计算机视觉开发
开篇：润墨网以专业的文秘视角，为您筛选了八篇计算机视觉开发范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
计算机视觉开发范文第1篇
【关键词】精密测量 计算机视觉图像 关键技术
在现代城市的建设中离不开测量的运用，对于测量而言需要精确的数值来表达建筑物、地形地貌等特征及高度。在以往的测量中无法精准的进行计算及在施工中无法精准的达到设计要求。本文就计算机视觉图像精密测量进行分析，并对其关键技术做以简析。
1 概论
1.1 什么是计算机视觉图像精密测量
计算机视觉精密测量从定义上来讲是一种新型的、非接触性测量。它是集计算机视觉技术、图像处理技术及测量技术于一体的高精度测量技术，且将光学测量的技术融入当中。这样让它具备了快速、精准、智能等方面的优势及特性。这种测量方法在现代测量中被广泛使用。
1.2 计算机视觉图像精密测量的工作原理
计算机视觉图像精密测量的工作原理类似于测量仪器中的全站仪。它们具有相同的特点及特性，主要还是通过微电脑进行快速的计算处理得到使用者需要的测量数据。其原理简单分为以下几步：
（1）对被测量物体进行图像扫描，在对图像进行扫描时需注意外借环境及光线因素，特别注意光线对于仪器扫描的影响。
（2）形成比例的原始图，在对于物体进行扫描后得到与现实原状相同的图像，在个步骤与相机的拍照原理几乎相同。
（3）提取特征，通过微电子计算机对扫描形成的原始图进行特征的提取，在设置程序后，仪器会自动进行相应特征部分的关键提取。
（4）分类整理，对图像特征进行有效的分类整理，主要对于操作人员所需求的数据进行整理分类。
（5）形成数据文件，在完成以上四个步骤后微计算机会对于整理分类出的特征进行数据分析存储。对于计算机视觉图像精密测量的工作原理就进行以上分析。
1.3 主要影响
从施工测量及测绘角度分析，对于计算机视觉图像精密测量的影响在于环境的影响。其主要分为地形影响和气候影响。地形影响对于计算机视觉图像精密测量是有限的，基本对于计算机视觉图像精密测量的影响不是很大，但还是存在一定的影响。主要体现在遮挡物对于扫描成像的影响，如果扫描成像质量较差，会直接影响到对于特征物的提取及数据的准确性。还存在气候影响，气候影响的因素主要在于大风及光线影响。大风对于扫描仪器的稳定性具有一定的考验，如有稍微抖动就会出现误差不能准确的进行精密测量。光线的影响在于光照的强度上，主要还是表现在基础的成像，成像结果会直接导致数据结果的准确性。
2 计算机视觉图像精密测量下的关键技术
计算机视觉图像精密测量下的关键技术主要分为以下几种：
2.1 自动进行数据存储
在对计算机视觉图像精密测量的原理分析，参照计算机视觉图像精密测量的工作原理，对设备的质量要求很高，计算机视觉图像精密测量仪器主要还是通过计算机来进行数据的计算处理，如果遇到计算机系统老旧或处理数据量较大，会导致计算机系统崩溃，导致计算结果无法进行正常的存储。为了避免这种情况的发生，需要对于测量成果技术进行有效的存储。将测量数据成果存储在固定、安全的存储媒介中，保证数据的安全性。如果遇到计算机系统崩溃等无法正常运行的情况时，应及时将数据进行备份存储，快速还原数据。在对于前期测量数据再次进行测量或多次测量，系统会对于这些数据进行统一对比，如果出现多次测量结果有所出入，系统会进行提示。这样就可以避免数据存在较大的误差。
2.2 减小误差概率
在进行计算机视觉图像精密测量时往往会出现误差，而导致这些误差的原因主要存在于操作人员与机器系统故障，在进行操作前操作员应对于仪器进行系统性的检查，再次使用仪器中的自检系统，保证仪器的硬件与软件的正常运行，如果硬软件出现问题会导致测量精度的误差，从而影响工作的进度。人员操作也会导致误差，人员操作的误差在某些方面来说是不可避免的。这主要是对操作人员工作的熟练程度的一种考验，主要是对于仪器的架设及观测的方式。减少人员操作中的误差，就要做好人员的技术技能培训工作。让操作人员有过硬过强的操作技术，在这些基础上再建立完善的体制制度。利用多方面进行全面控制误差。
2.3 方便便携
在科学技术发展的今天我们在生活当中运用到东西逐渐在形状、外观上发生巨大的变大。近年来，对于各种仪器设备的便携性提出了很高的要求，在计算机视觉图像精密测量中对设备的外形体积要求、系统要求更为重要，其主要在于人员方便携带可在大范围及野外进行测量，不受环境等特殊情况的限制。
3 计算机视觉图像精密测量发展趋势
目前我国国民经济快速发展，我们对于精密测量的要求越来越来高，特别是近年我国科技技术的快速发展及需要，很多工程及工业方面已经超出我们所能测试的范围。在这样的前景下，我们对于计算机视觉图像精密测量的发展趋势进行一个预估，其主要发展趋势有以下几方面：
3.1 测量精度
在我们日常生活中，我们常用的长度单位基本在毫米级别，但在现在生活中，毫米级别已经不能满足工业方面的要求，如航天航空方面。所以提高测量精度也是计算机视觉图像精密测量发展趋势的重要方向，主要在于提高测量精度，在向微米级及纳米级别发展，同时提高成像图像方面的分辨率，进而达到我们预测的目的。
3.2 图像技术
计算机的普遍对于各行各业的发展都具有时代性的意义，在计算机视觉图像精密测量中运用图像技术也是非常重要的，在提高图像处理技术做以提高。同时工程方面遥感测量的技术也是对于精密测量的一种推广。
4 结束语
在科技发展的现在，测量是生活中不可缺少的一部分，测量同时也影响着我们的衣食住行，在测量技术中加入计算机视觉图像技术是对测量技术的一种革新。在融入这种技术后，我相信在未来的工业及航天事业中计算机视觉图像技g能发挥出最大限度的作用，为改变人们的生活做出杰出的贡献。
参考文献
[1]汤剑.周芳芹.杨继隆.计算机视觉图像系统的技术改造[J].机电产品开发与创新周刊，2015，14（18）：33-36.
[2]马玉真.程殿彬.范文兵，计算机视觉检测技术的发展及应用研究[J].济南大学学报，2014，18（23）：222-227.
[3]李华.基于计算机视觉图像精密测量的关键技术分析[J].电脑知识与技术，2013（05）：1211-1212.
计算机视觉开发范文第2篇
关键词：目标跟踪；CAMSHIFT算法；OpenCV；颜色直方图
中图分类号：TP391文献标识码：B文章编号：1004373X(2008)2012803
Moving Object Tracking Method and Implement Based on OpenCV
LI Zhenwei1,2,CHEN Chong1,2,ZHAO You1
(1.Changchun Observatory,National Astronomical Observatories,Chinese Academy of Sciences,Changchun,130117,China;
2.Graduate School,Chinese Academy of Sciences,Beijing,100049,China)
Abstract：CAMSHIFT is an object tracking algorithm based onthe color histogram.In the process of object tracking,CAMSHIFT operates on a color back-projection image produced from object histogram model in current frame and finds the location and size of the current frame by adaptively adjusting the size and the location of the searching windows according to the tracking results of the previous frame in the video.On the basis of introducing OpenCV(an Intel open source computer vision library),through CAMSHIFT algorithm,the paper realizes moving object tracking and resolves some problems including distractor and occlusion by other objects.Experimental results show good performances,superiority and feasibility of the algorithm.
Keywords：object tracking;CAMSHIFT algorithm;OpenCV;color histogram
目标跟踪是计算机视觉的一个重要分支，日益广泛应用于科学技术、国防安全、航空、医药卫生以及国民经济等领域。实现目标跟踪的关键在于完整地分割目标、合理提取特征和准确地识别目标，同时，要考虑算法实现的时间，以保证实时性。当视频图像中被跟踪目标发生姿态变化，存在旋转或部分遮挡时，简单的灰度模板或者Hausdorff距离匹配一般很难达到实时跟踪目标的要求，出现误匹配或者跟踪丢失的情况，而且跟踪效率较低。
Gary R.Bradski提出的CAMSHIFT［1］(Continuously Adaptive Mean Shift)算法是以颜色直方图为目标模式的目标跟踪算法，可以有效地解决目标变形和部分遮挡的问题，而且运算效率很高。该文首先详细介绍CAMSHIFT算法，并结合Intel公司开发的开源OpenCV计算机视觉库，实现了运动目标跟踪，并验证了CAMSHIFT算法的有效性以及展现OpenCV计算机视觉库的灵活性和优越性。
1 CAMSHIFT算法
由于RGB颜色空间对光照亮度变化比较敏感［2］，为了减少光照亮度变化对跟踪效果的影响，CAMSHIFT算法将图像由RGB颜色空间转化到HSV（Hue,Saturation,Value）颜色空间再进行后续处理。
图1是CAMSHIFT算法流程。首先选择大小为S的初始搜索窗口，然后对该窗口中每一个像素点的H通道上采样，得到运动目标的色调（Hue）直方图，再将该直方图保存下来作为搜索目标的颜色直方图模型。在目标跟踪过程中，对摄像头当前帧图像的每一个像素，通过查询目标的颜色直方图模型，可以得到该像素为目标像素的概率。经上述预处理，视频中每一帧图像都转化为目标颜色概率分布图，也称为目标颜色投影图。在一般情况下，将投影图转化为8位的灰度投影图，概率为1的像素值设为255，概率为0的像素值为0，其他像素也转换为相应的灰度值。
图1中虚线部分是CAMSHIFT算法的核心。设点（x,y）为搜索窗口中的像素位置，I(x,y)是投影图中(x,y)处的像素值。为此，定义搜索窗口的零阶矩M00和一阶矩M01,M10分别如下：
M00=∑x∑yI(x,y)
M01=∑x∑yyI(x,y)
M10=∑x∑yxI(x,y)
图1 CAMSHIFT算法跟踪流程
该搜索窗口的质心位置为：
（xc,yc）=(M10/M00,M01/M00)
计算跟踪目标的方向和尺寸：
二阶矩：
M20=∑x∑yx2I(x,y)
M02=∑x∑yy2I(x,y)
M11=∑x∑yxyI(x,y)
令:
a =M20 /M00 -x2c，b=2(M11/M00－xcyc)，
c =M02 /M00 -y2c
目标长轴的方向角为：
θ=12tan－1(ba－c)
图像中目标的长轴和短轴的长度计算公式：
l=(a+c)+b2+(a－c)22，
w=(a+c)－b2+(a－c)22
然后，根据零阶矩M00调整搜索窗口的大小，并将搜索窗口的中心移动到质心，如果移动距离大于预先设定的固定阈值，则重新计算调整后的窗口质心，进行新一轮的窗口位置和尺寸调整，直到窗口中心与质心间的距离小于预设的固定阈值，或者循环运算的次数达到某一最大值，认为收敛条件满足，进入下一帧图像进行心的目标搜索。在下一帧图像中，利用上一帧图像中最终得到的窗口质心位置和S=2M00256来设置新的搜索窗口位置和尺寸。CAMSHIFT跟踪算法在视频单帧内与帧间都根据上一步得到的M00自适应地调整搜索窗口的大小，因而可以适应跟踪目标动态变形的情况。
2 计算机视觉类库OpenCV简介
开放源代码的计算机视觉类库OpenCV( Intel@ Open Source Computer Vision Library)由英特尔公司位于俄罗斯的研究实验室所开发,它是一套可免费获得的、由一些C函数和C++类所组成的库，用来实现一些常用的图像处理及计算机视觉算法。
OpenCV主要用于对图像进行一些高级处理，比如说特征检测与跟踪、运动分析、目标分割与识别以及3D重建等。
与其他计算机视觉工具相比，OpenCV的优越性如表1所示：
表1 图像处理、计算机视觉工具比较（IPL,openCV,IPP,visDSK与 Matlab）
开发工具开发单位应用领域免费情况源码公开与否备注
IPLIntel图像处理Free不公开已被并入到IPP
OpenCVIntel图像处理、计算机视觉Free公开基于Intel芯片代码优化
IPPIntel集成开发环境库(图像处理、信号处理等）Not free不公开基于Intel芯片代码优化
VisDSKMircrosoft图像处理Free公开无优化
MatlabMathWorks多学科、多种工作平台Not free不公开速度慢，不宜编译成可执行文件
OpenCV是Intel公司开发的图像处理和计算机视觉函数库，它有以下特点：
(1) 开放C及C++源码；
(2)基于Intel处理器指令集开发的优化代码；
(3)统一的结构和功能定义；
(4)强大的图像和矩阵运算能力；
(5)方便灵活的用户接口；
(6) 同时支持MS-Windows,Linux平台；
(7) 在速度上OpenCV还有Intel 公司的mmx和ssl优化。
2.1 OpenCV的数据结构
OpenCV设计一些基本数据类型,基本的数据类型包括:图像类的IplImage,矩阵类的CvMat,可变集合类的CvSeq，CvSet，CvGraph以及用于多维柱状图的混合类CvHistogram。辅助数据类型包括:用于表示二维点坐标的CvPoint,用于表示图像宽和高的CvSize等。
2.2 OpenCV的函数体系
OpenCV中每个函数的命名都以“cv”开始，然后是该函数的行为及目标。例如用来创建图像的函数“cvCreateImage”,载入图像的函数“cvLoadImage”。OpenCV是为图像处理及计算机视觉在实际工程中的应用而设计的一个类库，其中所有的函数都由于其在实际应用中所实现的不同的功能而分属不同的类型，主要的函数类型有：
(1) 基本的图像处理与分析函数。
这个类型的函数主要用于实现一些基本的图像处理与分析功能,例如图像平滑函数cvSmooth,Sobel算子cvSobe,l Canny边缘分割函数cvCanny等。
(2) 结构分析函数。
包括有轮廓处理函数,几何学函数以及平面细分函数。
(3) 运动分析与目标跟踪函数。
包括有用于运动分析与目标跟踪的函数,例如背景重建函数cvAcc，用光流法或动态轮廓模型来实现目标跟踪的函数cvCalcOpticalFlowBM和cvSnakeImage以及卡尔曼滤波函数CvKalman等。
(4) 摄像机标定和3D重建函数。
包括有用于摄像机标定，姿态估计以及从两个摄像机进行3D相似重构的函数。
(5) GUI与视频处理函数。
包括有高级图形用户接口highGUI用以实现对图像的载入、显示及保存等基本操作以及用以实现视频输入输出及处理的函数。
3 CAMSHIFT算法实现
在OpenCV库中，CvCamShiftTracker类就是用来实现CAMSHIFT算法的，使得进行二次开发变得很简单。该函数为：
int cvCamShift( const CvArr* prob_image,CvRect window,CvTermCriteria criteria,CvConnectedComp* comp,CvBox2D* box=NULL );
prob_image:目标直方图的反向投影
window:初始搜索窗口
criteria:确定窗口搜索停止的准则
comp:生成的结构，包含收敛的搜索窗口坐标 (comprect 字段) 与窗口内部所有像素点的和 (comparea 字段).
box:目标的带边界盒子。如果非 NULL,则包含目标的尺寸和方向。
利用该函数，在VC6.0开发环境下，就容易实现CAMSHIFT算法跟踪运动物体，图2是程序界面：
图2 CAMSHIFT跟踪界面
4 实验结果与分析
在本实验中，用一个摄像头来跟踪一运动物体，下面图3~图6一系列图像是采用CAMSHIFT算法跟踪运动物体部分图像。
图3 摄像头拍到的场景
图4 手动选中的目标物体
图5 物体快速移动时跟踪目标
图6 物体发生旋转、变形时跟踪目标物体
由此可见，基于颜色直方图的CAMSHIFT算法可以有效地解决目标变形和旋转问题，而且运算效率很高，可以实时跟踪运动目标。
5 结 语
本文在详细分析CAMSHIFT算法原理的基础上，采用Intel公司开发的OpenCV视觉库，在VC6.0开发环境下，实现了运动目标实时跟踪，解决了目标旋转、变形、部分遮挡问题。同时，可以看到，在开源库OpenCV的基础上，根据自己所开发应用程序所要实现的功能选择所需的库函数，能够大大减少在计算机视觉领域中的开发时间和精力，缩短程序开发的周期。
参考文献
［1］Bradski G puter Video Face Tracking for Use in a Perceptual User Interface［J］.Intel Technology Journal,1998,2:214-219.
［2］Boye M.The Effects of Caputre Conditions on the CAMSHIFT Face Tracker［R］.Alberta,Canada:Department of Computer Science,University of Calgary,2001.
［3］Comaniciu D，Ramesh V，Meer R.Real-time Tracking of Non-rigid Objects Using Meanshift［A］.Proceeding of the IEEE Conference on Computer Vision and Pattern Recognition［C］.Dublin,Ireland,2000,2:142-149.
［4］张宏志，张金换，黄世霖,等.基于Camshift的目标跟踪算法［J］.Computer Engineering and Design,2006,27(11):2 012-2 014.
［5］刘雪，常发亮，王华杰.基于改进Camshift算法的视频对象跟踪方法［J］.微计算机信息，2007(21):297-298,305.
［6］孙鑫，余安平.VC++深入详解［M］.北京：电子工业出版社，2006.
［7］刘瑞祯，于仕琪.OpenCV教程基础篇［M］.北京：北京航空航天大学出版社，2007.
［8］Intel Open Source Computer Vision Library Reference Manual［EB/OL］./research/mrl/research/opencv/.
［9］/hunnish.
［10］/group/OpenCV.
作者简介 李振伟 男,1983年出生，河南安阳人，硕士研究生。研究方向为视频运动目标跟踪。
陈 硕士研究生。
计算机视觉开发范文第3篇
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.
计算机视觉开发范文第4篇
关键词：自动控制技术农业自动化
中图分类号： DF413.1文献标识码： A
由于历史、观念和技术等方面的原因, 我国传统农业机械与发达国家相比有很大差距, 已远远不能适应农业的科技进步。近些年来, 自动化的研究逐渐被人们所认识, 自动控制在农业上的应用越来越受到重视。例如,把计算机技术、微处理技术、传感与检测技术、信息处理技术结合起来, 应用于传统农业机械, 极大地促进了产品性能的提高。我国农业部门总结了一些地区的农业自动化先进经验(如台湾地区的农业生产自动化、渔业生产自动化、畜牧业生产自动化及农产品贸易自动化)的开发与应用情况, 同时也汲取了国外一些国家的先进经验、技术, 如日本的四行半喂人联合收割机是计算机控制的自动化装置在半喂人联合收割机中的应用,英国通过对施肥机散播肥料的动力测量来控制肥料的精确使用量。这些技术和方法是我国农业机械的自动化装置得到了补充和新的发展, 从而形成了一系列适合我国农业特点的自动化控制技术。
一、已有的农业机械及装置的部分自动化控制
自动化技术提高了已有农业机械及装置的作业性能和操作性能。浙江省把自动化技术应用于茶叶机械上, 成功研制出6CRK-55型可编程控制加压茶叶揉捻机, 它利用计算机控制电功加压机构, 能根据茶叶的具体情况编制最佳揉捻程序实现揉捻过程的自动控制, 是机电一体化技术在茶叶机械上的首次成功应用。
1.应用于拖拉机
在农用拖拉机上已广泛使用了机械油压式三点联结的位调节和力调节系统装置, 现又在开发和采用性能更完善的电子油压式三点联结装置。
2.应用于施肥播种机
根据行驶速度和检测种子粒数来确定播种量是否符合要求的装置, 以及将马铃薯种子割成瓣后播种的装置等。
3.应用于谷物干燥机
不受外界条件干扰, 能自动维持热风温度的装置停电或干燥机过热引起火灾时, 自动掐断燃料供给的装置。
二、微灌自动控制技术
我国从20世纪年50代就开始进行节水灌溉的研究与推广据统计。到1992年, 全国共有节水灌溉工程面积0.133亿m2, 其中喷灌面积80万m2, 农业节水工程取得了巨大的进展。灌溉管理自动化是发展高效农业的重要手段, 高效农业和精细农业要求必须实现水资源的高效利用。采用遥感遥测等新技术监测土壤墒性和作物生长情况, 对灌溉用水进行动态监测预报, 实现灌溉用水管理的自动化和动态管理。在微灌技术领域, 我国先后研制和改进了等流量滴灌设备、微喷灌设备、微灌带、孔口滴头、压力补偿式滴头、折射式和旋转式微喷头、过滤器和进排气阀等设备, 总结出了一套基本适合我国国情的微灌设计参数和计算方法, 建立了一批新的试验示范基地。在一些地区实现了自动化灌溉系统, 可以长时间地自动启闭水泵和自动按一定的轮灌顺序进行灌溉。这种系统中应用了灌水器、土壤水分传感器、温度传感器、压力传感器、水位传感器和雨量传感器、电线等。
三、自动控制技术在精准农业中的应用
精准农业是在传统农业与农业机装备技术上, 运用高新技术进行农业生产管理。精准农业较传统农业其先进之处主要是应用全球定位系统(GPS)、地理信息技术、计算机控制技术、专家与决策知识系统, 实现农业生产的定位、定量、定时, 做到精耕细作和由于农业水土管理区管理点较为分散, 用传统方法进行数据采集和信息传输精度差、速度慢。把电子技术、微电子技术和通信技术紧密结合起来, 采用现代方法进行自动化监控和管理非常必要, 如在渠系、灌水、泵站等方面实现自动化监控与管理。农业自动化向智能化方向发展, 进一步发展精准农业重点发展节水、节肥精准农业技术体系的自动化控制, 实施精准灌溉、精准施肥, 提高水资源和化肥资源的利用率。精细设施农业主要发展以温室为主的自动控制系统智能化研究, 从而现降低成本、提高作物产量、提高农产品品质。这有助于我国农业资源的高效利用和农业环境保护, 是发展持续农业的重要途径。将计算机视觉技术应用于农业自动化领域计算机视觉技术是一个相当新且发展十分迅速的研究领域, 日本、美国等发达国家已在农业计算机视觉方面进行了广泛而深入的研究, 如农业种质资源管理、获取作物生长状态信息、农产品自动收获、农产品品质鉴定等。英国开发研制的采摘蘑菇机器人, 在定位蘑菇采摘点和测量时, 已经利用了计算机视觉和图像处理技术。计算机视觉技术在我国农业生产和农业现代化方面已开始应用, 但在设施农业、虚拟农业中的应用尚处于起步阶段, 应进一步加强、加快该领域的研究与应用。
我国农业自动化已在设施农业中的温室自动化控制、排灌机械自动化、部分农业机械装置自动化等方面得到一定的发展, 尤其精准农业的发展越来越得到重视。电子技术和计算机技术的迅速发展推动了农业机器向自动化方向发展。随着智能化技术的发展, 人工智能将是世纪农业工程发展的重点。各种农业机器人或智能化系统将在农业自动化控制中不断涌现, 继续推动和实现农业自动化是农业机械化工程技术工作者所面临的长远课题和挑战, 并进一步促进农业自动化控制技术向智能化技术发展。
四、自动控制技术在精准农业中的应用
精准农业是在传统农业与农业机装备技术上, 运用高新技术进行农业生产管理。精准农业较传统农业其先进之处主要是应用全球定位系统(GPS)、地理信息技术、计算机控制技术、专家与决策知识系统, 实现农业生产的定位、定量、定时, 做到精耕细作和由于农业水土管理区管理点较为分散, 用传统方法进行数据采集和信息传输精度差、速度慢。把电子技术、微电子技术和通信技术紧密结合起来, 采用现代方法进行自动化监控和管理非常必要, 如在渠系、灌水、泵站等方面实现自动化监控与管理。农业自动化向智能化方向发展, 进一步发展精准农业重点发展节水、节肥精准农业技术体系的自动化控制, 实施精准灌溉、精准施肥, 提高水资源和化肥资源的利用率。精细设施农业主要发展以温室为主的自动控制系统智能化研究, 从而现降低成本、提高作物产量、提高农产品品质。这有助于我国农业资源的高效利用和农业环境保护, 是发展持续农业的重要途径。将计算机视觉技术应用于农业自动化领域计算机视觉技术是一个相当新且发展十分迅速的研究领域, 日本、美国等发达国家已在农业计算机视觉方面进行了广泛而深入的研究, 如农业种质资源管理、获取作物生长状态信息、农产品自动收获、农产品品质鉴定等。英国开发研制的采摘蘑菇机器人, 在定位蘑菇采摘点和测量时, 已经利用了计算机视觉和图像处理技术。计算机视觉技术在我国农业生产和农业现代化方面已开始应用, 但在设施农业、虚拟农业中的应用尚处于起步阶段, 应进一步加强、加快该领域的研究与应用。
我国农业自动化已在设施农业中的温室自动化控制、排灌机械自动化、部分农业机械装置自动化等方面得到一定的发展, 尤其精准农业的发展越来越得到重视。电子技术和计算机技术的迅速发展推动了农业机器向自动化方向发展。随着智能化技术的发展, 人工智能将是世纪农业工程发展的重点。各种农业机器人或智能化系统将在农业自动化控制中不断涌现, 继续推动和实现农业自动化是农业机械化工程技术工作者所面临的长远课题和挑战, 并进一步促进农业自动化控制技术向智能化技术发展。
【参考文献】
[1]马玉敏等.工业以太网的最新发展.自动化系统工程，2006（2）：2.
计算机视觉开发范文第5篇
多采用是人工测量的方式，在误差的控制上选择的是多次测量，反复操作，再将多次测量的结果进行加权，最终得到相对准确的测量数值。这种方法在一定程度上是操作十分复杂，精度还很难达到设计要求，所以我们在矿区土地信息测量工程中引进了GIS技术这样的一个概念，下面我们就如何通过GIS技术进行有效的观测测量来进行讨论。
[关键词] GIS技术； 精密测量； 构造几何模型； 信号源的接收
地理信息系统（Geographic information system，GIS）是利用计算机及其外部设备采集、存储、分析、描述与空间和地理分布有关的数据的空间信息系统。GIS融合计算机图形和数据库于一体，在一定的地域内，将地理空间信息和一些与该地域地理信息相关的属性信息结合起来，达到对地理和属性信息的综合管理。从外部来看，GSI表现为计算机软硬件系统，而其内涵是由计算机程序和地理数据组织而成的地理空间信息模型，是一个高度信息化的地理系统。
1）等高线生成及等高线分析：等高线图是人们传统上观测地形的主要手段。可以在等高线图上精确地获知地形的起伏程度、区域内各部分的高程等等。等高线图可以从格网数字地形模型中获取相关的资料信息，也可在不规则三角形格网T（NI）中生成。
2）立体透视图分析：当用户需要从直观上观察地形的概貌时，用绘制透视图的方法（还可以用色彩）可以更逼真地显示地形。
3）坡度分析、地表面积计算及挖、填土方体积计算：建立DTM后就可以用之计算坡度、面积和挖、填土方体积，以其作为土地适宜性评价的因子。
一 GIS技术在信息管理模式中的具体形式
在以往的测量中，选择的测量方式还是完全采用机械的形式，但是在使用了计算机GIS技术精密测量后，完成了许多以往技术所不能达到的任务。在我们的研究中，计算机GIS技术测量的原理是通过摄像机将被处理的对象采集进行影像采集，在多个控制点的数据采集完成后，系统会自动将这些图像进行整合，得出相关的几何多变参数，再在计算机上以具体的数据显示出来，以供矿区技术人员使用参照。
在上面所说的摄像机并不是我们通常意义上生活中使用的摄像机。它是一种可视化较强，表针比较敏感的测试仪。可以将视觉中的二维形态通过显影，记录在机械的光谱仪上，再将这种的二维图像做数学处理，有二阶矩阵转换为三阶矩阵，通过播放仪呈现出三维的影像。这时的图像变为立体化，更有层次感，效果上也有了明显的变化，这是一种显示方法。此外还有一种造价较高的仪器，我们不常使用，就是图像提取器。同样是采集控制点的数据，将数据整合在系统之内，然后对于原始的图像进行预处理，不再经过有曝光这个程序，将图像中关键点的坐标在整个内部轴面上体现出来，提取数据帧数，再运用机器的智能识别系统，对控制点的坐标进行数据分析，自动生成图形，这也可以用于精密测量。它的优点就是使用上极其的方面，基本只要架立仪器和打开开关，其他的工作机械系统都会自动的完成。使用的困难就是造价极其的高，不适合一般企业使用。在基于计算机视觉图像测量中使用上的原理如下：
（1）计算出观察控制点到计算机视觉图像测量仪器的有效距离；
（2）得出观察点到目标控制点之间的三维的运动几何参数；
（3）推断出目标控制点在整个平面上的表面特征（大多时候要求形成立体视觉）；
（4）还通过观察可以判断出目标物体的几何坐标方位。
在整个计算机GIS技术精密测量的在矿区土地信息管理中最关键的元件就是压力应变电阻仪，这也是传感器的一部分。
所谓的压力感应就是一种新型的传感器，通过电阻的变化作为一种感应值的判断标准进行计算和采集数据。具体的做法是在受力物体上粘贴高灵敏度的感应片，通过力的传递将物体上受到即时的力传递到感应片上，以备技术人员收集。在物体的中心或者是机械的隔断处，使用丙酮溶液进行擦拭，以保证物体的表面洁净和贴合度较高。当液体充分风干的情况下将感应片贴在已涂丙酮的物体上（注意感应片的正反），再使用导线和感应片相互连接，从而形成了一个完整的闭合电路体系，在通电的情况下，在计算机终端上可以显示出来。以便技术人员可以在任何时候掌握每个检测点的施工使用情况，一旦机械设备发生异常现象，就会在计算机图形中显示出来。于此同时，它还可以对施工人员所处的具置做到应力感应，人自身的重量传递到地面上，结构会出现结构上的略微变化，这个仪器就能第一时间以信号的方式传送到计算机终端，让技术人员掌握相关施工的情况，并结合数据报告总结出相关的可行性分析付诸实践。
当无法观察到控制点是，计算机GIS技术测量可以通过接收信号或是相关的频率波段来收集数据，不会因为以往测量的环境不好，距离太远，误差太大的影响。同时在信息管理中通过了加密通道，系统可以将数据自动的保存和转换为视图模式，对于数据的审计和运行可以同时进行，这样就可以很好的保证大地测量中的图像数据安全，利用防护墙将采集中废弃的数据革除在外，避免数值之间发生紊乱的现象，进一步改善计算机GIS技术。
二 计算机GIS与CAD技术的结合
在计算机GIS技术测量中解决了很多以往很难完成的任务，但是在使用过程中还是发生了很多的问题。尤其在土地信息的选择中，无法使用高帧数的图片显示，无法将计算机测量的关键技术的优点发挥出来。在煤矿生产过程中，对于生产效率的提高就要对开采环境的要求更高。使用绘图技术与GIS技术相互结合可以将复杂的地理环境的具体形状在电脑当中展现出来，用较为直观的图形准确的反应出来。而且在使用中，可以在计算机中随时将图像进行修改，完全可以适应复杂情况下的设备调试。在以往传统的图像设计中，技术人员在图纸中很难将地理信息进行再次修改，在设计后期在计算机图形绘制处理技术中，对于图像的调试使用的范围很广，通过虚拟的模拟和现实的结合来实现煤矿信息的完整，有效的加强了煤矿的信息化管理。
CAD技术是基于工程图上的三维建模方式。三维模型是从二维信息中提取的三维模型信息，通过再次分类以后，得到的一系列的相关处理信息，之后在三维空间建立相应的二维信息的三维形状模型提，使模型本身恢复点，线，面和拓扑关系，从而实现形状重建工程。计算机图形绘制处理，也可以应用于测绘图纸和关于地形的建模。土地信息中包含的地貌和自然资源图，它是国民经济体系的重要组成部分。我们可以画一个图，三维地形图的存储信息的产生。为预测和决策水平的使用有重大的意义，也为综合治理和煤炭资源的研究开发利用提供科学依据，这些依据，在军事上也起着非常重要的作用。在煤矿机械设备也使用CAD软件绘制零件图，利用绘图软件在操作更简单的菜单式设计，绘制出图形更准确。
三 GIS技术测量的关键技术遇到的困难和使用前景
计算机GIS技术测量的关键技术作为一种新兴技术在使用时间上不过十几年，其使用的程度已经无法估算。正是因为它的简单、使用、精度高以及自动化能力卓越的特点受到了矿区土地信息管理部门的广泛青睐。在测量调控方面的这些可靠性和稳定性也是有目共睹的。这项关键技术中涵盖的学科非常的多，涉及到的知识也很全面，一旦出现了机器的故障，在维修上还是一个很大的问题，如何很好的解决计算机视觉图像技术的相关核心问题就是当下亟待解决的。通过在一些相关的技术之间的相互结合才能使GIS技术发挥的更加完美。
我们都知道，人的眼睛是可以受到自身的控制，想要完成矿区土地观测是十分简单的，但是在计算机GIS技术中，毕竟是采取摄像机取景的模式，在取得的点位有的时候不是特别的有代表性，很难将这些问题具体化、形象化。达不到我们设计时的初衷。所以在这些模型的构建中和数据的转换上必须有严格的规定和要求，切不可盲目的实施测量，每项技术操作都要按规程来实施。
四 结束语
在煤矿土地工程发展的今天，很多的测量技术已经离不了计算机GIS技术的辅助，本文中详细的谈到了GIS技术方面的研究，对于之中可能出现的一些问题也提出了相应的解决方案，对于和CAD绘图技术相互结合的使用方式也做出了详细的介绍。测量工程中使用计算机GIS技术可以很好的解决和完善测量中遇到的一些问题，但是也暴露出了很多的问题亟需技术人员不断去解决完善。
将GIS技术在矿区土地管理信息系统中使用，也是加强了矿区建设的信息化水平。可以预见的是，在未来使用计算机GIS技术在矿区土地管理信息系统建立的测量模型会得到更多、更好的应用。但作为一个长期复杂的技术工程，在这个建设过程中定会有一些困难的出现。希望通过不断的发现问题、总结经验，让GIS技术在矿区土地管理信息系统在煤矿的开挖中的作用发挥的更好。
[参考文献]
[1] 汤剑，周芳芹，杨继隆.计算机视觉图像系统的技术改造[J].机电产品开发与创新周刊，2005，14（18）：33-36
[2] 段发阶等. 拔丝模孔形计算机视觉检测技术[J] . 光电工程时报， 2006， 23（ 13）：189-190
计算机视觉开发范文第6篇
关键词： 图形分解； EmguCV； OpenCV； 关键函数
中图分类号：TP317.4 文献标志码：A 文章编号：1006-8228（2014）07-04-03
Abstract： Graphic decomposition technique is widely used in image processing applications. EmguCV Net platform is a graphics package for OpenCV library. The relation between OpenCV and EmguCV is briefly introduced. The use of EmguCV graphic decomposition is focused on. The procedures and methods， as well as a sample flow chart， are given. The usage of key functions and the parameters are described carefully. A part of C# source code and a platform to run the program are presented. In this paper graphic decomposition is achieved by EmguCV. The used program is valuable in computer keyboard scan cognition.
Key words： graphic decomposition； EmguCV； OpenCV； key functions
0 引言
EmguCV是.Net平台下对OpenCV图形处理库的封装，也就是OpenCV的.Net版本。OpenCV的全称是：Open Source Computer Vision Library，它是一个基于开源发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效――由一系列 C 函数和少量 C++ 类构成，实现了图形处理和计算机视觉方面的很多通用算法。而EmguCV运行在.Net兼容的编程语言下调用OpenCV的函数，如C#，VB等。EmguCV有两层封装，基础层包含函数、结构和枚举类型，直接对应于OpenCV；第二层包含了融入.Net优点的类。本文开发所使用的是EmguCV 2.3版本。
1 图形分解过程
图形分解技术种类较多，应用也十分广泛。本文中的图形分解主要是运用EmguCV技术，C#语言，将一幅图形中的各个组成部分分解出来，例如实现如图1所示的结果。
该图片是一幅具有阿拉伯字母的键盘按键图片，需要将其中各个字符的图片部分全部分解出来。根据EmguCV技术特点，分解图形需要经过以下步骤：
⑴ 取得各个图形元素的图形边缘；
⑵ 对图形边缘进行膨胀处理；
⑶ 取得各个图形元素的轮廓；
⑷ 根据这些轮廓，取得这些图形元素的外接矩形；
⑸ 根据这些外接矩形的位置，从原图上裁剪下这些图形元素。
4 结束语
图形分解在图形处理技术中运用较多，其中EmguCV功能强大，能与.Net架构无缝对接，使图形处理技术能更加容易使用。本文涉及的图形分解技术，较能适应于目前运用广泛的Windows平台与.Net架构的软件中，运用面较为广泛。本文所采用的程序在电脑键盘扫描识别等方面会有较好的应用。而目前程序的应用领域还较窄，要使其运用在较为复杂的图形分解，还需要进行一些修改与完善。
参考文献：
[1] （美）Bradski.G， Kaehler.A著，于仕琪，刘瑞祯译.学习OpenCV（中文版）[M].清华大学出版社，2009.
[2] 刘瑞祯，于仕琪.OpenCV教程：基础篇[M].北京航空航天大学出版社，2007.
[3] 陈胜勇，刘盛.基于OpenCV的计算机视觉技术实现[M].科学出版社，2008.
计算机视觉开发范文第7篇
全球人工智能创业公司2017年的融资额达到了创纪录的152亿美元，中国企业占总数的48%，高于2016年的11.6%。美国排名第二，占38%。
尽管全球范围内的AI创业公司仅有9%的交易份额，但中国的创业公司在2017年融到了全球将近50%的AI资金，首次超过美国。
中国正在积极执行一个影响深远的AI愿景。中国政府的人工智能发展规划涵盖从智能农业、智能物流到军事应用以及人工智能所带来的新就业机会。部分资源将用于在医疗和媒体等行业。
东方AI巨人在人工智能相关知识产权方面也超过了美国。标题或摘要中包含“人工智能”或“深度学习”术语的中国专利出版物从2016年的549起猛增至2017年的1，293起，而美国仅分别为135起和231起。例如，在深度学习中，中国的专利是美国的6倍。(注：在专利申请之前，专利审批流程涉及重要的时间滞后。)
推动中国AI增长的两项突出技术是人脸识别和AI芯片。前者是基于中国14亿人口的巨大红利，后者则是对美国芯片的直接挑战。
计算机视觉领域四个主要参与者是旷视科技、商汤科技、云从科技和依图科技。
旷视科技(Face++)：从事计算机视觉相关技术研发与应用落地，主要业务来自于安防、金融、移动应用三个领域。2017年10月宣布完成C轮融资4.6亿美元，由中国国有资本风险投资基金(简称“国风投”)领投，蚂蚁金服、富士康集团战略投资。
商汤科技(SenseTime)：专攻计算机视觉和深度学习原创技术。2017年7月宣布4.1亿美元B轮融资，估值超过15亿美元。就在本月，日本汽车公司本田宣布与商汤签订长期合作协议，联合研发自动驾驶技术，基于本田的车辆控制技术系统，融合商汤科技的视觉算法和开发平台，瞄准L4级自动驾驶方案。
计算机视觉开发范文第8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）.