计算机视觉在日常检测中的应用

计算机视觉在日常检测中的应用

摘要

本文首先对计算机视觉做了简要的介绍，然后分别介绍了计算机视觉在农业方面的应用，在人体测量中的应用，详细介绍采用人体三维物体特征处理方法对人体进行检测，从而描绘人的三维信息。

关键字：计算机视觉，三维物体特征处理方法，检测

计算机视觉也称机器视觉，是科学领域中的一个富有挑战性重要研究领域，计算机视觉是一门综合性的学科，它已经吸引了来自各个学科的研究者参加到对它的研究之中。其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学农业科学等。一个完整的计算机视觉硬件系统组成如下图所示：

计算机视觉是模式识别与人工智能研究的一个重要领域，指计算机自动地获取并分析图像，以获取描述一个景物或控制某种动作的数据，它是研究利用计算机模拟生物外显或宏观视觉功能的科学和技术。2O世纪末开始应用于农业的计算机视觉技术还处于一个逐渐深入发展的阶段，目前计算机视觉技术主要应用于农产品质量检测和分级，视觉技术和农业自动化的不断发展，作物模型软件的设计，要求更高的真实感模拟功能，因此视觉技术被大量用于作物模型几何特征设计用的作物监测研究。随着农业相关技术，特别是精细农业和工厂化农业的进步，对农业的自动化管理和监测技术逐渐提出更高的要求，计算机视觉技术作为一种自动化的监测管理手段，也逐渐被应用于农业的更多方面。

2，计算机视觉在农业方面的应用

2.1计算机视觉技术在农业机械中的应用

自动检测机械是计算机视觉技术在农业机械中应用最早、最多也是较成熟的一个方面。主要是利用该项技术进行无损自动检测，即利用农产品表面所反映出的一些基本物理特性(颜色、形状、亮度、尺寸、表面缺损状态等)对产品按一定的标准进行质量评估和分级。

国内外在这方面做了大量试验，其中有的研究已开始推广应用，2000年，赵静、何东健在综合分析果实形状的基础上，提出了6个特征参数表示果形，首次将参数形状分析法用于果形判别。2002年，蒋焕煌等研制一种用于水果动态、实时检测的水果品质智能化检测分级生产线，完成水果的分级准确率达90％。可见，我国与发达国家在这方面的差距正不断缩小。

2.2计算机视觉技术识别水果缺陷的一种新方法

利用计算机视觉技术可以识别水果表面缺陷，中国农业大学电气信息学院的冯斌，汪懋华提出了分割缺陷和识别缺陷的新方法，该方法考虑了水果的形状特点，使不同灰度级的缺陷一次分割成功，在识别过程中利用水果的三维空间特征实现了缺陷与果梗花萼的区分，下面做一些简要介绍。

2.21图像处理

试验中首先捕获目标物体的图像，对于缺陷检测需要同时获取3幅图像，1幅正面2幅侧面，这样可以保证大部分水果表面缺陷得到检测。然后采用多阈值分割方案，但多阈值分割方案又容易在各阈值边缘产生接缝。在给定阈值的条件下，可以把缺陷分割出来。

2.22图像分割

设果盘面与镜头平面平行，镜头中心为坐标系原点，光轴z ，垂直镜头平面且过镜头中心o,x 轴过镜头中心与运动方向平行，y 轴垂直，xoz 平面，则球面方程为 )(222y x r z z o +-+=

222r y x ≤+

其中r 为球体半径,o z 为球心到镜头中心距离.

令x z p ??= y

z q ??= 则 )(221222y x r x x z p +--?=??= )

(221222y x r y y z q +--?=??= 将z-o z =)(222y x r +-代入上式。则： o z z x

p --= ， o z z y q --=

反射光强可写成： e y x I y x E cos ),(),(ρ=

其中),(y x E 为反射光强，ρ为反射系数，),(y x I 为入射光强度$-为观察方向与表面法线夹 角11

cos 22++=q p e

从而可得： 222)(),(),(o o

z z y x z z y x I y x E -++-?=ρ

上式为标准球体的灰度曲面方程，在表面特性均一，入射光强均匀的情况下，),(y x I ρ为常数，所以灰度大小只随，z y x ,,变化。

由标准球面灰度和水果灰度可进行缺陷分割：如果),(),(y x E y x E a -不小于阈

值，为缺陷点。如果),(),(y x E y x E a 小于阈值，则为非缺陷点。),(y x E 为标准球面灰度，),(y x E a 为水果灰度，阈值通过试验确定。

2.23缺陷识别

由于水果果梗部和花萼部往往颜色较暗，其斑块外形，结构及颜色

与缺陷斑块非常相似，因此不能简单判别。考虑了水果三维空间结构特征对灰度的影响，采用傅氏变换方法进行识别，获得较满意的结果。为消除缺陷斑块和局部形状的影响，取分割后需要识别的斑块边缘上，方向的灰度剖面曲线，以斑块为中心，进行叠加，并且平均生成平均灰度线。

2.3计算机视觉技术在人体测量中的应用

基于人机工程学理论设计机械时，人体数据是不可或缺的设计依据之，各种机械设备的设计必须考虑人体的形态尺寸，这样才能使工作舒适，提高工作效率，减少事故。对于人体测量来说，不同部位的图像有不同的图像处理方法，但是人体部位识别提取是其中的核心问题．在部位识别提取技术中常的是图像区域分割，图像分割有三大类方法：基于象素的方法，基于边界的方法，基于区域的方法．对于不同的人体部位应采用不同的分割方法。．算法的整体流程见图2：

在本文中采用人体三维物体特征处理方法，人体中复杂面状特征的测量与分析可作为三维特征进行分析，在人体测量中用的较多的是主动测距．主动测距是在人为设计的光源条件下获得人体的离散化图像信息，从而简化人体图像的处理和分析，提高图像匹配计算的效率和距离信息的测量精度．在人体测量工程应用中主要以结构光法测量为多．采用栅光源入射测量人体腰围、胸围等曲线数据是结构光法的一种典型应用，其方法是通过CCD 摄像机得到有变形的轮廓条纹图像，应用透射投影方程建立数学模型，根据三角法推导出条纹的空间三维信息计算条纹的长度。

如果有一束平行的光平面投射到人体上，用摄像机从与光平面成一定角度的方向拍摄到轮廓线，将得到一组截面周长的一部分，如果此人原地转180。，用摄像机再拍摄一次，则得到的轮廓线长将是这个截面周长的另一部分．将两次的计

算结果相加即得到截面周长，即可得到人体腰围、胸围等曲线数据．坐标系XYZ 建立在物体上，为保证打在物体表面的条纹被CCD 拍摄成曲线，CCD 所在高度应大于物高．视频投影仪的透镜光轴与Z 轴重合，CCD 的光轴在平面内且过原点O ，镜头中心坐标为(0，H ，L)．

空间一点P(X ，Y ，Z)通过O 投影到成像面上的P(z ，Y)点，根据透射投影方程，把空间坐标系XYZ 变换为CCD 的坐标系x1 y1z1，要经过旋转、平移，最后得像点坐标为 C

Z Y X f Z X f x -+-?=?=θθcos sin 11 C Z Y Z Y f Z X f y -+-+?=?

=θθθθcos sin sin cos 11 根据CCD 拍摄到的图像，把经过透视投影变换的条纹还原成原来的样子，然后计算长度，再乘以相应的放大倍数，即可得到条纹的长度．考虑到人体外形的不规则性，采用微分法，把条纹的像分成小段，逐段还原，计算长度，再累加得到总长度．在处理图像时就表现为逐个像素点进行还原，然后计算像素点之间的距离，累加得到条纹长度．还原的方法是：把条纹两端点的连线作为基准线，计算条纹上每个像素点到基准线的垂直距离，乘上由透视投影方程决定的系数k ，所得长度为还原后的像素点到基准线的距离．为了简化计算，设条纹是水平的，且条纹两端点均在xy 平面内．将条纹用组平行于z 轴等间隔的直线分成小段。然后计算每个小段的距离，，为了降低测量数据误差，必须将各侧面检测到的数据进行必要的坐标转换，合成为同一坐标系的一组数据．该技术已应用到了数据缝合，即三维拼接技术．

在人体测量中，被测人体站立在可绕旋转轴旋转任意角度的实验台上，转动工作台可将人体的任意侧面暴露在检测摄像机的拍摄范围之内，工作台旋转的每一个位置称为一个视场，通过将多个视场中检测到的数据进行转换及整合，就可以得到描述复杂人体外形的三维信息．

结语

与人眼相比，机器视觉系统的优势是显而易见的。由于机器视觉系统

可以快速获取大量信息，而且易于自动处理、易于同设计信息与加工控制信息集成，因而在一些不适合于人工作业的危险环境或人工视觉难以满足要求的场合，常用计算机视觉来替代人工视觉。同时，在大批量工业生产过程中，用人工视觉检查产品质量效率低且准确度不高，用计算机视觉测量方法可以大大提高生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算

机集成制造的基础技术。

参考文献

1，刘中合李邦明王瑞雪刘贤喜刘涛.计算机视觉技术在农业机械中的应用.期刊论文.2005

2.冯斌.计算机视觉技术识别水果缺陷的一种新方法.期刊论文.2002

3.黄毅,李文彬.计算机视觉技术在人体测量中的应用.期刊论文.2004