【文章內(nèi)容簡(jiǎn)介】 ，它已經(jīng)吸引了來(lái)自各個(gè)學(xué)科的研究者參加到對(duì)它的研究之中。其中包括計(jì)算機(jī)科學(xué)和工程、信號(hào)處理、物理學(xué)、應(yīng)用數(shù)學(xué)和統(tǒng)計(jì)學(xué)，神經(jīng)生理學(xué)和認(rèn)識(shí)科學(xué)等。 2) 原理： 計(jì)算機(jī)視覺(jué)就是用各種成象系統(tǒng)代替視覺(jué)器官作為輸入敏感手段，由計(jì)算機(jī)來(lái)代替大腦完成處理和解釋。計(jì)算機(jī)視覺(jué)的最終研究目標(biāo)就是使計(jì)算機(jī)能象人那樣通過(guò)視覺(jué)觀(guān)察和理解世界，具有自主適應(yīng)環(huán)境的能力。要經(jīng)過(guò)長(zhǎng)期的努力才能達(dá)到的目標(biāo)。因此，在實(shí)現(xiàn)最終目標(biāo)以前，人們努力的中期目標(biāo)是建立一種視覺(jué)系統(tǒng)，這個(gè)系統(tǒng)能依據(jù)視覺(jué)敏感和反饋的某種程度的智能完成一定的任務(wù)。例如，計(jì)算機(jī)視覺(jué)的一個(gè)重要應(yīng)用領(lǐng)域就是自主車(chē)輛的視覺(jué)導(dǎo)航，目前還沒(méi)有條件實(shí)現(xiàn)象人那樣能識(shí)別和理解任何環(huán)境，完成自主導(dǎo)航的系統(tǒng)。因此，目前人們努力的研究目標(biāo)是實(shí)現(xiàn)在高速公路上具有道路跟蹤能力，可避免與前方車(chē)輛碰撞的視覺(jué)輔助駕駛系統(tǒng)。這里要指出的一點(diǎn)是在計(jì)算機(jī)視覺(jué)系統(tǒng)中計(jì)算機(jī)起代替人腦的作用，但并不意味著計(jì)算機(jī)必須按人類(lèi)視覺(jué)的方法完成視覺(jué)信息的處理。計(jì)算機(jī)視覺(jué)可以而且應(yīng)該根據(jù)計(jì)算機(jī)系統(tǒng)的特點(diǎn)來(lái)進(jìn)行視覺(jué)信息的處理。但是，人類(lèi)視覺(jué)系統(tǒng)是迄今為止，人們所知道的功能最強(qiáng)大和完善的視覺(jué)系統(tǒng)。如在以下的章節(jié)中會(huì)看到的那樣，對(duì)人類(lèi)視覺(jué)處理機(jī)制的研究將給計(jì)算機(jī)視覺(jué)的研究提供啟發(fā)和指導(dǎo)。因此，用計(jì)算機(jī)信息處理的方法研究人類(lèi)視覺(jué)的機(jī)理，建立人類(lèi)視覺(jué)的計(jì)算理論，也是一個(gè)非常重要和信人感興趣的研究領(lǐng)域。這方面的研究被稱(chēng)為計(jì)算視覺(jué)（Computational Vision）。計(jì)算視覺(jué)可被認(rèn)為是計(jì)算機(jī)視覺(jué)中的一個(gè)研究領(lǐng)域。 計(jì)算機(jī)視覺(jué)的方法及其應(yīng)用計(jì)算機(jī)視覺(jué)發(fā)展已有二十多年，隨著計(jì)算機(jī)控制理論、模式識(shí)別、人工智能和生物技術(shù)的發(fā)展，計(jì)算機(jī)視覺(jué)在機(jī)器人、工業(yè)檢測(cè)、物體識(shí)別、衛(wèi)星圖像分析、醫(yī)學(xué)輔助診斷、航空測(cè)繪和軍事技術(shù)中的應(yīng)用越來(lái)越廣，研究方法也由二維推到三維，從串行到并行，從直接依賴(lài)輸入信號(hào)的低層處理到依賴(lài)特征、結(jié)構(gòu)、關(guān)系和知識(shí)的高層處理。根據(jù)計(jì)算機(jī)視覺(jué)應(yīng)用的目的和原理的不同而有不同的分類(lèi)方法。例如對(duì)字符、圖形和片狀的物體識(shí)別、理解、檢測(cè)方法屬于二維視覺(jué)方法，對(duì)于三維物體的識(shí)別、重建和測(cè)量屬于三維視覺(jué)方法，根據(jù)系統(tǒng)是否發(fā)光分為有源和無(wú)源視覺(jué)方法。在三維視覺(jué)中，根據(jù)視點(diǎn)數(shù)目的不同又分為單眼視覺(jué)、雙眼視覺(jué)和三眼視覺(jué)，根據(jù)原理不同又可分為基于區(qū)域的視覺(jué)方法、基于特征的視覺(jué)方法、基于模型的視覺(jué)方法和基于規(guī)則的視覺(jué)方法。 一般有源的視覺(jué)方法通過(guò)發(fā)光裝置的控制，使系統(tǒng)獲得更多的信息，降低問(wèn)題難度，加快運(yùn)算速度?；诨叶确植嫉姆椒ㄖ饕抢迷诠潭ü庠凑丈湎?，隨著物體表面法向的改變，使獲得的圖像也發(fā)生相應(yīng)變化的原理?；趨^(qū)域的視覺(jué)方法假定在對(duì)應(yīng)點(diǎn)的某一領(lǐng)域內(nèi)，其灰度相近似或灰度差小于一個(gè)門(mén)限，因此可以采用平均絕對(duì)差、互相關(guān)系數(shù)等方法互相匹配。計(jì)算機(jī)視覺(jué)的應(yīng)用很廣，下面簡(jiǎn)述幾個(gè)成功應(yīng)用方面：1) 機(jī)器人視覺(jué)。如物理識(shí)別與定位、障礙識(shí)別與回避，自動(dòng)導(dǎo)航等；2) 圖像圖形識(shí)別系統(tǒng)。如條形碼、郵編、指紋染色體等識(shí)別；3) 工業(yè)檢測(cè)系統(tǒng)。如集成電路芯片檢測(cè)；4) 航天及軍事應(yīng)用。如衛(wèi)星照片的自動(dòng)分析與判讀，景物識(shí)別，目標(biāo)檢測(cè)、識(shí)別和定位，目標(biāo)跟蹤，成像精確制導(dǎo)等；5) 醫(yī)學(xué)應(yīng)用。如基于CT圖像的內(nèi)部器官的重建，醫(yī)學(xué)圖像的分析、描述和識(shí)別，DSA(數(shù)字減影)技術(shù)，盲人導(dǎo)航視覺(jué)等。總之，計(jì)算機(jī)視覺(jué)的應(yīng)用正越來(lái)越多的代替人去完成許多工作，提高了自動(dòng)化和機(jī)器智能水平，為智能機(jī)器人和智能系統(tǒng)發(fā)展奠定了基礎(chǔ)。本文就是利用計(jì)算機(jī)視覺(jué)在圖像型火災(zāi)探測(cè)系統(tǒng)的基礎(chǔ)上實(shí)現(xiàn)高壓水炮的定位，減小火災(zāi)引起的人員傷亡和財(cái)產(chǎn)損失。 計(jì)算機(jī)視覺(jué)與圖像處理、圖像分析的異同計(jì)算機(jī)視覺(jué)，圖象處理，圖像分析，機(jī)器人視覺(jué)和機(jī)器視覺(jué)是彼此緊密關(guān)聯(lián)的學(xué)科。如果翻開(kāi)帶有上面這些名字的教材，會(huì)發(fā)現(xiàn)在技術(shù)和應(yīng)用領(lǐng)域上他們都有著相當(dāng)大部分的重疊。這表明這些學(xué)科的基礎(chǔ)理論大致是相同的，甚至讓人懷疑他們是同一學(xué)科被冠以不同的名稱(chēng)。然而，各研究機(jī)構(gòu)，學(xué)術(shù)期刊，會(huì)議及公司往往把自己特別的歸為其中某一個(gè)領(lǐng)域，于是各種各樣的用來(lái)區(qū)分這些學(xué)科的特征便被提了出來(lái)。下面將給出一種區(qū)分方法，盡管并不能說(shuō)這一區(qū)分方法完全準(zhǔn)確。計(jì)算機(jī)視覺(jué)的研究對(duì)象主要是映射到單幅或多幅圖像上的三維場(chǎng)景，例如三維場(chǎng)景的重建。計(jì)算機(jī)視覺(jué)的研究很大程度上針對(duì)圖像的內(nèi)容。圖象處理與圖像分析的研究對(duì)象主要是二維圖像，實(shí)現(xiàn)圖像的轉(zhuǎn)化，尤其針對(duì)像素級(jí)的操作，例如提高圖像對(duì)比度，邊緣提取，去噪聲和幾何變換如圖像旋轉(zhuǎn)。這一特征表明無(wú)論是圖像處理還是圖像分析其研究?jī)?nèi)容都和圖像的具體內(nèi)容無(wú)關(guān)。機(jī)器視覺(jué)主要是指工業(yè)領(lǐng)域的視覺(jué)研究，例如自主機(jī)器人的視覺(jué)，用于檢測(cè)和測(cè)量的視覺(jué)。這表明在這一領(lǐng)域通過(guò)軟件硬件，圖像感知與控制理論往往與圖像處理得到緊密結(jié)合來(lái)實(shí)現(xiàn)高效的機(jī)器人控制或各種實(shí)時(shí)操作。模式識(shí)別使用各種方法從信號(hào)中提取信息，主要運(yùn)用統(tǒng)計(jì)學(xué)的理論。此領(lǐng)域的一個(gè)主要方向便是從圖像數(shù)據(jù)中提取信息。還有一個(gè)領(lǐng)域被稱(chēng)為成像技術(shù)。這一領(lǐng)域最初的研究?jī)?nèi)容主要是制作圖像，但有時(shí)也涉及到圖像分析和處理。例如，醫(yī)學(xué)成像就包含大量的醫(yī)學(xué)領(lǐng)域的圖像分析。對(duì)于所有這些領(lǐng)域，一個(gè)可能的過(guò)程是你在計(jì)算機(jī)視覺(jué)的實(shí)驗(yàn)室工作，工作中從事著圖象處理，最終解決了機(jī)器視覺(jué)領(lǐng)域的問(wèn)題，然后把自己的成果發(fā)表在了模式識(shí)別的會(huì)議上。 空間定位雙目成像原理本系統(tǒng)火災(zāi)空間定位算法采用雙目成像算法。雙目成像可獲得同一場(chǎng)景的兩幅不同圖像，雙目成像時(shí)的模型可看作是由兩個(gè)單目成像模型組合而成。圖31給出雙目成像的一個(gè)示意圖，圖中的兩個(gè)鏡頭中心間的連線(xiàn)稱(chēng)為系統(tǒng)的基線(xiàn)B。利用雙目系統(tǒng)可以確定具體有像平面坐標(biāo)點(diǎn)和的世界點(diǎn)W的坐標(biāo)(X,Y,Z)。當(dāng)攝像機(jī)坐標(biāo)系統(tǒng)和世界坐標(biāo)系統(tǒng)重合后，像平面與世界坐標(biāo)系統(tǒng)的平面也是平行的。在以上條件下，點(diǎn)的坐標(biāo)對(duì)兩個(gè)攝像機(jī)坐標(biāo)系統(tǒng)都是一樣的。如果攝像機(jī)坐標(biāo)系統(tǒng)和世界坐標(biāo)系統(tǒng)不重合，可先進(jìn)性坐標(biāo)的平移和旋轉(zhuǎn)使其重合再投影?！　　? 　　　　　　　　　　　 圖31　雙目成像示意圖　　　　　　　　　　　　　　　　　　圖32 雙目成像中的視差測(cè)距原理圖考慮兩個(gè)攝像機(jī)相同且它們坐標(biāo)系統(tǒng)的各對(duì)應(yīng)軸平行(主要是光軸平行)，只是它們?cè)c(diǎn)位置不同。在這種情況下雙目成象可借助圖32來(lái)分析，那里給出兩鏡頭連線(xiàn)所在平面(XZ平面)的示意圖。將第一個(gè)攝像機(jī)疊加到現(xiàn)實(shí)世界坐標(biāo)系統(tǒng)上(兩系統(tǒng)原點(diǎn)重合)，點(diǎn)的義坐標(biāo)可表示為:　　　　　　　 (31)　　上式中，X，和Z，表示第一個(gè)攝像機(jī)移動(dòng)到了世界坐標(biāo)的原點(diǎn)，而第二個(gè)攝像機(jī)和點(diǎn)在保持相對(duì)幾何關(guān)系的條件下也會(huì)跟著移動(dòng)。如果將第二個(gè)攝像機(jī)移動(dòng)到世界坐標(biāo)系統(tǒng)的原點(diǎn)，則點(diǎn)的X坐標(biāo)可表示為:　　　　　　　 (32)因?yàn)榛€(xiàn)長(zhǎng)度是B且W點(diǎn)的Z坐標(biāo)對(duì)兩個(gè)攝像機(jī)坐標(biāo)系統(tǒng)是一樣的，所以有：　　　　　 (33)　　　　　 (34)將式(4－4)和式(4－5)代入式(4－1)和式(4－2)中得到:　　　　 　 (35) 　　　 (36)用式(4－7)減去式(4－6)可解出Z，即有:　　　　　 (37)上式把物體與像平面的距離Z(即3－D信息中的深度)與視差D(像坐標(biāo)和的差)直接聯(lián)系了起來(lái)，視差的大小與深度有關(guān)，所以視差中包含了3－D物體的空間信息。如果視差D可以確定并且基線(xiàn)和焦距已知，計(jì)算W點(diǎn)的Z坐標(biāo)是很簡(jiǎn)單的。另外坐標(biāo)確定后w點(diǎn)的世界坐標(biāo)和可用或借助式(4－9)和式(4－10)算得。 (38) (310) 雙目定位算法中彩色圖片中火災(zāi)位置的確定 本課題采用一個(gè)帶紅外濾鏡的攝像頭和一個(gè)彩色攝像頭來(lái)完成監(jiān)視部分的任務(wù)。由第三章和本章的敘述可知，帶紅外濾鏡的攝像頭是在火災(zāi)探測(cè)算法中起主要作用，并在火災(zāi)空間定位算法中作為雙目探測(cè)中的一個(gè)攝像頭參與計(jì)算。彩色攝像頭的作用也有兩方面,一是作為歷史數(shù)據(jù)進(jìn)行保存，以便確定監(jiān)控現(xiàn)場(chǎng)情況和控制火災(zāi)現(xiàn)場(chǎng)狀況。另一個(gè)重要作用就是需要作為雙目定位中的另一個(gè)攝像頭參與計(jì)算，確定火災(zāi)的空間位置。這需要確定彩色攝像頭所獲取的圖片中的火災(zāi)位置。筆者將兩種獲取彩色圖片中火災(zāi)位置的方法引入火災(zāi)空間定位的計(jì)算，對(duì)前人的研究工作做了重要的補(bǔ)充和發(fā)展。 首先介紹基于火焰顏色查詢(xún)表的方法。作為訓(xùn)練用的火焰圖像應(yīng)是典型的，能夠在比較大的范圍內(nèi)代表火焰的顏色。建立查詢(xún)表的方法概述如下: 1)手工建立一幅火焰圖像的邏輯圖，這幅邏輯圖的大小與原圖相同。邏輯圖中，每點(diǎn)的值只有兩種:0和1?；鹧鎴D像中的像素是火焰顏色時(shí)，邏輯圖中的對(duì)應(yīng)位置的點(diǎn)的值為1,否則為0。 2)建立查詢(xún)表。對(duì)于火焰圖像中的每個(gè)像素，如果其對(duì)應(yīng)的邏輯圖中的點(diǎn)的值是1，則在查詢(xún)表中以火焰圖像中那個(gè)像素的顏色為中心，疊加一個(gè)高斯分布。如果其對(duì)應(yīng)的邏輯圖中的位是0，則在查詢(xún)表中以火焰圖像中那個(gè)像素的顏色為中心，減去一個(gè)高斯分布。 3)為查詢(xún)表中最后形成的分布給出適當(dāng)?shù)拈撝?。得到一個(gè)顏色查詢(xún)表 當(dāng)輸入一個(gè)RGB顏色時(shí)，可以得到這個(gè)顏色是否為火焰顏色的邏輯值。函數(shù)形式表達(dá)如下: 是一系列連續(xù)圖像的第i幅圖像，為圖像中的一個(gè)像素的坐標(biāo)。是一個(gè)經(jīng)驗(yàn)值，它隨環(huán)境不同而有所變化。一般用10幅左右的訓(xùn)練圖(256色)，就可得到比較可靠的查詢(xún)表。通過(guò)查詢(xún)表即可以對(duì)彩色圖像進(jìn)行顏色標(biāo)注。對(duì)火焰顏色的區(qū)域標(biāo)記出來(lái)，并與紅外圖像進(jìn)行對(duì)比。根據(jù)雙目定位中兩個(gè)攝像頭距離不會(huì)太遠(yuǎn)的特點(diǎn)，火災(zāi)區(qū)域在圖片中的位置也將相差不大，由此就可以找出與紅外圖像中相對(duì)應(yīng)的火災(zāi)區(qū)域了。另一種方法是基于火焰顏色特征模型的方法。這種方法主要分析火災(zāi)火焰在人的視覺(jué)系統(tǒng)中的特征。下面將重點(diǎn)分析這種方法。由于顏色模型相對(duì)于人的視覺(jué)系統(tǒng)并不直觀(guān)，因此這里需要轉(zhuǎn)換顏色模型。在眾多顏色模型中，（，即：色調(diào)／飽和度／亮度）顏色模型非常接近人的視覺(jué)系統(tǒng)對(duì)物體的描述。模型中，色調(diào)和飽和度是人類(lèi)感知顏色的方法。亮度參數(shù)表征了顏色的明暗程度。色調(diào)參數(shù)表示了不同的顏色，飽和度參數(shù)是對(duì)顏色深淺的度量。這種顏色模型可用三維空間坐標(biāo)系統(tǒng)表示，如圖33所示?！　　　　? 　　　　　　　　　　 圖33　HSI顏色模型示意圖HSI模型的色調(diào)是由顏色名稱(chēng)來(lái)辨別的，如紅、橙、綠等，用角度度量；亮度I是顏色的明暗程度，通常用百分比度量，從黑(0%)到白(100%)。飽和度S指顏色的深淺，例如同樣是紅色，可分為深紅和淺紅，用百分比來(lái)度量，從0%到完全飽和的100%。下面介紹如何從RGB模型轉(zhuǎn)化成HSI模型。給定一幅RGB顏色格式的圖像，每一個(gè)RGB像素和H分量可用公式 (311)得到： (311)此處 (312)色飽和度分量由式(313)給出： (313) 最后，亮度分量由式(314)給出： (314)其中，R，G和B分別是RGB顏色空間的紅、綠和藍(lán)色分量；H，S和I分別是HSI顏色空間的色調(diào)、飽和度和亮度顏色分量。這里將RGB值歸一化為[0,1]范圍內(nèi)，則由公式(311)~(314)容易得知，。在這里，色調(diào)的餅圖可分為6個(gè)部分，如圖所示。 圖 色調(diào)餅圖的示意圖 一般情況下，火災(zāi)火焰的顏色在紅、黃之間，即在圖中的區(qū)間內(nèi)。另外，在彩色攝像頭獲取的視頻圖片中，火焰的飽和度會(huì)隨背景亮度的變化而變化。這就是說(shuō)，同樣強(qiáng)度的火災(zāi)火焰，在白天時(shí)的飽和度值將大于在晚上時(shí)的飽和度值。因此需要考慮所在環(huán)境的亮度情況。實(shí)驗(yàn)結(jié)果表示火災(zāi)火焰在HSI顏色空間下必須滿(mǎn)足下列條件： 1)。 2) 明亮環(huán)境下：； 陰暗環(huán)境下：； 3) 這樣，通過(guò)對(duì)每一個(gè)像素的計(jì)算，就可以把火焰顏色區(qū)域標(biāo)注出來(lái)，并與紅外圖像進(jìn)行對(duì)比。根據(jù)雙目定位中的兩個(gè)攝像頭距離不會(huì)太遠(yuǎn)的特點(diǎn)，火災(zāi)區(qū)域在圖片中的位置也將相差不大，由此就可以找出與紅外圖像中相