《計(jì)算機(jī)視覺(jué)應(yīng)用問(wèn)題研究4300字（論文）》

計(jì)算機(jī)視覺(jué)應(yīng)用的發(fā)展研究綜述摘要物流倉(cāng)儲(chǔ)安全是一個(gè)企業(yè)賴(lài)以生存的基本條件，在現(xiàn)代物流業(yè)和計(jì)算機(jī)技術(shù)大力發(fā)展的環(huán)境下，有效保障倉(cāng)儲(chǔ)安全的必要手段是要學(xué)習(xí)用智能化技術(shù)進(jìn)行安全管理。智能視頻監(jiān)控系統(tǒng)的開(kāi)發(fā)和應(yīng)用有著廣大的前景。倉(cāng)儲(chǔ)安全管理是在物流系統(tǒng)中進(jìn)行系統(tǒng)地、科學(xué)地計(jì)劃、協(xié)調(diào)、組織以及控制倉(cāng)儲(chǔ)的業(yè)務(wù)活動(dòng)，在物流倉(cāng)儲(chǔ)過(guò)程中具有關(guān)鍵的作用。為實(shí)現(xiàn)提高物流倉(cāng)儲(chǔ)安全管理水平這一目標(biāo)，利用智能視頻監(jiān)控系統(tǒng)、計(jì)算機(jī)視覺(jué)技術(shù)、安全仿真技術(shù)等來(lái)實(shí)現(xiàn)倉(cāng)儲(chǔ)的安全管理是非常有必要的。通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)可以提取和分析視頻監(jiān)控信息，并對(duì)倉(cāng)庫(kù)監(jiān)控范圍的可疑行為進(jìn)行檢測(cè)和跟蹤，實(shí)時(shí)獲取信息，當(dāng)發(fā)現(xiàn)異常行為時(shí)系統(tǒng)自動(dòng)報(bào)警，從而實(shí)現(xiàn)倉(cāng)庫(kù)智能高效的安全管理。1.計(jì)算機(jī)視覺(jué)技術(shù)的研究領(lǐng)域的內(nèi)容1.1計(jì)算機(jī)視覺(jué)的定義計(jì)算視覺(jué)可以認(rèn)為是機(jī)器學(xué)習(xí)在視覺(jué)領(lǐng)域的應(yīng)用，是人工智能領(lǐng)域的重要組成部分。其內(nèi)容可以概括為:通過(guò)收集圖像或視頻，對(duì)圖像或視頻進(jìn)行處理和分析，并獲取相應(yīng)的信息。換句話說(shuō)，用照相機(jī)和計(jì)算機(jī)來(lái)獲取我們需要的信息。這是一個(gè)涉及面很廣的綜合性話題。從目前的研究階段來(lái)看，計(jì)算機(jī)視覺(jué)嘗試建立人工智能系統(tǒng)，越來(lái)越多的理論和技術(shù)被提出來(lái)的原因是從多維圖像或數(shù)據(jù)中獲取信息。1.2計(jì)算機(jī)視覺(jué)的內(nèi)容計(jì)算機(jī)視覺(jué)包括捕捉、處理和控制圖像運(yùn)動(dòng)三大組成部分。①光學(xué)鏡片:成像設(shè)備或數(shù)字設(shè)備。光學(xué)透鏡是計(jì)算機(jī)視覺(jué)系統(tǒng)的重要組成部分。對(duì)于一些主要的目標(biāo):分辨率，對(duì)比度，景深和各種像差是至關(guān)重要的圖像質(zhì)量的因素。②輔助光源成像設(shè)備是成像中必不可少的設(shè)備，其強(qiáng)度對(duì)成像質(zhì)量至關(guān)重要。在現(xiàn)實(shí)生活中，可以自行發(fā)光的物體分為自然光源(如太陽(yáng))和人工光源(如電燈)。③傳感器:是一種傳感裝置，一般作為光纖開(kāi)關(guān)出現(xiàn)，是實(shí)現(xiàn)檢測(cè)和控制的自動(dòng)處理的第一步。它能聽(tīng)到被測(cè)信息，并將電信號(hào)輸出中檢測(cè)到的信息按照一定的規(guī)則進(jìn)行轉(zhuǎn)換，用于判斷被測(cè)對(duì)象的位置和狀態(tài)，并對(duì)采集的圖像傳感器發(fā)出警報(bào)。④圖像采集卡-主要來(lái)自模擬設(shè)備(相機(jī)、相機(jī)、DVD播放器等)的信息。數(shù)字被輸入計(jì)算機(jī)進(jìn)行存儲(chǔ)，通常以插件的形式將卡安裝在計(jì)算機(jī)上。在控制某些相機(jī)參數(shù)時(shí)，相機(jī)的模擬或數(shù)字信號(hào)(觸發(fā)信號(hào)、曝光時(shí)間、快門(mén)速度等)被轉(zhuǎn)換成特定格式的圖像數(shù)據(jù)流。除了圖像信號(hào)保存功能外，還可以根據(jù)不同采集卡的不同壓縮算法對(duì)壓縮后的數(shù)據(jù)和文件進(jìn)行壓縮，并在保持高分辨率的同時(shí)保存數(shù)據(jù)。⑤PC平臺(tái)是指?jìng)€(gè)人計(jì)算機(jī)，平臺(tái)是指計(jì)算機(jī)的硬件或軟件的運(yùn)行環(huán)境。它是完成圖像數(shù)據(jù)處理和大部分控制邏輯的中心，是計(jì)算機(jī)視覺(jué)系統(tǒng)的核心。在檢測(cè)過(guò)程中，CPU頻率越高，處理效率越高，所以通常需要選擇更高的CPU。⑥視覺(jué)處理軟件，用于處理輸入圖像，經(jīng)過(guò)處理和分析后產(chǎn)生結(jié)果。計(jì)算機(jī)視覺(jué)軟件有許多常見(jiàn)的形式，可以是一種特殊的功能，也可以是一種通用的功能。例如，跟蹤特定的模塊：顯示屏幕檢測(cè)是一個(gè)特殊的功能;測(cè)量和定位鏡頭是一般功能。⑦控制單元:負(fù)責(zé)對(duì)程序過(guò)程進(jìn)行管理，包括IR(指令日志)、ID(指令譯碼器)、OC(操作控制器)?？刂茊卧囊话愎こ堂枋隹梢愿爬橹噶钐幚?，從訪問(wèn)到分析再到執(zhí)行。圖像分析完成后，視覺(jué)軟件通過(guò)控制單元與外部單元進(jìn)行通信，完成對(duì)整個(gè)生產(chǎn)過(guò)程的控制?？删幊踢壿嬁刂茊卧梢詧?zhí)行復(fù)雜的邏輯/動(dòng)作檢查。2.計(jì)算機(jī)視覺(jué)技術(shù)研究方法2.1運(yùn)動(dòng)目標(biāo)檢測(cè)方法對(duì)物流倉(cāng)庫(kù)監(jiān)控范圍內(nèi)的可疑目標(biāo)檢測(cè)是后期目標(biāo)跟蹤的基礎(chǔ)，良好的檢測(cè)算法可以提高目標(biāo)檢測(cè)結(jié)果的準(zhǔn)確性。運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)是通過(guò)監(jiān)控視頻攝像頭獲取視頻圖像從中把用戶(hù)需要的前景目標(biāo)和背景場(chǎng)景給差分出來(lái)，從而檢測(cè)出前景目標(biāo)并對(duì)這個(gè)目標(biāo)進(jìn)行提取。這些年，計(jì)算機(jī)視覺(jué)技術(shù)逐漸成熟，許多研究員提出了相關(guān)的目標(biāo)檢測(cè)算法，較為典型常用的算法有以下三種：光流法、幀間差分法和背景差分法。物流倉(cāng)儲(chǔ)監(jiān)控中可疑目標(biāo)的檢測(cè)是后續(xù)目標(biāo)監(jiān)控的基礎(chǔ)，良好的檢測(cè)算法可以提高物流調(diào)查結(jié)果的準(zhǔn)確性。運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)是通過(guò)監(jiān)控?cái)z像頭獲取視頻圖像，區(qū)分用戶(hù)請(qǐng)求的前景目標(biāo)和背景場(chǎng)景，從而檢測(cè)前景目標(biāo)并提取目標(biāo)。近年來(lái)，計(jì)算機(jī)視覺(jué)技術(shù)逐漸成熟，許多研究者提出了相關(guān)的目標(biāo)檢測(cè)算法，其中比較典型的有三種算法:光流法、幀間差分法和背景差分法。2.2高斯混合模型算法高斯混合模型算法是在單高斯模型的基礎(chǔ)上，延伸一種使用多個(gè)高斯函數(shù)來(lái)模擬背景的高斯混合模型。當(dāng)目標(biāo)被局部遮擋或嚴(yán)重遮擋，背景場(chǎng)景突變時(shí)，效果理想。它是一種比較常見(jiàn)的移動(dòng)目標(biāo)檢測(cè)算法，使用統(tǒng)計(jì)特性描述背景圖案,它能適應(yīng)復(fù)雜的場(chǎng)景,如顫抖的樹(shù)葉,雨雪天氣,光線的變化等等,它具有良好的魯棒性和計(jì)算的數(shù)量不是太大的特點(diǎn)。算法的實(shí)時(shí)性能相對(duì)較好,可以滿(mǎn)足實(shí)際應(yīng)用的需求。高斯混合模型的主要思想是:首先通過(guò)監(jiān)控?cái)z像頭獲取視頻數(shù)據(jù)信息建立背景模型,然后使用高斯K分布函數(shù)(通常是3-7)代表背景圖像中的每個(gè)像素和為每個(gè)背景創(chuàng)建一個(gè)像素模板,設(shè)置初始化參數(shù),并更新每一個(gè)高斯分布的均值和方差,并分配一個(gè)T閾值來(lái)確定像素是否滿(mǎn)足背景圖案。如果匹配條件得到滿(mǎn)足,像素被劃分為背景像素。匹配條件下，該像素被認(rèn)為是前景目標(biāo)像素。在高斯混合模型中，為了計(jì)算方便，假設(shè)三個(gè)RGB顏色分量互不相關(guān)，每個(gè)像素的處理相互獨(dú)立，方差相同。其中，K值越大，越能適應(yīng)場(chǎng)景變化，模擬的背景處理效果也越好，但會(huì)增加模型計(jì)算量。大幅降低后，運(yùn)輸速度也會(huì)變得非常慢。高斯混合模型包括定義背景模型、確定初始參數(shù)、更新參數(shù)、生成背景模型、提取目標(biāo)前景等過(guò)程。3.所選定研究方法在其它領(lǐng)域的典型應(yīng)用3.1將以高斯混合模型為基礎(chǔ)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法運(yùn)用到智能交通監(jiān)控系統(tǒng)中21世紀(jì)將會(huì)道路交通智能化。人們可以使用全方面智能交通系統(tǒng)，在智能系統(tǒng)中，司機(jī)可以憑借自身車(chē)輛的智能系統(tǒng)在道路上自由行駛，高速公路依靠自身的智能將交通流量調(diào)節(jié)到最優(yōu)狀態(tài)。該系統(tǒng)使管理人員能夠清楚地了解道路和車(chē)輛的位置。這是一種以高斯混合模型為基礎(chǔ)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，并將其應(yīng)用于智能交通監(jiān)控系統(tǒng)。智能交通監(jiān)控系統(tǒng)功能模塊結(jié)構(gòu)圖如2.1所示:圖2.1智能交通監(jiān)控系統(tǒng)功能模塊結(jié)構(gòu)3.2高斯混合模型算法在智能視頻監(jiān)控系統(tǒng)中的應(yīng)用3.2.1禁區(qū)入侵檢測(cè)使用高斯混合模型的目標(biāo)檢測(cè)算法，我們準(zhǔn)確地識(shí)別并檢測(cè)到前景目標(biāo)位置和輪廓。在監(jiān)控區(qū)域中設(shè)定一個(gè)需要監(jiān)控人員關(guān)注的區(qū)域范圍作為虛擬禁區(qū)，然后，利用目標(biāo)檢測(cè)算法提取的前景目標(biāo)圖像和虛擬禁區(qū)做交集運(yùn)算，根據(jù)前景目標(biāo)像素?cái)?shù)在虛擬禁區(qū)范圍的數(shù)量和閾值大小的比較，判斷目標(biāo)是否入侵了禁區(qū)。3.2.2行人檢測(cè)和跟蹤在實(shí)際的應(yīng)用環(huán)境中，我們還需要對(duì)目標(biāo)進(jìn)行分類(lèi)，我們需要對(duì)侵入禁區(qū)的目標(biāo)進(jìn)行判斷是行人還是動(dòng)物或者其他物體，然后選擇不同的報(bào)警機(jī)制。在禁區(qū)入侵檢測(cè)的基礎(chǔ)上，首先找到入侵禁區(qū)的目標(biāo)，然后求出包含前景目標(biāo)的區(qū)域范圍，用數(shù)值0填充該區(qū)域的背景像素，然后利用基于計(jì)算機(jī)視覺(jué)的方法，對(duì)目標(biāo)分類(lèi)識(shí)別。通常情況下，顏色特征分布明顯時(shí)，目標(biāo)分類(lèi)效果也是比較好的，在具體場(chǎng)景的視頻監(jiān)控系統(tǒng)中，往往還需要結(jié)合其他的生物特征識(shí)別手段來(lái)提高監(jiān)控系統(tǒng)的檢測(cè)準(zhǔn)確度，降低系統(tǒng)漏報(bào)或者誤報(bào)的概率。行人檢測(cè)和跟蹤過(guò)程中，使用較多的是HOG特征和SVM分類(lèi)器的行人檢測(cè)方法，在行人不存在遮擋等干擾情況下，基本可以實(shí)現(xiàn)行人的準(zhǔn)確檢測(cè)和跟蹤。3.2.3人數(shù)密度異常檢測(cè)在一些特殊的監(jiān)控場(chǎng)景中，如監(jiān)獄、戒毒所等，需要控制區(qū)域中的人數(shù)，以免發(fā)生異常聚集斗毆等行為，當(dāng)人數(shù)密度較高時(shí)就發(fā)出警報(bào)信息，及時(shí)預(yù)防異常行為的發(fā)生。在行人目標(biāo)檢測(cè)的基礎(chǔ)上，人數(shù)密度是通過(guò)計(jì)算前景行人目標(biāo)的像素點(diǎn)在監(jiān)控區(qū)域范圍內(nèi)占的比例判斷的。為更加精確的計(jì)算人數(shù)密度，后期還需要對(duì)目標(biāo)進(jìn)行計(jì)數(shù)以及分類(lèi)等處理。4.評(píng)價(jià)維度4.1方法的先進(jìn)性因?yàn)檫\(yùn)動(dòng)目標(biāo)檢測(cè)和高斯混合模型先進(jìn)性的優(yōu)點(diǎn)在很多領(lǐng)域被運(yùn)用，例如基于計(jì)算機(jī)視覺(jué)的視網(wǎng)膜圖像處理關(guān)鍵技術(shù)研究里面就充分使用了運(yùn)動(dòng)目標(biāo)檢測(cè)和高斯混合模型。其中高斯混合模型的靈活性也是它的優(yōu)點(diǎn)之一5.分維度評(píng)價(jià)5.1運(yùn)動(dòng)目標(biāo)檢測(cè)運(yùn)動(dòng)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)和數(shù)字成像領(lǐng)域的研究熱點(diǎn)之一，被應(yīng)用于AI導(dǎo)航、智能視頻監(jiān)控、、航空航天等多個(gè)領(lǐng)域。因此，在理論和實(shí)際應(yīng)用中，運(yùn)動(dòng)物體的檢測(cè)成為近年來(lái)研究的一個(gè)參考點(diǎn):它是計(jì)算機(jī)圖像和視圖的重要組成部分，是智能控制系統(tǒng)的重要組成部分。目標(biāo)是在控制視頻中高效、定性地檢測(cè)運(yùn)動(dòng)目標(biāo)，也就是將運(yùn)動(dòng)目標(biāo)和序列圖像區(qū)分。5.2高斯混合模型高斯混合模型可以先給出樣本屬于某一特定類(lèi)別而不是絕對(duì)類(lèi)別的概率，既可用于聚類(lèi)，又可用于概率密度的估計(jì);可以重復(fù)用來(lái)產(chǎn)生一個(gè)新的采樣點(diǎn)。在第三維中，高斯混合模型必須計(jì)算協(xié)方差，研究跨維關(guān)系，并在應(yīng)用中具有靈活性。6.各維度綜合評(píng)述雖然不同場(chǎng)景下的目標(biāo)運(yùn)用高斯混合模型檢測(cè)成熟度，場(chǎng)景中運(yùn)行時(shí)間更短，光照更好，可以在短時(shí)間內(nèi)檢測(cè)到目標(biāo)。但問(wèn)題是，外部光強(qiáng)的變化和背景場(chǎng)景的復(fù)雜性仍然對(duì)檢測(cè)的驅(qū)動(dòng)時(shí)間有一定的影響。通過(guò)使用高斯混合模型算法來(lái)比較不同項(xiàng)目的數(shù)量和運(yùn)行時(shí)，可以看到一個(gè)項(xiàng)目的行駛時(shí)間更快，實(shí)時(shí)性更好。結(jié)果表明，高斯混合模型算法的驅(qū)動(dòng)速度在原理上能夠滿(mǎn)足實(shí)時(shí)檢測(cè)的要求，在科學(xué)技術(shù)領(lǐng)域，尤其是醫(yī)學(xué)影像領(lǐng)域一定會(huì)起到關(guān)鍵性作用。7.結(jié)論和展望本文主要探討了物流倉(cāng)儲(chǔ)跟蹤領(lǐng)域中異常行為的檢測(cè)與監(jiān)控，使用的算法相對(duì)簡(jiǎn)單。雖然運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤結(jié)果很好，但在實(shí)際應(yīng)用過(guò)程中場(chǎng)景要比模擬場(chǎng)景復(fù)雜很多，還有許多技術(shù)性問(wèn)題需要科學(xué)技術(shù)人員深入研究，如天氣、突發(fā)事件等多個(gè)因素。因?yàn)檫\(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)屬于實(shí)現(xiàn)智能視頻分析與處理的關(guān)鍵部分，其基礎(chǔ)且關(guān)鍵算法和適用環(huán)境等問(wèn)題的研究是十分重要的。

參考文獻(xiàn)[1]倪晨旭.計(jì)算機(jī)視覺(jué)研究綜述[J].電子世界,2018(1):91-91.[2]趙鐸.基于層次輪廓計(jì)算機(jī)視覺(jué)的交通路標(biāo)識(shí)別[J].電子設(shè)計(jì)工程,2017,25(14):123-126.[3]王一幃.深度學(xué)習(xí)分類(lèi)網(wǎng)絡(luò)研究及其在計(jì)算機(jī)視覺(jué)中的應(yīng)用[J].通訊世界,2019(3):195-196.[4]JaraboA,MasiaB,MarcoJ,etal.計(jì)算機(jī)圖形學(xué)和計(jì)算機(jī)視覺(jué)中瞬態(tài)成像的研究進(jìn)展[J].VisualInformatics,2017,1(1).[5]劉宇.基于計(jì)算機(jī)視覺(jué)的手勢(shì)檢測(cè)識(shí)別技術(shù)[J].科學(xué)中國(guó)人,2017(23).[6]劉倫,王輝.城市研究中的計(jì)算機(jī)視覺(jué)應(yīng)用進(jìn)展與展望[J].城市規(guī)劃,2019(1):117-124.[7]姜文澤.淺述計(jì)算機(jī)視覺(jué)中的圖像特征及提取方法[J].電腦知識(shí)與技術(shù),2019(16).[8]張黎,張琳琳,高丹,etal.淺析計(jì)算機(jī)視覺(jué)技術(shù)在現(xiàn)代科學(xué)教育中的作用[J].科教文匯(下旬刊),2017(11).[9]張卓群,曹鐘淼,王慧.計(jì)算機(jī)視覺(jué)與機(jī)器學(xué)習(xí)技術(shù)在三維人體動(dòng)畫(huà)中的應(yīng)用研究[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用,2019(8).[10]李雅琪,馮曉輝,王哲.計(jì)算機(jī)視覺(jué)技