计算机视觉方法
计算机视觉方法范文第1篇
关键词：加权函数；圆拟合；边缘选取；字符检测
中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）15-0252-03
Abstract：In order to solve the problem of inaccurate edge extracting and circle fitting in the communications components measurement， a method for correcting the weighting function is proposed. First， double squared weighting function is adopted to fit circle for the case of circle fitting process susceptible to interference. Circle fitting is more accurate because the outliers are removed. In order to accurately locate the edge， triangular fuzzy membership function is adopted as a weighting function， so the accurate edge extraction is achieved. at the same time， robust character extraction algorithm and character detection algorithm by SVM（support vector machine） is adopted for character extracting and recognition during the measurement.
Key words： weight function； circle fitting； edge selecting； symbols identifying
通讯天线设备的电性能直接与设备的各个零部件的精度相关，通讯天线零部件的高精度是保障通信质量的基本条件。通讯机壳零部件的尺寸精度、几何形状精度、相互位置精度、表面粗糙度等都有严格规范和公差范围。在检测过程中不但要高精度地测量几何尺寸、几何形状和相互位置精度，同时还要识别零部件表面的各种符号、数字和字母等。本文以通讯机壳零部件测量为例，以满足精度、提高可靠性为目的，研究了基于单目计算机视觉条件下满足亚像素精度的检测方法，其关键检测技术主要有标定技术、复杂轮廓的基元拟合技术、模糊测量技术和字符提取技术等。文中针对机壳部件测量中，存在圆拟合与边缘提取不准确的问题，提出了利用加权函数进行修正的方法。该方法的基本思想是：圆拟合不准确主要是由于受到较大的离群点影响，因此采用一种双平方模式的加权函数来去除这些离群点，从而得到准确的拟合圆。边缘提取不准确也是由于提取到了不需要的边缘，因此采用三角形模式的加权函数对不需要的边缘进行抑制，只允许正确的边缘输出，从而达到正确检测目的。检测结果表明，所提出的方法能够满足测量要求。由于机壳部件表面的字符也要求识别，因此本文根据字符及其背景，选择了鲁棒性强的动态阀值分割算法和支持向量机分类器实现了字符的检测和识别。
1 摄像机标定技术
本文采用传统的摄像机标定方法，利用一个标定板与其图像的对应约束关系来确定摄像机的内参数和外参数。测量中，采用的是远心相机模型。从三维空间坐标到二维图像坐标的映射关系可以使用一个固定数量的参数来表示：
2 最小二乘法的加权拟合
由于部件的边界点组成的轮廓会产生大量的数据，而我们所关心的是确定部件轮廓的位置信息，因此需要将轮廓拟合成直线、圆、椭圆等基元，进而确定被测部件的形状精度、相互位置精度等关键参数。本文提出一种圆拟合算法，该算法基于各个拟合点的权重值的大小对圆进行拟合，使得到圆更为精确。
3 模糊测量
相对于经典标准的测量方法，模糊测量对边缘选择更加灵活。它可以依据图像的对比度、位置、尺寸及灰度值等信息实现测量。
设模糊集合记为；并在[0，1]闭区间的特征函数称为隶属函数，记为，它表示对于的隶属程度，用它来描述“亦此亦彼”的模糊概念。在经典集合论中，集合元素要么属于或不属于集合，该集合的边界是清晰的。模糊集理论则允许有关集合元素模糊渐进评估，这就是通过隶属函数来描述的。模糊集合的定义式为：
由于在图像中的灰度值存在模糊性，其主要体现在物体的边缘，因此适合用模糊理论对图像边缘的不确定性进行描述。对单一不确定性测量，在量化的区域内，包含准确的值，即在gray zone范围内[6]。对物体进行测量前，要选择模糊隶属函数。常用的有Triangular、S-curve function、Z-function和Pi-function四种。其他隶属函数可由这四种组合而成[7]。在实际的测量中，由于光照等因素影响，常导致边缘检测不准确，进而影响测量结果，图2（a）所示为由于检测出多个边缘，其测量结果有多个。
5 结论
本文研究了基于单目计算机视觉的机壳测量方法。针对测量中圆拟合不准确的问题，提出了圆拟合算法的改进，即对拟合过程中，先计算各个点的加权值，对大于指定值的视为离群点，将其忽略已达到去除离群点的目的，从而得到更准确的圆。对检测到多个边缘的问题，根据其正确的边缘位置信息，设计相应的加权函数，只选择需要的边缘输出，从而得到正确的测量结果。加权函数的方法的优点是使检测结果更准确；其缺点是增加了计算量，从而使检测时间加长。因此，对于检测时间要求比较苛刻的场合，该方法还有进一步改进的空间。另外本文还根据检测要求，运用动态阀值分割算法和SVM分类器对机壳表面的字符进行了提取和识别。
参考文献：
[1] S.Lanser， Modellbasierte Lokalisation gestutzt auf monokulare. PhD thesis，Forschungaund Lehreinheit Informatik LX， Technische Universittat Munchen[M].Shaker Verlag， Aachen， 1997.
[2] F.Mosteller， J.W.Tukey. Data Analysis and regression[Z]. Addisson-Wesley，Reading， MA，1977.
[3] S.J.Ahn， W.Rauh， H.J.Warnecke. Least-squares orthogonal distances fitting of circle， sphere， ellipse，hyperbola， and parabola[J]. Pattern Recognition， 2011， 34（12）： 2283-2303.
[4] Beer， M Uncertain structural design based on nonlinear fuzzy analysis[J]. Special Issue of ZAMM 2004， 84（10C11）： 740C753.
[5] M?ller， B， Beer， M Safety Assessment using Fuzzy Theory[C]. Proceedings of the 1998 International Computing Congress in Civil Engineering， ASCE， Boston， 1998：756C759.
计算机视觉方法范文第2篇
关键词：双目视觉；匹配算法；计算机视觉；立体匹配；相位一致性
1.计算机视觉系统分析研究
1.1计算机视觉技术及双目立体视觉
计算机视觉是通过计算机技术实现对视觉信息处理的整个过程，是一门新的学科。视觉是人们认知事物的重要途径，视觉是人们对视觉信息获取、处理和存储的过程。随着计算机技术的发展，信号处理技术的应用，人们通过照相机来把实际的事物拍摄下来转变为数字信息，并通过计算机信号处理技术队获取的视觉信号进行处理。计算机视觉技术对图像的处理分为获取图像、特征抽象选取、事物识别及分类和对三维信息的理解。获取图像主要是通过摄像机和红外线等技术对周围视觉事物进行获取，并通过计算得到和真实事物相应的二维图像，二维图像主要是数字图像。计算机视觉系统的最基本的功能是数字图像的获取。可以看出计算机视觉研究最基本内容是三维场景距离信息的获取。在计算机被动测量距离方法中，有一种重要的距离感知技术叫作双目立体视觉。双目立体视觉技术是其他计算机视觉技术无法取代的一种技术，对双目立体视觉技术的研究在计算机视觉技术和工程应用方面都是非常重要的。
1.2计算机视觉理论框架
第一个视觉系统理论框架的提出是以信息处理为基础，综合了图像处理和神经生理学等研究内容而建立的。这个视觉系统理论框架是计算机视觉系统的基本框架，与计算机视觉技术有着密切的关系。视觉系统的研究是以信息处理为基础的，从理论层次、算法层次和硬件层次3个层次进行研究。计算机理论层次主要是表达系统各个部分计算的目的和方法，对视觉系统的输入和输出进行规定，输入作为二维图像，输出是以二维图像为基础建立起来的三维物体，视觉系统的目的就是对三维物体进行分析和识别，通过计算对二维物置和形状进行重新建立。算法层次对计算机规定的目标进行计算，算法和计算机表达有关，不同的表达可以通过不同的算法进行实现，在计算机理论的层次上，算法和表达比计算机理论的层次要低。硬件层次是通过硬件来实现算法的一种表达方法。计算机理论层次在计算机信息处理中时最高的层次，取决于计算机的本质是解决计算机的自身问题，不是取决于计算问题的计算机硬件。要更好地对计算机系统和框架进行理解最好的方法就是要区分3个不同的层次，计算机理论的含义和主要解决的问题是计算机的目的，表达算法含义和主要解决的问题是实现计算理论的方法和输入输出的表达，硬件的实现的含义和主要解决的问题是如何在物理上对表达和算法进行实现。计算机视觉处理的可以分为3个阶段，对视觉信息的处理过程从最初的二维图像的原始数据，到三维环境的表达。第一阶段基元图的构成，基元图是用来表示二维图像中的重要信息，主要是图像中亮度变化位置及其几何分布和组织结构，图像中每点的亮度值包括零交叉、斑点、端点和不连续点、边缘等。第二阶段2.5维图描述，在以观测者为中心的坐标中，表示可见表面的方向、深度值和不连续的轮廓，基元是局部表面朝向离观测者的距离深度上的不连续点表面朝向的不连续点。第三阶段三维模型表示，在以物体为中心的坐标系中，有由体积单元和面积单元构成的模块化多层次表示，描述形状及其空间组织形式，分层次组成若干三维模型，每个三维模型都是在几个轴线空间的基础上构成的，所有体积单元或面积形状基元都附着在轴线上。视觉理论框架图如图1所示。
2.基于计算机的视觉立体匹配算法研究
视觉立体匹配算法是基于人类视觉系统的一种计算机算法。立体匹配算法作为计算机立体视觉问题研究的重点，快速地实现图像对应点的匹配来获得视差图是当今研究的热点问题。立体视觉匹配算法根据基元匹配的不同可以分为相位匹配、区域匹配和特征匹配3种，其中区域匹配算法可以减少计算负担，区域匹配算法实时性高，应用前景广阔。计算机立体视觉通过对人的双眼进行模仿，在双眼的立体感知中获得信息，从摄像机拍摄的图像中获取物体的三维深度信息，这就是深度图的获取，把深度图经过处理得到三维空间信息数据，二维图像到三维空间实现转换。深度的获取在双目立体成像视觉系统中分为两步，首先在双目立体图像与图像之间建立点对点的对象关系，双目立体视觉算法研究的重点问题是解决对应点之间的匹配问题。其次以对应点之间的视差为依据对深度值进行计算。双目成像是获取同一场景中两幅不同的图像，两个单目成像模型构成一个双目成像模型。双目成像示意图如图2所示。系统的基线B是两个镜头中心的连接线，空间点w（z，y，z）作为世界坐标的值由（x1，y1）与（x2，y2）进行确定，如果摄像机的坐标位置和空间点w世界坐标的位置重合，图像平面和世界坐标轴xY的平面就是平行的。如果两个摄像机在坐标系统中的原点不同但是它们的光轴平行，那么双目成像计算人们可以看图3所示，图3表示的是两个摄像头连线在平台xY的示意。
立体视觉的成像过程是成像的逆过程，具有一定的不确定性。大量的数据信息在从三维影像向二维图像进行投影的过程会出现丢失的现象，所以视觉系统要通过自然的约束条件才能保证获取正确的解。这些约束条件在减少匹配的计算量方面可以提供有利的帮助。针对基于区域匹配快速算法，还可以应用基于视差梯度的匹配算法，这种匹配算法应用较大的搜索范围在边缘的特征点上进行搜索，采用视差梯度在非边缘区减少搜索范围。应用计算机视觉立体匹配算法可以减少成像匹配时间，大大提高了工作效率。计算机立体匹配算法征点的提取是算法的关键问题，今后的研究方向重点是对有效特征点提取方法的研究。
计算机视觉方法范文第3篇
【关键词】 视觉传达 计算机 图像设计 应用
前言：
图形图像是最能直观表达一件事物的方式。本文针对视觉传达设计下的计算机图形图像设计的研究，将以二者的设计思维入手，找出视觉传达设计与计算机图形图像设计的异同，最后对视觉传达设计与计算机图形图像设计的结合与具体应用进行分析。
希望本文的研究，能为我国各个行业领域的图形图像设计的完善提供参考性建议。
一、视觉传达设计下的计算机图形图像设计思维
随着数码产品进入到社会生活，人们就进入了视觉传播的时代。视觉传达越来越成为一种流行性艺术。例如，手机中的美图秀秀，PS等技术，都体现了视觉传达在人们生活中的重要性。视觉传达有很多优势，能够使用户以自身的想法对图像进行设计，甚至是设计出超越常规性思维的作品。这就是视觉传达结合计算机图形图像的结合。以计算机智能软件，根据自身的视觉传达特点，可以将设计灵感体现在计算机图形上。
视觉传达设计就是以视觉传播的方式，将其所需传播的信息，进行形状、光度、大小、色彩等方面的调整，通过改变其细节，通入自己的想象思维，从而达到传达一定内容和思想的目的[1]。
二、视觉传达设计与计算机图形图像设计的异同
视觉传达技术与计算C图形图像技术在专业方面存在着相似之处。例如，在专业基础课程方面，二者都涉及到绘画方面的内容，还有平面设计知识、设计发展历史等。设计思维方面，都倡导与现代元素相结合，最终达到美的融合。在创作方法上，都是以简单的线条、平面、点等元素构成，再加上光度、明暗的调和等。然而，二者除了最基本的技术方法上存在不同，还有几点不同之处，正是这些独特的地方，二者才有了结合应用的意义。
首先，二者的设计背景不同，视觉传达是结合了传统的一些元素，受到传统文化的影响。而计算机图像设计是新时代的科技新兴产物，具有时代特征。其次，二者的设计目的不同。视觉传达注重将内在意象表达出来，计算机图像设计更注重表面的美感呈现[2]。
三、视觉传达设计与计算机图形图像设计的结合应用
视觉传达设计与计算机图形图像设计的结合应用体现在多个领域。
第一，在文字设计方面。文字设计是图形的基本形式，在计算机中，有很多软件，可以对文字进行大小、文字的间距、文字字体等进行处理，还可以输入文本框，将文字设置成更美观的艺术字形式。这是最基本视觉传达设计和计算机图像处理技术的结合。文字设计主要应用在广告牌的设计中。
第二，在包装设计方面。无论是商场还是市场，美观的包装总能吸引大量的消费者。包括我们阅读的杂志，大街上收到的宣传彩页，都是视觉传达的效果。根据人们的视觉审美进行设计的，再经过计算机进行合成制作，最终形成成品。
第三，影视设计方面。这方面的设计主要是针对动漫，或者是广告设计。对其中的画面进行合理的处理，可以增强影视作品的艺术效果，提升创意意境。很多企业通过视觉传达设计与计算机图形图像设计的结合，制作成新颖的广告和官方网站进行宣传，体现企业的特色理念[3]。
四、结论
本文针对视觉传达设计下的计算机图形图像设计的研究，是以二者的设计思维入手，找出二者的设计异同，最后对视觉传达设计与计算机图形图像设计的结合与具体应用进行分析。一个符合大众审美的创意，再结合计算机对图片的高端处理制作。以这样的方式进行宣传，可以为企业带来可观的效益。视觉传达设计与计算机图形图像设计的结合除了应用于以上领域中，还有网站的界面设计，杂志插图，绘画设计等。
希望通过本文的研究，视觉传达设计与计算机图形图像设计能够更加紧密相联，创造出更多更好的艺术作品来，从而带动我国各个行业领域的经济。
参 考 文 献
[1]夏明锦.虚拟现实环境下计算机图形图像设计与视觉传达设计[J].电子技术与软件工程，2016，（18）：94-95.
计算机视觉方法范文第4篇
随着计算机技术以及图像处理技术的快速发展，计算机视觉技术作为一种新兴的技术，其被广泛应用在军事、医学、工业以及农业等领域[1]。一般而言，计算机及视觉技术应用在农业的生产前、生产中以及生产后等各个环节，其主要就是鉴别植物种类，分级和检测农产品的品质。计算机视觉相较于人类视觉而言，其具有更多的优点，能够有效提高农业的生产率，实现农业生产与管理的智能化和自动化，促进农业的可持续发展。
一、计算机视觉技术概述
计算机视觉主要是指利用计算机来对图像进行分析，从而控制某种动作或者获取某描述景物的数据，是人工智能与模式识别的重要领域。计算机视觉兴起于20世纪70年代，其涉及的学科范围较为广泛，包括视觉学、CCD技术、自动化、人工智能、模式识别、数字图像处理以及计算机等。就目前而言，计算机视觉技术主要以图像处理技术为核心，是通过计算机视觉模拟人眼，并利用光谱对作物进行近距离拍摄，运用数字图像处理以及人工智能等技术，对图像信息进行分析和研究。计算机视觉技术主要步骤包括采集图像、分割图像、预处理、特征提取、处理和分析提取的特征等[2]。
二、农业机械中计算机视觉技术的应用分析
一般而言，农业机械中计算机视觉技术的应用，主要表现在以下三个方面：一是田间作业机械中的应用；二是农产品加工机械中的应用；三是农产品分选机械中的应用。
（一）田间作业机械中的应用
在田间作业机械中，计算机视觉技术的应用较晚。近年来，由于环境保护政策的提出，在农田作业的播种、植保以及施肥机械中的应用越来越广泛。在田间作业的过程中应用计算机视觉技术时，主要应用在苗木嫁接、田间锄草、农药喷洒、施肥以及播种等方面[3]。为了有效识别杂草，对除草剂进行精确喷洒，相关研究人员分析了美国中西部地区常见的大豆、玉米以及杂草二值图像的形态学特征，发现植物长出后14～23天内能够有效区别双子叶和单子叶的效果，准确率最高达到90%。在1998年开发出Detectspary除草剂喷洒器，其能够有效识别杂草，在休耕季节时，其相较于播撒而言，能够减少19%～60%的除草剂用量。在农业生产中，农药的粗放式喷洒是污染严重，效率低下的环节，为了有效改变这种现状，Giler D.K.等研制出能够精量喷雾成行作物的装置。该系统主要是利用机器视觉导向系统，使喷头能够与每行作物上方进行对准，并结合作物的宽度，对喷头进行自动调节，确保作物的宽度与雾滴分布宽度具有一致性，从而有效节省农药。一般而言，该系统能够促使药量减少66%，提高雾滴沉降效率和施药效率，减少农药对环境产生的影响。
（二）农产品加工机械中的应用
随着信息技术以及计算机技术的快速发展，计算机视觉技术被广泛应用在农产品加工的自动化中。如Jia P等提出了图像处理算法，该算法主要是以鲇鱼水平方向与主轴的形心位置和夹角为依据，检测鲇鱼的方位以及背鳍、腹鳍、头、尾的位置，从而确定最佳的下刀位置。此外，我国的黄星奕等人在研究胚芽米的生产过程时，在不经过染色的情况下，对胚芽米的颜色特性等进行分析，得出胚芽米颜色特征的参数为饱和度S。同时利用计算机视觉系统，自动无损检测胚芽精米的留胚率，其结果与人工评定的结果大体一致。
（三）农产品分选机械中的应用
在分级和鉴定农产品的品质时，可以利用计算机视觉技术对其进行无损检测。一般计算机视觉技术不需对测定对象进行接触，可以直接利用农产品的表面图像，分级和评估其质量，其具有标准统一、识别率高一级效率高等优势。计算机视觉技术在检测农产品时，主要集中在谷物、蔬菜以及水果等方面。Chtioui Y等人提出了结合Rough sets理论，利用计算机视觉技术对蚕豆品质的方法进行评价。该理论通过不同的离散方法对石头、异类蚕豆、过小、破损以及合格等进行有效区分，并利用影色图像，对其特征参数进行分类，最终分类的结果相比于统计分类结果，两者具有较好的一致性。
计算机视觉方法范文第5篇
关键词：动态场景；自适应预测；多特征融合；计算机视觉；运动目标
接受信息的关键手段之一就是视觉系统，随着科学技术水平的不断发展，以及计算机和信号处理理论的诞生，让机器拥有人类视觉功能已经不再是梦。对所采集视频中的运动目标进行跟踪、检测，并对其目标行为进行分析，就是运动目标分析的内容，运动目标分析是计算机视觉领域关键内容之一，其属于图像理解与图像分析的范畴。而在运动目标分析系统中，跟踪与检测运动目标则为中级和低级处理部分，是分析与理解行为的高等层分析模块的基础。检测与跟踪运动目标技术主要包括了：机器人视觉导航、军事领域、运动图像编码、交通管制、视觉监视等。
1目标检测算法
连续图像序列由视频中提取出，由前景区域与背景区域共同组成了整个画面。前景区域包含了如运动的人体、车辆等动态要素，它是指人们较为感兴趣的区域。而背景区域主要包含例如树木、建筑物等静态要素，它的像素值仅发生微弱变化或者不产生变化。在连续图像序列中，采用一系列算法分隔开背景区域和前景区域，将运动目标信息有效提取，则为运动目标检测。以静态场景为基础的运动目标检测算法包括了光流法、背景差分法、帧间查分法等，文章主要针对背景差分法进行介绍。
背景差分法通常适用于静态场景，其是将背景图像与当前帧图像进行差分，运动目标依靠阀值化进行检测，因为该算法仅能够在背景变化缓慢或者不发生变化的情况下应用，因此就有着一定的局限性。假设当前帧图像为fk（x，y），背景图像B（x，y）可通过一定的方法得出，而这时背景差分图像则为：
（1）
而假设二值化阀值为Th，二值化图像B（x，y）则为：
（2）
运动目标检测结果可通过数学形态学处理获得。
2 背景模型的实时更新
要更新背景图像可采用一阶KALMAN滤波来实现，为了克服气候变化、光照变化等外部环境变化对运动检测产生的影响，采用一阶KALMAN滤波更新背景图像公式如下：
Bk+1（p）=Bk（p）+g（Ik（p）-Bk（p）） （3）
而增益因子则为：g=？琢1（1-Mk（p））+？琢2Mk（p） （4）
公式中？琢1和？琢2是权值系数；M是第k时刻二值化后目标图像中p像素的值；B为背景图像；I为当前帧图像。要想将运动目标从背景序列图像中有效分割出来，就必须要达到？琢2足够小的条件，且？琢1应等于或者大于10？琢2，若？琢1值过大，就会将算法自身的去噪特性丧失，在序列背景图像中也会存储越来越多的运动变化。
3 更新车辆目标模型
核与活动轮廓算法具有效率高、技术复杂度低等特点，它以非参数核概率密度估计理论为基础，在视频运动目标跟踪中广泛应用。彩色图像序列通过摄像机获取，人脸目标模型可以采用RGB颜色空间来进行描述。在跟踪车辆的过程中，噪声、遮挡、光照等干扰或多或少存在，因干扰因素的存在，车辆像素特征也会发生相应的微弱变化。若不对目标模型进行更新，会对跟踪精度产生影响，所以，采用的矩形模板会包括一定背景。而在实施跟踪的过程中，要对车辆目标模型进行更换。如果其过程物遮挡，当BHATTACHARYYA系数满足？籽>Tudm条件时，更新车辆目标模型，更新模型为：
（5）
公式中Tudm是模板更新阀值；qk-1是更新之前的车辆目标模型。通过视频跟踪，在近场景和远场景拍摄到的视频中，多尺度图像空间由各个帧图像构成。例如：将将书本作为跟踪对象，由远及近从书本的正上方拍摄六十帧图像，为了能使矩形框正好能够包含书本，对每帧图像张书本手工划定矩形框，并对框内图像的信息量进行统计。最后，随书本尺度的变化，给出图像信息量变化曲线。
4 计算机视觉原理
计算机视觉是一门研究怎样使机器进行观察的科学，更切确地说，就是指利用电脑和摄影机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理成为传送给仪器检测或更适合人眼观察的图像。计算机视觉研究相关的理论和技术作为一个科学学科，尝试创建能够从图像或者多维数据中获取信息的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个决定的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中感知的科学。
计算机视觉就是由计算机来代替大脑完成处理和解释，用各种成象系统代替视觉器官作为输入敏感手段。使计算机能象人那样通过视觉观察和理解世界，具有自主适应环境的能力就是计算机视觉的最终研究目标，而需要经过长期的努力才能达到这个目标。所以，在实现最终目标以前，通过努力的中期目标是建立一种视觉系统，这个系统能依靠反馈的某种程度的智能和视觉敏感完成一定的任务。例如：计算机视觉的一个重要应用领域就是自主车辆的视觉导航，但要实现自主导航的系统，却还没有条件实现象人那样能识别和理解任何环境。所以，人们通过不懈的努力，研究在高速公路上具有道路跟踪能力，有效避免与前方车辆碰撞的视觉辅助驾驶系统。人类视觉系统是有史以来，人们所知道的功能最强大和完善的视觉系统。这里要指出的一点是在计算机视觉系统中计算机起代替人脑的作用。计算机视觉可以而且应该根据计算机系统的特点来进行视觉信息的处理，但并不等于计算机必须按人类视觉的方法完成视觉信息的处理。可以说，对人类视觉处理机制的研究将给计算机视觉的研究提供指导和启发，所以，用计算机信息处理的方法研究人类视觉的机理，建立人类视觉的计算理论，与此同时也是一个十分重要和让人感兴趣的研究领域。这方面的研究被称为计算视觉。计算视觉可被认为是计算机视觉中的一个研究领域。计算机视觉领域的不完善性与多样性为其突出特点。
5 结束语
对视频中的运动目标进行跟踪、识别、检测，并对目标行为进行研究、分析，这就是基于视觉运动目标分析。以计算机视觉为基础，分析运动目标，包括了目标行为的理解与分析、目标跟踪、运动目标检测、预处理图像等，它是计算机视觉领域重要内容之一。理解与分析运动目标的行为，既是计算机视觉的根本目的之一，也是检测与跟踪运动目标的最终目标。从理论层考虑，理解与分析运动目标的行为可以分为人工智能理论研究与模式识别。简要阐述基于计算机视觉的运动目标分析，而所面临的是对运动目标行为的理解。
参考文献
[1]杨可，刘明军，毛欣，夏维建，刘伟，周旋，吴炜，周凯.基于计算机视觉的电缆终端表面温升分析系统[J].电视技术，2013（7）.
[2]叶闯，沈益青，李豪，曹思汗，王柏祥.基于人类视觉特性（HVS）的离散小波变换（DWT）数字水印算法[J].浙江大学学报：理学版，2013（2）.
[3]何青海，马本学，瞿端阳，李宏伟，王宝.基于机器视觉棉叶螨自动监测与分级方法研究[J].农机化研究，2013（4）.
[4]贾挺猛，苟一，鲍官军，董茂，杨庆华.基于机器视觉的葡萄树枝骨架提取算法研究[J].机电工程，2013（4）.
