基于机器视觉的运动目标轨迹跟踪方法分析-计算机技术专业论文.docxVIP

河北工业大学硕士学位论文 河北工业大学硕士学位论文 基于机器视觉的运动目标轨迹跟踪方法研究 基于机器视觉的运动目标轨迹跟踪方法研究 PAGE PAGE 1 PAGE PAGE 10 第一章 绪 论 §1-1 课题的研究背景与意义 1-1-1 机器视觉概述 机器视觉被定义为用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加 以理解，最终用于实际检测、测量和控制[1]。一个典型的工业机器视觉应用系统包括光源、光学系统、 图像采集系统、数字图像处理与智能判断决策模块和机械控制执行模块。系统首先通过 CCD 相机或 其它图像拍摄装置将目标转换成图像信号，然后转变成数字化信号传送给专用的图像处理系统，根据 像素分布、亮度和颜色等信息，进行各种运算来抽取目标的特征，根据预设的容许度和其他条件输出 判断结果。 广义上的机器视觉的定义与计算机视觉没有太大区别，都泛指使用计算机和数字图像处理技术对 客观事物图像进行识别。而恰恰相反的是，在工业应用中的机器视觉概念与普通计算机视觉、模式识 别、数字图像处理有着非常大的区别，其特点如下[2]: 1. 机器视觉包括数字图像处理技术、计算机软硬件技术、人机接口技术等相互协调应用才能构成 成功的机器视觉应用系统。 2. 机器视觉注重其应用性能，须顺应工业生产中较复杂的环境，性价比也要合适，其工业接口有 一定的普遍性，一般操作者就可以进行使用。 3. 机器视觉开发者需要有计算机编程方面能力和数学能力，而且光、机、电的综合一体化的能力 也要求很高。 4. 机器视觉要有快速性和精准性，因此许多高技术还不能够大量的运用于机器视觉领域。 1-1-2 研究背景及意义 从应用的层面看，机器视觉研究包括工件的自动检测与识别、产品质量的自动检测、食品的自动 分类、智能车的自主导航与辅助驾驶、签字的自动验证、目标跟踪与制导、交通流的监测、关键地域 的保安监视等等。从处理过程看，机器视觉分为低层视觉和高层视觉两阶段。低层视觉包括边缘检测、 特征提取、图像分割等，高层视觉包括特征匹配、三维建模、形状分析与识别、景物分析与理解等。 从方法层面看，有被动视觉与主动视觉之分，又有基于特征的方法与基于模型的方法之分。从总体上 来看，也称作计算机视觉。计算机视觉侧重于学术研究方面，而机器视觉则侧重于应用方面[3]。 从社会的各个层面，包括从医学到遥感，从工业到文件无不涵盖这一技术。因此机器视觉的实用 性显得格外突出，下面就一些典型应用举例说明。 (1) 安全监测 对于车辆的监视，车牌的跟踪识别，可疑目标的探测都可以运用机器视觉系统；对特定人员的特 征识别也是机器视觉的一大亮点，相关科学家正在通过提取人们面部的一些运动数据，来进行描述和 分析，并以此来表现人的表情和心理活动[2]。 (2) 工业产品校验 许多领域像冶金、化工、建材、安全保卫、工件检测等工业生产过程中，这些工业对象复杂，过 程涉及参数众多，并有显著的非线性、骤变性、离散性、分布性和不确定性。尤其是在周围环境极其 恶劣的情况下，对这类系统要想建立确定的模型是十分困难的。因此，用常规控制技术难以实现对象 的计算机实时控制。对于这类复杂对象的自动控制，所遇到的最大困难是检测问题，而大多数场合， 可通过机器视觉来实现。 机器视觉系统可用于工业领域的很多方面，如零件检验与尺寸测量、零件的缺陷检查、零件装配 机器人的引导和零件的识别等。应用图像处理及机器视觉检测技术最多的部门是电子工业，其次是汽 车工业、木材工业、纺织工业、食品加工工业、包装工业及航空工业等等，已取得的应用成果有产品 形状和表面缺陷检查、产品非破坏性检查、机器人、产品分类等。 (3) 机器人领航 通过一个立体模型机器人便可以恢复其 3 维信息，并通过这些信息机器人可对周围的目标、路况、 障碍遮挡物进行判断。甚至可生成场景深度图来描述立体图像及运动信息。通过这一技术广泛应用于 无人系列产品包括汽车、飞机的导航系统中。有些著名的例子:美国 Sojourner、Rocky7 等火星探测移 动机器人系列都把立体视觉导航作为系统的重要部分。 (4) 遥感方面的图像研究 目前有 3 方面遥感图像研究比较多：分别是资源卫星图像、航空摄影图像、气象卫星图像。这几 种图像使用不同的成像原理来对高空及地表进行较远距离的影像成型。航空图像用一般的捕获工具进 行摄像，并使用和其他图像相同的方法来研究图形性质[3]。图像在卫星中的获取和使用有了很大区别， 气象卫星将用红外成像技术获取不同的云图，它可以获取地球表面一些点的多个光谱段的反射性质， 还有一些多光谱图像被广泛地用于找厂矿、树林、农作物查看、自然灾害度量及报告、生产资源和生 物生态环境检查等[4]。 (5) 医学图像分析 目前医学图像已经广泛用于