计算机视觉概念

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篇计算机视觉概念范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

计算机视觉概念范文第1篇

关键词：计算机视觉；课程创新；教学改革

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2016）20-0118-02

计算机视觉课程是人工智能学科的分支学科，对互联网技术的发展有着重要的推进作用。随着时代的飞速变迁，越来越多的学生对这一领域产生了浓厚的兴趣，计算机视觉课程在信息专业中也开始占据重要的地位。如何让学生对这门课程保持长久的兴趣，如何培养学生的专业能力和实践能力，是当前高校应该考虑的问题。经过近几年的教学实践后，很多高校已经逐步确定了通过实际应用培养学生兴趣的教学方法，在满足学生对计算机视觉应用需求的同时，加深了学生对理论知识的理解，这已经成为了当前高校计算机视觉课程教学的重要模式。

一、计算机视觉课程的特点

近年来，随着计算机网络的飞速发展，计算机视觉的应用也越来越广泛，成为了信息相关专业学生的一门必修课。计算机视觉课程涉及众多领域，包括人工智能与模式识别、应用数学等，其覆盖范围广，综合性较强。具体来说，计算机视觉课程有以下几个特点：一是内容广泛，理论抽象。计算机视觉是一门新技术，随着时代的变迁，互联网新技术的更新日新月异，这就使得课程内容的更新过快，内容广泛，教师很难在第一时间向学生输送所有的课程知识。二是计算机视觉课程涉及多个学科领域，并且所涉及的领域知识内容复杂，表达抽象，这对学生的学习来说是一个较大的障碍。三是实践性强。计算机视觉课程的知识内容来源于各种专业不同的领域，操作性极强，学生只有在具有一定的工程项目综合能力后，才能进行计算机视觉应用和操作。

二、计算机视觉与计算机图形学、数字图像处理之间的联系和区别

1.计算机视觉与计算机图形学的联系与区别。计算机视觉一般输入的都是图像或图像序列，其输入资料主要来自usb摄像头或是相机。经过处理后，计算机视觉输出的是对图像序列和图像对应的对真实世界的一种理解，在这一方面，计算机视觉有识别车牌、人脸的作用。而计算机图形学则是一种对虚拟场景的描述。它一般是由多个多边性数组组成，每个多边性有三个顶点，输出的是二维像素数组。在增强现实的应用中，人们不仅需要用计算机视觉来提高对物体识别和姿态获取的效率，还需要用到计算机图形学对虚拟三维物体的叠加方法。

2.计算机视觉与数字图像处理的联系和区别。首先，计算机视觉与数字图像处理之间的联系在于数字图像处理是计算机视觉处理的基础，而计算机视觉的研究成果也可以作为数字处理的素材。其次，计算机视觉与数字图像处理之间的区别在于图形是一种纯数字化、矢量的单位，而图像则不仅包括图形，有时还包括来自现实世界的信号，并且图形的处理不是一种简单的堆积，计算机视觉的处理要从图像中找到一些统计数据和信息，并做进一步的数据分析。

三、高校计算机视觉课程教学的创新策略

1.以工程应用为导向的课程内容。鉴于学习本课程的学生在毕业之后多数会进入相关工程企业或者研究院工作，因此，在对学生进行培养时，高校一方面要考虑到学生的知识接受度，另一方面要设置以工程应用为导向的课程内容，帮助学生更好的进入企业或研究院开展工作。高校在进行计算机视觉课程教学创新时，首先要创新课程教材，摒弃以往枯燥的理论书籍，多选取一些实践性和应用性强的教材。考虑到国内教材的滞后性和学生基础的薄弱性，高校应该选择以下两本书作为学生的专用教材：一本是我国著名教授贾云得编纂的《机器学习》，这部教材深刻体现了时展的教学要求，书中不仅详细讲述了计算机视觉中的一些基本知识，包括计算机视觉的基本概念、算法及其应用，还有一些经典的数字图像处理方法和视觉应用分析，对学生了解基础知识和实践内容有着重要的意义；另外一本是国内外十分推崇的计算机视觉著作，它是美国教授Richard Szeliski教授的作品。该书在2010年出版，获得了众多业界人士的好评。Richard Szeliski教授是华盛顿大学的兼职教授，也是微软研究院交互视觉与多媒体的主任，他对计算机视觉的发展和未来走向十分清楚，也深刻了解产业界和大学需要什么样的计算机视觉课程教材。因此，这本教材面向应用，与当今最新的科技成果紧密相连，综合论述了计算机视觉在各个领域的发展，展示了计算机视觉的最新研究成果和未来的发展趋势。此外，本书中还有详细的国外研究案例和更加深入的应用案例，适合学生开展探究性学习。两本教材都是遵循以工程应用为导向的原则，对学生开放性思维的培养有着重要的意义。

2.面向科技最新成果的课程定位。计算机视觉是一门新技术，科技创新是其发展的原动力，因此，高校在进行课程安排时，应该将当今计算机视觉领域的重要的科技成果作为计算机课程的基本教学内容。要想以科技最新成果定位计算机视觉课程，高校要做到以下两个方面：（1）选取涵盖最新成果的教材。考虑到不同学生的数字图像处理基础不一的问题，学校可以在课程中补充一些有关数字图像处理的基础内容。在选择教材内容时，计算机视觉课程的内容应该包括数字图像处理、视觉学习和模式识别这三大部分。数字图像处理是视觉课程的基础内容，主要向学生介绍数字图像处理和计算机视觉所涉及的一些基础知识，包括图像的分割和检测、图像滤波的处理等。数字图像处理是整个计算机课程学习的重要基础内容，其课时可占总课时的二分之一。其次，视觉部分是近几年来计算机视觉的最新科技成果，内容主要包括摄像机的几何设定和计算机摄影机的序列处理等。作为最前沿的科技领域，视觉部分将会是该课程后期的重点内容，与实践作业紧密结合。而模式识别则更多的是新技术的一种工程应用，学生会更多的涉及到实践操作，更好的培养学生的实践能力。（2）强化学生自学和调研能力。课程调研和实践是信息专业学生强化能力的重要方法之一，高校可以在课程项目中引入新技术的探究，在使课程在具有基础性、研究性的同时，具有一定的前沿性，还能让学生在第一时间了解到最新的科技成果和互联网应用技术。在课程调研和实践中，高校必须要强化学生的自学和调研能力，在调研时给每一个小组安排一位高年级研究生作为指导，每组学生独立完成任务，高年级研究生只做引导和辅助的作用。学生在自我设置调研程序，查找资料，理解和熟悉相关程序的时候，能够更加掌握最新科技成果的内容，同时还提高了学生的自学能力和团队协作能力。

3.工程实践化的教学形式。工程项目综合能力是信息专业的学生必须具备的素质之一，因此在计算机视觉课程的教学过程中，培养学生的工程实践能力是教学目标之一。高校可以采取以下两种方法：（1）选取适当的工程实例。对于信息专业的学生而言，计算机视觉课程各个独立的算法和方法较多，彼此没有过多的联系。这对学生来说过于抽象，不易理解，因此教师不应当仅仅限于知识的传授，还应该选取一些适当的工程实例，将知识体系串联在一起，加深学会对教学内容的理解，从而达到良好的教学效果。例如，在教学过程中，教师可以着重介绍手机制造的例子。手机是现在学生十分熟悉的产品，用手机举例更加贴近学生的生活，教师可以详细介绍手机键盘和主板的制造过程，并在这一过程中将所学的算法和理论融合进去，加深学生对知识的理解。其次，教师在手机讲解时，还可以引导学生思考类似的产品制造，从而引出数码相机的制造原理，和学生一起探讨其制造算法。这种做法不仅可以帮助学生学习，还可以让学生拓宽思路，发散思维，不断创新计算机视觉领域。（2）选择合适的实际应用。计算机视觉课程是一门实践性和操作性极强的学科，因此，为了学生更好的学习，教师要将理论工程实践化，选择合适的实际应用来提高学生的实践能力。教师可以安排学生进入手机制造厂房，给学生上一堂别开生面的实践课，详细介绍每个制造流程，并向学生不断抛出与课程有关的问题，引发学生的思考，比如选择什么样的模板匹配法可以更为简单。学生在不断的解答和提问中，对学科知识的了解也会逐步加深。其次，高校可以建立专门的实训基地，学生可以在基地里实践操作，将理论转化为实物，亲自尝试做出模型，这种做法可以极大地提高学生的实践能力，使学生更快的将理论转化为实际。

四、结语

在新形势下，高校应不断创新计算机视觉课程的教学模式，并以此展开教学活动，培养学生的实践能力和创新精神。将工程应用和科技最新成果结合的教学模式，有利于解决理论和实践相脱节的问题，在增强学生学习兴趣、提高学生独立分析能力的同时，还使学生接触了国际最新的研究成果，拓宽了学生的思路，这对学生未来的发展有着重要的意义。

参考文献：

[1]郭小勤，曹广忠.计算机视觉课程的CDIO教学改革实践[J].理工高教研究，2010，（05）.

[2]伦向敏，侯一民.高校《计算机视觉》课程辅助教学系统的研究[J].教育教学论坛，2012，（18）.

[3]陈芳林，刘亚东，沈辉.在《计算机视觉》课程中引入研讨式教学模式[J].当地教育理论和实践，2013，（07）.

[4]杨晨.视觉传达设计专业插画设计课程创新与实践人才培养机制探究[J].艺术科技，2015，（05）.

[5]蒋辰.基于数字媒体环境的视觉传达设计专业综合实验课程改革探证[J].文艺生活：中旬刊，2015，（07）.

[6]张胜利.视觉传达设计专业中色彩风景写生课程多元立体化教学模式的构建[J].美术教育研究，2015，（08）.

计算机视觉概念范文第2篇

关键词:计算机视觉;教学应用;教学改革

计算机视觉是人工智能学科中的一门重要课程。随着相关应用在多个领域中的出现,越来越多的学生开始对这门课产生了浓厚的兴趣。如何让学生能够在整个课程中保持盎然的兴趣,并为有志于深入研究计算机视觉的学生指明方向,成为我们教师首先应注重的问题。

在实际的教学工作中,通过不断摸索总结,我们认为,以实际应用引导学生的学习兴趣,既满足了学生想了解计算机视觉实际应用的需求,又加深了学生对于算法的理解,把算法放在一个实际应用中,学生可以理解怎么用,为什么这么用。在这样的目标导引下,我们从选择教材开始,准备教学内容(包括合理的应用实例的选择)、制作PPT、探索教学方法,形成了目前以实际应用为主导的创新教学体系,非常受学生欢迎。在此,我们对这期间遇到的问题,解决方法、心得体会做一个总结和思考,希望能对同行有些许参考作用。

1选择教材

在我们这个专业,每年的上研率基本都保持在50%左右。在本专业的研究生阶段,也开设了双语教学的计算机视觉课程。另外,毕业后选择参加工作的同学也基本都进入和本专业非常相关的一些单位,所从事的工作,都是和在学校学习的知识密切相关。

因此,如何让这门课程的教学既兼顾本科毕业就参加工作的那部分同学,又兼顾继续深造的学生的需求,也是在这门课程讲授的过程中,需要特别注意的一个问题。对于本科毕业就要参加工作的同学而言,需要“广度”,需要了解计算机视觉这门课在各个领域中的应用,在实际中接触到相关的项目或工作时,能够知道去哪里可以找到自己需要的参考资料;而对于要进一步深造的同学而言,则需要一定的“深度”,为研究生阶段的研究打下基础。

全盘考虑到这些学生毕业之后的去向,我们选择了两本教材。一本是贾云得教授编著,科学出版社于 2000年出版的《机器学习》[2],这是一部顺应了时代与教学发展要求的教材,对计算机视觉中的基本概念、基本算法、基本算法的应用、经典应用进行了由浅入深的介绍。内容涵盖了所有经典的数字图像处理与机器视觉方法,也对一些已经得到非常好实际应用的方法,如光流法等作了简要介绍。另外还选择了一本英文原版的计算机视觉的经典著作,Ramesh Jain 教授等所著的《Machine Vision》[3],机械工业出版社于2003年出版。这是国内外非常推崇的一本计算机视觉著作,该教材条理清晰,深入浅出,对计算机视觉的基本原理、算法、应用的介绍非常详尽。

在教学中,我们采用了英文的PPT,但主要用的教材是贾云得教授的《机器视觉》,这样中英文对照讲解,一方面加深学生对教学内容的理解,另一方面也为学生今后阅读专业的英文论了相应准备。

2教学内容和工程实例的选取

2.1选取教学内容

本课程之前,大学二年级的本科生已开设数字图像处理课程,但所讲的基本原理和算法都非常浅显,所以在教学内容的安排上,分为两大部分:数字图像处理部分和视觉部分。数字信号处理部分主要讲解在视觉部分会用到的一些基本算法,为后面进入计算机视觉部分打基础。这部分约占总课时的1/3。视觉部分的课时也分为两部分:算法讲解与实例讲解。在算法讲解部分,对计算机视觉的基本算法、经典算法都做了深入浅出的讲解。实例部分则选择了经典的工业应用,让学生能够对所学算法进一步加以理解。

2.2选取适当的工程实例

就计算机视觉的教学内容而言,各个孤立的算法和方法对本科生来讲,有些抽象不好理解。如果在教学上仅仅通过老师在课堂上的讲解,很难让学生深入地理解相关的教学内容,而选择一个触手可及且简单好理解的工程实例往往就会达到意想不到的教学结果,学生可以把课堂上所学的枯燥理论与现实中活生生的事物联系起来,从而加深对教学内容的理解。

通过反复比对、反复论证,我们选择了在讲解基本原理和算法之后,在课程结束前,专门留出课时讲解手机制造这个例子。手机现在是人手一部,是这些年青学子再熟悉不过的事物了,通过对手机主板、手机键盘的制造过程的讲解,把所学的算法都融合进来,学生在觉得有趣的同时,不知不觉就加深了对所学算法的理解。

另外,在教学的过程中,我们还不断穿插其他学生耳熟能详的实例,如数码相机原理中的一些算法的讲解,我们和学生一起探讨应该怎么选择数码相机。再有,滤波器算法、在课堂上对Photoshop功能的演示,与所学算法关联起来,学生都很容易理解接受。

3教学点滴

3.1点睛之笔

在第一节课的讲述中,我们的重点不在于Marr理论,而是告诉学生:

人工智能就是要让计算机像人一样,能够会听、会看……

我们这门课程就是要让计算机“会看”,要像人一样会看。进而展示给学生一些我们精心挑选的图片,让学生自己判断,是不是自己的眼睛“骗了”自己,人眼和计算机看到的到底有什么不一样。

每次讲到这里,学生都会进行热烈的讨论,每个人都有不同的看法,每个人都有自己的坚持,不知不觉中,对这门课就产生了浓厚的兴趣,有了继续深入学习下去的愿望。在课堂讨论的最后,比较人眼对图片的判断以及计算机的判断后,让学生自己总结归纳,我们这门课到底要研究些什么,都有可能应用在哪些方面,然后对争议比较大的提议一一探讨。每到这个时候,大家的积极性就都被激发出来,在不断的争论与思想碰撞中找出正确的结论。

3.2拿身边的事物说“事”

计算机视觉课程的前半部分,多涉及到图像处理的一些常见算法。在讲授各种各样的滤波器和算子时,并没有针对各个滤波器和算子摆出一堆示例图片,让学生比较滤波前后的差异,从而很生硬地理解滤波器与算子的功能。取而代之的,我们首先以现在人手一台的数码相机为例提出问题,你为什么要选择你手里的这台数码相机?当初选这个品牌和型号时,你的考虑是什么?历年学生的回答几乎都是看网上测评,或者在网上看别人怎么说。这时列出我们收集到的各个品牌相机的测评报告,列出它们的优缺点,然后引导学生去思考,例如这个品牌的相机的缺点是照片发灰,不是很鲜亮,而另一个品牌的相机则绿的特别绿,红的特别红,为什么?那么有可能是哪部分的算法不够完善,为什么?

通过如此简单的对比,学生的积极性被完全激发。原来,数码相机这个几乎人人都有,大家都熟悉的“玩具”竟然和自己在课堂上学到的知识这么密切相关。

再有,就是利用学生们都熟悉的PS(Photoshop),演示现在所谓的“完美证件照”是怎么来的。为什么可以把疙疙瘩瘩的脸部皮肤变得光滑?在PS中,你就是点了一下鼠标,其实在后台,是加入了一个滤波器进行了滤波。各种这样的演示,学生都非常喜闻乐见。因为他们突然发现,原来那些事物,和我自己接触到这些看似枯燥的理论之间,还有这么深刻的联系。

还有一个很受学生欢迎的例子就是对于“鼓形失真”的讲解。我们的老师每次讲到这里,都不会简单告诉学生“鼓形失真”发生的原因是什么,应该怎么解决?老师都会问学生,明星为什么都一窝蜂去减肥?现在的女明星为什么都要去弄个“锥子脸”?课堂上就会出现一个小,男同学和女同学的看法各异,彼此之间开始争论不休。此时再趁热打铁地问学生,如果拿着相机,离自己的鼻子一公分,会拍出什么样的效果?有学生开始拿出手机对着自己和别人开拍,有的学生开始头头是道地分析。每到这种学生都开始热烈讨论的时候,就可以适时引导学生往正确的方向去,让他们自己找到正确的分析解决方法,往往这个时候,学生都会颇有成就感,对于问题的理解也会特别的深刻。

3.3选择合适的实际应用

在所有理论讲解结束后,我们会留出2～4次课讲述计算机视觉在工业上的应用。这些年来,对于手机制造这样一个工业应用,非常受学生欢迎。正如“数码相机”这个例子一样,现在学生都是人手一部手机,是大家再熟悉不过的东西。这个例子涉及到了在前面理论讲述中的大部分算法,如二值图像的处理、模板匹配、高斯滤波器等。学生通过对这个工业应用的理解,更进一步加深了对算法的理解。

以讲解手机键盘的制造过程为例,向学生提出和前面所讲内容相关的问题,引导学生自发思考,如为什么选择模板匹配法,而不是采用其他更复杂更精确的方法等等。每到这个时候,课堂气氛总是分外热烈,学生各抒己见,在不断争论中,更进一步加深对课本上枯燥理论的认识。

在这里需要注意的问题是一定要一步一步提出问题,循循善诱,引导学生一层一层地深入思考。如果问题的答案过于“深藏不露”,则有可能触发学生的抵触情绪,无法继续深入地思考。

4结语

通过多年的教学摸索,我们认为,在计算机视觉课程的讲述中,以实际应用引导学生这样的教学方法非常可取,而且也收到了很好的效果。另外,除了制定好的教学大纲,并选择合适的教材外,根据学校现在的时间情况,我们选择了多媒体手段辅助教学,充分利用Matlab和大屏幕投影等方方面面的优势,结合多种方法进行教学,对讲好计算机视觉这门课,非常有益。

参考文献:

[1] 林尧瑞,马少萍. 人工智能导论[M]. 北京:清华大学出版社,1989.

[2] 贾云得. 机器视觉[M]. 北京:科学出版社,2000.

[3] Ramesh Jain. Machine Vision[M]. 北京:机械工业出版社,2003.

[4] 蔡自兴. 智能控制原理与应用[M]. 北京:清华大学出版社,2007.

Innovation in the Course of Computer Vision

HAN Hong, JIAO Li-cheng

(School of Electronic Engineering, Xidian University, Xi’an 710071, China)

计算机视觉概念范文第3篇

关键词：机器学习；模式识别；计算机视觉；机场管制；民航安全

引言

安全管理是我们民用航空管理中的一个非常重要的问题，一直以来都受到整个行业的高度重视。机器学习作为人工智能技术的分支，已经在短短的几年时间内渗透到我们身边的各行各业，为之提供了大量的便利并极大的节省了人力及物力资源。由此我们推测，将机器学习及其相关技术应用到民航安全管理体系中，也将起到卓越的成效。本文便是对机器学习在民航安全管理的应用领域进行探索和分析。

1 机器学习介绍

1.1 定义

利用计算机对给定的数据进行分析并从中获取规律是机器学习的首要研究目标，这些数据我们称作观测样本，所学习到的规律我们称之为模型。通过这些规律模型，可以对未来将要出现的数据进行预测。

图1即机器学习的简单示例。机器学习的第一步即是选择一个规律模型，定义为决策函数f（x，？兹），该函数中的参数？兹并不确定。第二步则是通过机器学习的算法寻找出一个最适合的参数？兹？鄢，这个过程叫做训练过程。经过以上两个步骤，我们就可以使用f（x，？兹）模型对输入的x进行结果预测。

1.2 应用场景

我们所描述的机器学习，不仅仅是针对一些已经经过结构化处理的信息，还应当包含图像、音频在内的数字化数据。从范围上讲，它类似于模式识别、统计学习、数据挖掘，正是由于机器学习与这些不同领域的结合，从而形成了它在计算机视觉、自然语言处理、语音识别这些交叉学科中的研究优势。

2 民航安全管理

2.1 安全管理系统简介

民用航空中比较传统的思想认为没有危险就表示安全，然而现代的安全管理思想并不这样认为。现代的安全管理思想把安全当做一种状态，同时也是识别危险和管理风险的一个过程。由此可见，我们的安全管理系统（safety management system简称：SMS）必须是一个完整的、正规的、自顶向下的和有条不紊的综合安全管理系统。

2.2 我国的民航安全管理系统现状

分阶段发展的策略是在改革开放以来我国的民航业实施的总方针[1]，并且已取得显著成效：第一阶段，通过逐渐放松进入市场的时机，让民航走上企业化发展的道路；第二阶段，在民航业内部实施全面的制度改革，为进入市场化进行机制创造条件，同时大步跨入市场化经营时期；第三阶段，抓紧时机进行民航的行业重组，这一项改革已经取得了重大突破。虽然分阶段的策略成绩斐然，然而就目前来看，我国民航业的安全管理信息化进程依旧相对落后。

3 机器学习在安全管理体系中的应用

3.1 模式识别与机场管制

模式识别是工业业界提出的概念，而机器学习主要来自于计算机学术领域，在本质上二者没有区别。机场管制也称航空管制，航空流控 航路流控 等，指的是由于起降航班班次集中，飞机按关门先后顺序排队起飞，或者由于天气、军事、目的地机场问题等原因，塔台对飞机起飞时间进行管制。机场管制的目的是保证航空安全，以及保障飞机的飞行秩序。

通过机器学习的模式识别技术，安全管理系统可以对机场终端区域的所有飞行器进行实时监控，分析处理一次雷达、二次雷达及自动相关监视系统（ADS-B）等监视设备传回的包括飞行器高度、位置、运行状态以及气象信息在内的各种大规模数据，并在异常情况出现时，或者在异常情况即将出现之前（取决于机器学习算法的数据预测功能），向塔台管制员提供预警服务，避免各种特情的发生。

3.2 计算机视觉与机场安全

人脸识别[2]是计算机视觉领域的一个非常重要的研究方向。传统的人脸识别技术在实际应用中已经非常广泛，但是从性能的角度来看，依然存在诸多问题，最重要的是，从安全的角度考虑亦存在诸多漏洞。现在已经证明出现的针对传统人脸识别的黑客技术，已经屡见不鲜。而通过机器学习改进后的人脸识别技术[3]，不仅可以解决安全问题，并且十分有利于人脸识别精度的改善和人脸识别速度的提高。将优化后的人脸识别系统应用到机场的安检流程中，可以大大提高安检人员的工作效率，同样降低人工工作的强度。

同样的，计算机视觉及图像处理技术还可应用于机场场面安全管理。比如，随着通用航空的发展，无人机的数量快速增加，由于其制造成本低操作简单等特性，越来越多的单位和个人开始使用无人机从事私人的业务。这些没有规范管理的无人机，在缺乏地空空域管理的情况下，很容易就能够飞行进入机场的管制区，形成巨大的安全隐患。利用计算机视觉进行远距离摄像实时监控，有望很好的解决这个安全问题。

3.3 其他应用领域

除此之外，机器学习的各种算法模型，包括贝叶斯模型（Bayesian）、人工神经网络（Artificial Neural Networks）、深度学习（Deep Learning）、组合方法（Ensemble Methods）、回归（Regression）等等，均可根据各自的特性，应用于民航安全系统：数据预测特性可以应用于航空气象数据的分析与预测中，用以提前为管制人员提供尽可能准确的气象预报数据；语音识别及文本分析特性，可以应用于管制员与飞行员的陆空通话过程中，不仅可以监控陆空通话的内容，同时可以对参与人员的疲劳程度进行研判；大规模数据中的异常数据监测，可以应用行器设备及地面设备的维修与保障中。

4 结束语

近年来，以机器学习技术推动的人工智能已渗透到几乎所有的工业领域。而机器学习的应用场景，也就是它的应用领域，也恰好与我们信息化安全建设的方方面面都有诸多重合。对于我们民航，确切的说，对于我们民航的安全管理系统，尽早引入并应用机器学习相关技术，将会极大的改善系统的工作效率并提高安全保障的成效。

参考文献

[1]李洋.我国民航安全管理系统研究[D].中国海洋大学，2013.

计算机视觉概念范文第4篇

关键词：微创业；移动web；云计算；物联网；机器视觉

中图分类号：G646 文献标志码：A 文章编号：1674-9324（2014）33-0281-02

一、引言

十八届三中全会中指出，要深化教育领域综合改革、营造创业环境、健全促进就业创业体制机制，高校毕业生是创业的生力军，要加大力度培养大学生的创业素质和能力。IT微企未来的创新点在云计算、大数据、移动互联网三大领域，通过利用微平台或者网络平台进行新项目开发的创业活动的微创业被认为是改变当前大学生就业难状况的一个有益的探索和尝试。微创业参与者一般都是初次创业者，经验不足，需要更多的指导与帮助。大学生微创业素质发现与培养系统，是从提高服务、降低成本，集合优势资源，从大学创业的实际需求出发，将互联网技术、移动web技术、机器视觉技术、云数据存储技术等多种技术有机融合成的综合性微创业素质培养指导体系，对大学生的创业与创新能力提高有推动性的作用，对于高校大学生微创业教育的开展具有重要意义。

二、国内外研究现状

国内最早的微创业的概念是2011年两会期间陈天桥、历以宁的提案，紧随其后的是2011年发起的一项“中国互联网微创业计划”，提出了所有项目与互联网、移动互联网等先进技术和营销手段相结合以实现成效最大化的“微创业”原则。很多企业和高校、政府部门都开始关注对初次创业者的支持，并陆续推出了不同形式的微创业计划。2011年2月份中国电信北京分公司面向高校推出“天翼微创业计划”，2011年3月份著名杂志“创业邦”在其官方网站启动了2011中国“微创业计划”大赛等等。微创业的概念已经慢慢形成，不过相关研究还很少，具体应用模式还有待更新。2008年北京华普亿方软件科技有限公司开发创业实训计算机模拟仿真平台研究，学生可利用仿真平台进行创业实训；2008年上海推出国内首个创业能力测评系统，对大学生创业素质进行测评；第十二届挑战杯项目“基于创业素质培养的创业课程开发研究”从课程开发角度进行研究。更多的创业素质培养集中在概念性和理论性的层面，基于移动web的大学生微创业素质发现与培养尚无应用。

三、系统总统架构

建立一个基于移动web的大学生微创业发现与培养系统，归集大量创业素材（文字与视频等），通过大数据环境下的云计算处理实现对互联网上创业信息、用户信息的数据的搜索、分类、整理并将信息存储到云数据库中。针对创业测评系统中仅仅靠问答这一单一的方式并不能完全反映学生的综合创业素质这一问题，采用创业素质测评系统中创业能力测试问题和计算机视觉软件系统相结合的方式，在测试过程中加入面部表情判断，综合测试学生的性格特征、职业倾向、创业能力等。通过微创业系统为相关学生提供3D创业课堂、创业指导、创业实施、创业俱乐部等（这些服务以两种形式完成，其一建立以互联网技术为核心的Android移动客户端，为用户提供创业素质测评系统、创业指导、创业论坛等信息服务，其二是建立通用的Web客户端，为用户提供3D创业课堂、创业实施等相关服务），具有良好的使用价值。

系统所有的数据存储在云端，云数据包括系统创业素质测评数据、个人信息数据、创业案例数据、课件素材、视频等资料，系统架构图如图1所示：

四、系统功能结构图

系统包括素质发现和素质培养，其中素质发现主要由创业案例库、计算机视觉系统、创业素质测评系统和个性化的电子创业档案组成。素质培养包括创业学堂、创业论坛、创业动态等模块，并延伸到理论课的教学管理和信息管理功能，系统功能图如图2所示：

创业学堂中包括编写创业计划书、3D模拟创业课堂、创业实施（公司成立、创业实践、创业俱乐部）等。3D模拟创业课堂中运用计算机虚拟仿真技术、仿真市场博弈技术、3D建模技术等仿真模拟市场、市场调查和市场行业的竞争，逼真再现企业场景，并利用成熟的经济学模型来计算模拟市场的变化，如市场需求反应模型、价格模型、广告促销市场反应模型、离散时间博弈模型等。学生通过系统模拟还原企业的创立过程，完成创业计划书、办理工商税务登记注册、建立企业进行运营管理等。创业俱乐部主要通过Flas、视频、图片、文本的形式呈现各类创业理论知识、经典创业讲座以及成功企业家的成长经历。创业动态主要通过文本和图片形式呈现相关创业热点新闻、最新创业政策、学生创业活动、开展的创业大赛以及介绍相关的大学生创业基地等信息。

五、系统关键技术

1.云数据处理。对海量的数据存储、读取后进行大量的分析、提高数据的更新速率以及进一步提高随机读速率等问题，是数据管理技术必须解决的问题。

2.计算机视觉的面部表情分析推理。智能人脸表情识别系统嵌入在创业测评系统中，浏览网站的人自动开启云相机，在素质测评过程中记录表情及其肢体语言。人脸表情识别系统中第一步对人脸进行检测定位，第二步通过摄像机获取人脸图像并进行表情特征提取，在提取特种数据的过程中，进行特征降维、分解等处理，第三步将捕捉到的表情进行分类，输出结果。

六、结语

本研究从提高服务、降低成本，集合优势资源从大学生创业实际需求出发，有效利用大数据处理的云计算技术、机器视觉技术、虚拟现实技术、网络技术以及移动互联网技术，构建基于移动web的大学生创业素质发现与培养系统，以期为高校推动大学生创业提供参考，对学生创业和学校教学改革起到推动作用。大学生微创业素质发现与培养系统目前尚处于探索阶段，本研究融合多种最新技术于一体，是在创业领域的创新性实践。机器视觉技术应用于大学生创业素质尚无前例。计算机虚拟仿真技术运用企业博弈、3D建模技术逼真再现企业场景尚未在移动互联网中应用。

参考文献：

[1]Gerald E.Hills.An empirical study of an evolving field[J].Journal of Business Venturing，2009，（2）：30-31.

[2]Einar A.Rasmussen.Roger S？rheim.Action-based entrepreneur-

ship education[J].2013，（3）：56-57.

[3]程君青，章春军.基于网络的大学生创业服务平台构建[J].教育教学论坛，2012，（4）：78-79.

[4]褚本立.中国移动互联网创业企业的机遇与挑战[J].商品与质量，2011，（3）：67-68.

[5]陈艳，雷育胜.大学生创业素质调查与思考[J].高教探索，2012，（4）：123-124.

[6]祝敏丹，左利华.大学生创业能力培养与测评系统构建[J].黑河学刊，2011，（1）：43-45.

[7]张淑梅，宋维堂.高职软件技术专业创业型人才培养课程体系的构建[J].职教论坛，2011，（27）.

计算机视觉概念范文第5篇

【关键词】图像识别 边缘检测 小波算法

小波算法在图形识别、压缩等方面有着较为广泛的应用，且具有较高的应用效率。在图形识别与压缩中实现小波算法的应用，能够更加有效地实现应用数据的识别与压缩。当前，在图像识别与边缘检测领域中依旧存在着计算方法相对单一的情况，这种局限性对图像识别与边缘检测的进一步发展造成了严重的阻碍作用。因此，要实现小波算法在图像识别与边缘检测中的广泛应用，促进其进一步发展。

1 小波算法概述

法国地球物理学家J・Morlet在1984年首次提出了小波的概念，随后Hardy空间分子解说研究为小波算法的诞生奠定了理论基础。当前，小波算法在图像处理中有着非常广泛的应用，并且其应用效果非常良好。小波算法主要是对非平稳的信号进行分析，在小波算法压缩、平移等处理功能的支持之下，能够从多个尺度对函数或者信号进行分析，实现空间域与频率域的具备变换，从而能够更加有效地对信息进行检索。因此，小波算法属于新兴的信号处理技术。

在传统的信号表示中，正交基有着非常广泛的应用。基函数具有正交性，这使得基函数相应的表示函数能够通过内积进行计算。小波算法实现了局部化思想的发展，属于信号的“时间――频率”分析方法，其主要的特点为多分辨率分析，同时在时间域与频率域中都能够对信号的具备特征进行表示。

2 图像识别中小波算法的应用分析

图像识别指的是通过计算机实现对图像的处理、分析与理解。通过图像识别工作能够实现不同模式目标、对象的计算机识别工作。一般情况下，图像识别的有效支持包括两个方面，一方面是进入到系统中的信息，另一方面是系统中原本保存的信息，通过对这两种信息的对比之后实现对图像的有效识别。不同的图像具有不同的特征，计算机在进行图像识别的过程中通常会将视线集中在图像较为突出的特征方面，从一个突出的特征向下一个突出的特征进行依次扫描。因此，在图像识别的过程中，知觉机制的工作原理为排除多余信息、识别关键信息，因此小波算法有着非常关键的作用。一般情况下，在图像识别中实现小波算法的应用，能够有效地整理按照阶段获得的信息，以此为基础形成完成的知觉映像。此外，在图像识别中实现小波算法的应用还能够有效地处理与计算信息的细节，促进图像识别效率的提高。

利用冗余小波对图像进行J个尺度的二维小波变换，得到3・J+1幅子图像，其公式为

[Cj・{dj1，dj2，dj3}，j=1，2，3，……，J] （1）

其中，Cj代表原图像尺度aj上的二维小波变换得到的低频子带图像；djk代表原图像在尺度2j与方向k上的二维小波变换得到的高频细节自带图像，其中k=1，2，3，分别对应高频子带图像的水平部分，垂直部分与对角线部分。

3 边缘检测中小波算法的应用分析

在计算机视觉中，边缘检测是非常重要的核心问题之一。一般情况下，边缘检测的主要目的就是对数字图像中具有明显亮度变化的点进行标识。在边缘检测的过程中，图像属性中一些较为显著的变化能够对重要事件、变化等进行反映。例如，如果在图像的属性方面出现了表面方向不连续的情况，这就说明在这一地方存在着比较重要的事件、变化等。此外，边缘检测在图像处理与计算机视觉中还发挥着特征提取的关键作用。实现了小波算法在边缘检测中的应用，能够在很大程度上实现相应数据计算量的降低，同时还能够将计算机视觉中一些不相干的冗杂信息进行有效的剔除，同时能够合理地对结构属性进行辨识与保留。小波算法在边缘检测中的应用包括两种类型，第一种类型为查找计算，第二种类型为穿越计算。在边缘检测的查找计算中，工作人员通过以查找方法为基础的小波算法对计算机图像中的一阶导数最大值与最小值进行寻找，从而实现边缘检测工作。在边缘小波基选取的过程中，遵循的原则包括：第一，边缘检测小波应该选择高通滤波器，滤波器的脉冲回应函数包括奇对称与偶对策两个部分，

f（x）=f1（x）+f2（x），其中f1（-x）=-f1（x），f2（-x）=f2（x）

除此之外，小波算法在边缘检测的应用过程中，其主要的应用效果还包括在数据压缩方面取得了较好的效果。小波算法首先对边缘检测中的线性频率进行分析，之后实现相关信息与数据的压缩与处理，通过小波算法实现压缩与处理之后，其图像的分辨率普遍较高，出现这种情况的主要原因是在边缘检测中实现小波算法的应用能够使边缘检测中存在的高频信号进行消除，在高频信号消除的基础上对信息与数据进行压缩工作，从而取得较好的效果。然而，在利用小波算法实现边缘检测中的数据与信息压缩时，工作人员还应该关注到边缘检测中存在的非线性不稳定信号，在对这些信号进行处理的过程中，小波算法的应用效果并不明显。因此，在边缘检测中实现小波算法的应用，应该注重小波算法形态的有效选择，从而实现边缘检测水平整体上的提升。

4 总结

随着计算机视觉处理技术的快速发展，图像处理与边缘检测中已经实现了小波算法的广泛应用，且已经取得了非常良好的应用效果。因此，工作人员在图像识别与边缘检测的过程中，对小波算法的应用已经有了非常明确的了解，通过小波算法的有效应用能够促进图像识别与边缘检测水平的不断提高。

参考文献

[1]乔闹生，邹北骥，邓磊，曾友兵，邹剑臣.一种基于图像融合的含噪图像边缘检测方法[J].光电子.激光，2012，11（65）：2215-2220.

[2]马丽亚木・阿布来孜，艾力米努.阿卜杜如苏力.一种基于边缘图像融合的图像边缘检测方法[J].计算机系统应用，2012，12（41）：182-185.

[3]王娅囡，谷方，杨厚俊，范延滨，贾冬雪.基于PET医学图像边缘检测算法的研究[J].现代生物医学进展，2014，05（42）：965-968.

[4]王晓丹，吴崇明.基于MATLAB的系统分析与设计--图像处理[M].陕西：西安电子科技大学出版社，2014，02（44）：96-98.