实际的测量中,为了提高精度,每个模板平面上提供的对应点数目都会超过4个。
当N>4时,我们可以用奇异值分解法(SVD)[14]求最小二乘解h。
求得单应矩阵后,利用公式(2),就可以计算出图像上指定点对应的真实坐标值,从而计算出铅球投掷的距离。
2 实验结果与分析
表1
2.1 实验结论(下转第38页)
(上接第21页)经实际测量的6个标定点(如图1)的坐标分别为A(700,0)、B(900,0)、C(1100,0)、D(570,407)、E(733,523)、F(895,639) 。为了测试本文提出的测量模型,在反复测量铅球投掷实验中选取了典型的10个测试样本,其中铅球落点10个。
2.2 误差分析
从表1中我们可以看到人工测量值和系统测量值有一定的误差,分析误差产生的原因有如下几种:
1)数字 CCD 镜头的光学性能引起的误差,如焦距、畸变和光学中心误差等通过摄像机内部参数校正来解决。
2)摄像机的支架及底座一定要有足够的稳定性和刚度,在视频图像获取过程中应保证摄像机的相对位置稳定不动,由意外情况所造成的误差在计算中应予以剔除。
3)环境的变化将对测量结果产生影响,因此测量中要及时修正背景图像。
4)人工测量本身就会与真实值产生一定的误差。
3 总结
本论文首先介绍了课题背景,对单目视觉测量的研究现状和测量建模在国内外的研究现状进行了分析和归纳,同时分析了视频图像处理技术在体育项目应用现状,将基于单目视频图像处理技术的铅球成绩测量作为切入点,对数字图像处理技术在田径运动中应用的关键技术进行了研究。结合铅球场地的特点,提出一种基于视频图像的铅球测量方法,并通过实际应用证明了该方法的可行性。
【参考文献】
[1]Criminisi A,Reid I,Zisserman A. A plane measuring device[J].Image and VisionComputing,1999,17(8), 625-634.
[2]Lorenzo Bruzzone, Diego Fernàndez Prieto. Automatic Analysis of the Difference Image for Unsupervised Change Detection[J]. IEEE Transactions on Geoscience and Remote Sensing,2000,5,38(3).
[3]L Sajó, Z Ruttkay, A Fazekas. Turk-2, a multi-modal chess player[J]. International Journal of Human-Computer Studies,2011,7,69(7-8):483-495.
[4]Lichtenberg, D.B., Wills, J.G., Maximizing the range of the shot-put[J]. American Journal of Physics,1978,46:546-549.
[5]Maheras, A.V.. The relationship between the angle of release and the velocity of release in the shot-put, and the application of a theoretical model to estimate the optimum angle of release (throwing)[D].University of Kansas., 1995.
[6]Antonio Plaza, Jon Atli Benediktsson, Joseph W. Boardman. Recent advances in techniques for hyperspectral image processing[J]. Remote Sensing of Environment,2009,9,113(1):S110-S112.
关键词:农业机械自动化;技术要点;优化措施
DOI:10.16640/ki.37-1222/t.2017.06.214
0 引言
所谓农业机械自动化技术,指的是将控制论、计算机技术、液气压技术等应用到农业机械的设计当中,使农业机械可以独立完成田间耕作。随着科学技术的不断发展以及为了响应政府高效农业的号召,我国农业正逐步朝着机械自动化的方向发展。农业机械的自动化,不仅能够使劳动的生产效率得到提高,还能减轻农民的劳动强度,并且提高劳动舒适度,在一定程度上缓解农村劳动力短缺的问题。在科技高速发展的今天,世界各国都加大了对农业机械自动化技术的研究。很多科研成果已经从实验室走向了实用阶段。
1 农业机械自动化对农村建设的意义
对社会主义新农村进行建设,是我国构建社会主义和谐社会的基本要求。社会主义的和谐与广大农村地区的和谐是不可分割的。虽然从整体上看,社会主义新农村处于较为稳定和谐的状态,但不可否认的是,社会主义新农村的建设也存在着一定的问题。其中,最主要的问题是农民收入过低。因此,我国要大力推行农业机械自动化建设,为减轻农民的劳动强度、提高农民的经济收入提供保障。
2 农业机械的分类
通常来说,农业机械是由动力设备和与之配套的农机器具组成的。这两者之间主要是以牵引悬挂或者是半悬挂的方式进行连接。也有的农业机械将这两者制造成一个统一的整体。动力设备和与之配套的农机器具这两者在耕作的过程中,互相配合,缺一不可。
3 农业机械自动化发展中存在的问题
我国农业机械技术在发展的过程中,并不是一帆风顺的,而是遇到了很多问题。首先,我国大型农业自动化机械在推广的过程中难度较大。很多农民没有意识到机械化生产的重要性,导致了他们不愿意在农业生产的机械方面进行投入,最终造成了我国大型农业自动化机械供大于求的尴尬。第二,我国的农业机械制造水平较低。与西方国家相比,我国农业机械制造的起步较晚,在很多方面,科技水平还不够成熟。第三,我国对农业机械自动化技术的研究缺乏足够的动力。我国大型农业机械的制造企业,以及科院院所存在着资金不足、科研环境较差的问题。对农业机械进行设计,不仅需要耗费大量的时间和精力,还需要一定的技术条件作为依托。我国大部分科研院所和农业机械制造企业,由于资金不足,并没有完成对实验室的配套建O,使得科研人员在进行工作时困难重重,这一现状也严重影响了科研人员的工作积极性。第四,自动化技术在农业机械的应用中还处于起步阶段。对自动化技术的应用,需要很高的科技水平作为依托,但是我国科技基础薄弱的现实,使自动化技术的应用变得困难。
4 农业机械自动化技术要点及优化应用措施
4.1 实现计算机技术应用于农业生产
计算机视觉技术,作为新时期重点研究和应用性广泛的新科技,很多西方国家先后展开了对计算机视觉技术的研究。计算机视觉技术在农产品质量的鉴定方面,以及在记录农产品生长的信息等方面有着十分重要的作用。英国对计算机视觉技术的应用进行了首次尝试,利用该技术研制了专业性的采蘑菇机器人。采蘑菇机器人在采蘑菇的过程中,不仅能够对蘑菇的位置进行精准的定位,而且能够对所采的蘑菇进行合理化的分类。受到英国的影响和启发,我国国内也开始尝试在农业机械自动化技术中,加入计算机控制技术的内容。但是由于我国的经济技术发展还不够成熟,要实现对计算机视觉技术的应用,还需要科学家们进行努力。
4.2 实现农业施肥和灌溉技术的自动化
我国水资源总量虽然比较大,但是人均资源占有量却很小,而且我国水资源分配的不够合理,使得我国水资源长期处于短缺的状态。要促进农业的发展,充足的水资源是必要的条件。在保证农业生产用水的同时,保证对水资源的节约,是我国农业发展过程中必须要面对的问题。农业自动化灌溉技术的应用可以很好地解决这一问题。所谓农业自动化灌溉技术,是把传感器与电子计算机进行有机结合,把农作物生长过程中对环境的需求及对用水量的需求,通过软件的形式加以呈现,从而避免水资源的浪费。对农业施肥技术来说也是如此,实现农业施肥和灌溉技术的自动化,是节约水资源、降低农业生产成本、避免浪费以及保护环境的必然选择。
4.3 实现农业的精准化
农业精准化是指将我国的传统农业与农业机械自动化技术相结合,实现农业生产管理的科技化。精准农业是未来农业发展的主要方向之一。农业生产自动化,是一项以计算机网络和控制器等为基础的技术。我国对精准农业的研究,已经取得了一定的科技成果。世界上第一台观测农业气象的自动化仪器,已经在我国郑州气象站开始投入使用。农业气象观测仪,可以对农业生产的小环境进行合理化监测,并且通过网络把监测到的信息及时反映给当地农业部门。
总之,在经济全球化进程不断加快和城市化进程高速发展的今天,给各个行业带来机遇的同时,也带来了挑战。为了在经济发展的大潮中处于不败的地位,加强科技创新是一项必不可少的选择,同时也是长远发展的根本要求。对于农业产业而言,为了使我国农业能够更好更快的发展,政府要提高对农业机械自动化技术研究的投入,并将新的科技成果不断应用到农业生产中。作为科技工作者要努力钻研农业机械自动化技术,并且要对农业机械自动化技术的应用措施进行优化,从而实现农业的智能化时代,创造出我国农科发展的新道路。
参考文献:
[1]刘洋.我国农业机械自动化应用现状和推进模式探讨[J].化工中间体,2015(11):11-19.
本文深入地分析了当前实施人脸检测技术的可行性,并对本方案实施的优势进行了概括。
【关键词】人脸检测技术 计算机技术 识别技术
1 人脸检测的前景
人脸检测作为近年来生物识别领域的一个热门研究方向,具有操作方便,用户易于接受,事后追踪能力强等优点。但是因为人脸检测与识别运行的过程往往需要大量的运算,并且其算法并不简单,因此目前大部分人脸检测与识别系统的设计与开发都需要立足于计算机技术。下面笔者将会对以计算机平台为基础的人脸检测的实现过程展开详细的论述与分析。
2 相关技术研究现状
2.1 人脸图像的获取与预处理
一般情况下,摄像头负责对人脸图像的摄取,除此之外,专门的图像库也是人脸图像的来源之一。前者多应用于系统的应用阶段,一般来说,它不仅仅可以作为应用系统存在,也可以作为研究系统存在;而后者多应用于研究阶段,并且它只能作为研究系统存在,是基于标准人脸图像库而存在的。
获得需要的图像之后,接下来就要对图像进行预处理,这一环节对于人脸检测与识别系统的应用来说,是非常关键的。在获取图像的过程中,会受到外部复杂环境的影响,例如灯光亮度、配套设施好坏、噪声干扰、对比不明显等等。并且,由于距离与焦距存在的差异,导致无法确定人脸所处的具置。因此,图像预处理这一环节是必不可少的,有了这一环节才能确保图像上人脸所处位置与大小比较恰当。人脸扶正、人脸图像增强及其几何归一化和灰度归一化等都是图像预处理环节主要的工作内容。而图像变换增强、直方图均衡法、非线性平滑滤波、图像的归一化等则是图像预处理过程之中所运用的主要方法。
2.2 人脸检测技术
人脸识别是否能够具有较好的识别性能,取决于人脸检测的性能水平的高低,因此可以说,人脸检测是人脸识别得以实现的前提条件。借助人脸检测算法技术,检查并测验静态图像(动态视频帧),从而准确的对此图像(视频)进行判断,从而知道此图像是否具有人脸图像,假若判断此图像具有人脸图像,则需要明确其所处区域及图像数值大小,这就是人脸检测。高效率与检测精准是用户对人脸检测的一个普遍性评价,现如今这项技术已经获得了用户的认可,专家学者也对其展开了更深入的分析研究。
人脸图像所囊概的特征是非常丰富的,例如肤色、人的轮廓、结构等特征都是极具代表性的,此外其系列图像往往还会涉及到一些其他信息,例如运动状态等。基于这些特征信息,研究者设计了许多人脸识别的检测算法,按照这些方法的思想策略大致可将人脸检测方法分为4类:基于知识的方法、基于模块匹配的方法、基于外观形状的方法和基于特征的方法。
2.3 人脸识别技术
借助对相应的人脸识别算法的运用,辨别出图像上的人脸的身份信息,第一步是对图像进行搜索,从而找出图像上的人脸目标,然后识别人脸目标体的身份信息,这就是人脸识别。
以人脸识别技术的发展状况作为划分的依据,研究工作往往将人脸识别技术划分为四种类别,分别为:其一是几何特征为基础的;其二是以统计特征为基础的;其三是以机器靴子为基础的;其四是以局部模式为基础的;
3 选择的硬件平台
3.1 图像输入
人脸图像的输入部分可以是普通的USB摄像机、网络摄像机等,也可以将已经拍摄好的图像存储在硬盘等存储设备。因此其应用往往不会受限于特定的场所。
如果摄像机选择的性能比较差一些,会增加后面算法的复杂度;此外还会对人脸检测与识别的最终效果造成一定的影响;为了提高系统的性能,所以应该选择性能比较好,产生的相片噪声比较小的相机。
3.2 中央处理
本方案中的中央处理部分选取的是计算机的CPU;因为现在CPU的功能强大,再加上良好的微软系统,使得系统的性能大大的提升。
作为系统的中心处理部分,应该选择一台专门的服务器来处理图像的检测和识别。这是由于图像往往需要占据大量的内存,在实施算法的过程之中会耗用较多的资源。
4 检测系统的组成
4.1 计算机视觉库OpenCV的介绍
Open CV是计算机视觉库,它是跨平台的,并且以(开源)发行为基础,能够在很多操作系统上运用,例如Linux、Windows、Mac OS,其具有的C函数跨平台的中、高层API高达五百个。由于其有着丰富的视觉处理算法,因此在数字图像处理领域之中的运用非常普遍,例如物体、人体、人脸等的识别。本文后面分析工作的开展都是以Open CV计算机视觉库为基础的。
4.2 人脸图像采集模块
原始的人脸图像一般是在用户注册时采集的,一般会在几副到十几幅之间, 且采集到的这些人脸图像需包含该人脸的不同的表情和多种姿态。人脸采集是人脸检测的第一个步骤,笔者在前文现状分析的基础上,为使人脸检测更加精确,结合了人眼与人脸检测两种技术。成功获取人脸图像后将会步入图像预处理这一步骤,相应的工作内容不再赘述。
当然进行人脸识别时的图像采集工作也是由此模块来完成,采集完需要进行归一化、图像均衡、灰度化、直方图增强等预处理,之后根据当前处于训练阶段还是识别阶段将其送入人脸特征提取模块。
4.3 人脸特征提取模块
这一模块的主要工作是提取人脸图片的特征,随后开展降维处理,最终在数据库之中录入该特征,方便人脸图像识别模块对图像的识别。在前文人脸识别技术研究现状分析的基础上,笔者认为此模块工作的开展,首先可以采取人脸区域先分块再提取特征的方法。
4.4 人脸图像识别模块
人脸识别系统的好坏很大程度上取决于人脸识别的设计水平与其所挑选的计算方法,因此可以说,人脸识别系统的关键在于人脸识别。现如今,以小波分析为基础、以视觉联想为基础、以人脸表情为基础的人脸识别技术是运用最普遍的。因此,本文的关键点就在于此,要查阅相关资料,从而挑选出最恰当的算法。
5 结论
我们以OpenCV和计算机为平台,对人脸图像的预处理、人脸图像的特征提取和人脸图像的识别算法进行仿真分析和优化。这样,我们就可以充分利用人脸识别现有的算法,并进行优化,来实现快速高效的检测和识别系统。
参考文献
[1]朱文佳,戚飞虎.快速人脸检测与特征定位 [J].中国图像图形学报,2005,10(11):1455-1458.
[2]王志良,孟秀艳.人脸工程学[M].北京:机械工业出版社,2008.
作者简介
宋家慧(1978-),女,山东省苍山县人。大学本科学历。现为广西机电职业技术学院讲师。研究方向为计算机应用、数据库应用和数据挖掘。
关键词:农业生产;机械制造;应用;自动化技术
我国是一个农业大国,农业生产和农业经济对于我国而言非常重要。为了更好地提高农业生产效率,在农业生产过程中,合理地应用行之有效的机械制造自动化技术,对于提升农业生产有着明显的推动作用。在农业生产当中借助机械制造自动化,不仅可以大大减少农民的工作量,还可以显著提升劳动生产的舒适性以及效率,实现成本节约的同时,还可以显著优化农产品的生产。因此,探讨农业机械制造自动化的应用具有显著意义。
1机械制造自动化技术
机械制造主要是按照机械设计的最终效果发展生产以及制造的过程,其中会涉及许多类型的设备,例如工业当中的仪器仪表、机床等机械设备,在农业生产中主要是一些能够提高农业生产行为效率的机械设备。近些年,我国机械制造行业的发展速度十分明显,并且也获得了大量的创新成就。通过相应的研究,我国机械制造行业目前已经处于国际先进水准,同时逐渐向自动化、数字化、智能化的方向发展。其中,虚拟化、自动化是主要发展目标,通过虚拟化的控制,自动化的操作与控制可以实现更好的优化生产效率和效果的目的。机械自动化技术可以为农业生产提供至少以下几个方面的优势和特点:优化产品质量、提高生产效率、控制生产周期、控制生产成本、提升经济效益、降低人工劳动力投入、实现生产环境环保型,推动相应行业与技术不断发展和创新。
2农业机械制造自动化的应用现状
机械自动化技术是农业生产中最为重要且应用意义巨大的一种技术,国外一些发达国家,已经能够将大量的农业机械制造自动化技术应用到农业生产当中,并且在农业生产中的收割、整理、筛选、加工、包装等流程中应用自动化机械,可以实现自动化的生产效果。农业机械制造自动化技术仍然需要坚实的科学技术为基础,其中主要包含计算机集成制造系统、计算机辅助设计技术、高精度的加工技术等,目前我国机械制造自动化技术仍然处于萌芽阶段,仍然需要更加深入的研究和创新。根据机械自动化技术的制造规模划分,农业行业当中的机械自动化主要可以分为自动化制造、自动化制造系统、制造线、制造工厂等。就农业机械制造领域而言,我国仅仅达到了自动化制造、自动化制造系统的建设和创新,在其他方面仍然有待提高。
3农业中机械制造自动化的未来发展前景
3.1自动化视觉技术的应用
计算机的视觉技术是新时期的一种重要技术之一,国外许多发达国家已经针对这一技术开展了相应的工程性应用。计算机视觉技术在农业生产当中的应用主要表现在评判农产品的质量、管理农业种植的资源、记录农作物的生产信息以及自动收货等方面。例如,英国通过计算机视觉技术制造了专用于采蘑菇的机器人,通过其中的视觉处理技术以及图像处理功能,可以让机器人在采蘑菇时准确定位并有效采集。当前,这一技术在我国仍然不够成熟,需要进步一研究和应用。
3.2农产品检验与包装技术
就目前的农产品检验与包装效率而言,大多数属于密集劳动的方式,想要有效提升这项工作的工作效率,可以应用自动化检测包装设备,其中可以借助摄像机或X射线等方式探测农产品的病害程度以及受损害程度,并将包装完好的农产品挑选出来,并计算农产品的数量以及体积,之后再借助包装机,根据不同质量等级以及体积将农产品包装好。这一技术在许多发达国家已经达到了生产线密集型的应用,但是在我国存在着明显的问题,仍然需要相关研究人员不断探究和实践,并根据我国实际的农业生产现状,设计出符合我国农业生产的农产品检验与包装自动化技术。
4总结
综上所述,农业机械制造的自动化技术未来必然是农业社会经济发展的必然,对农业生产均有着明显的意义和作用。因此,在农业机械生产以及制造过程中,需要不断提高对机械自动化技术的重视和探讨,提升农业机械制造设备以及管理的自动化状况,从而更好地推动我国农业生产。
作者:李洪芹 颜廷婷 鲁鸿 单位:1、山东省临沂市费县农机监理站 2、山东省临沂市兰山区方城农机管理服务站
参考文献: