空间入侵监测系统设计的国内外文献综述

三维视觉研究现状

针对于二维图像中的数据处理建模在20世纪50年代首次被提出，机器视觉的研究也正是从此开始，在60年代美国科学家罗伯兹首先通过程序实现了三维积木世界。在此以后不断的有学者对三维积木世界深入研究发现并解决了阴影处理、物体的三维数学模型建立等问题。积木世界的研究对机器视觉的研究起了奠基的作用，能够实现一些较为简单的物体实现三维的程序解释，但仍无法解释复杂世界。1977年，美国麻省理工学院马尔教授提出了马尔视觉理论，通过对二维图像中的边缘点、顶点、直线等通过图像基本要素恢复技术首次实现了不完全三维重建。机器视觉发展至今，国内外在该领域获得了巨大的成果。机器视觉在半导体电子行业中如PCB电路印刷、电子封装技术等都得到了广泛的运用。英国牛津大学工程科学系采用了最为先进的计算机视觉和人工智能数学理论研究，实现了交互实时3D场景分割框架，不需要昂贵的硬件设备支持，就可以在半小时内捕获并重建出整个房屋的三维模型。西门子公司开发了通用的机器视觉系统，通过计算机程序实现了工业生产中图像获取、图像处理和物体状态分析等一系列的任务，对生产过程中的质量的保证起到决定性作用，同时大幅度提高生产效率，使工业生产更具有经济效益。

在国内，进入了21世纪后，机器视觉的概念开始得到国内的关注，和国外的先进的机器视觉技术相比，国内仍存在大量的问题，但随着研究的深入一些结果也开始涌现出来。浙江大学的国家重点实验室CVG实现了自动相机跟踪系统，可以从视频和电影序列中恢复摄像机运动和3D场景结构，提供自动跟踪的便利性。它可以高效稳定地跟踪各种摄像机运动，可以旋转或自由移动。中国科学院自动化研究所，对摄像机校准和3D重建，姿势估计，基于视觉的机器人导航和视觉服务进行了大量的研究，取得了巨大的进展。

智能监测系统研究现状

在全球范围内，以欧美发达国家为代表，对智能监控领域投入了大量的人力物力，将各种现代会前沿科技与历史经验相结合，对相关技术逐步攻关，取得了不菲的成果。以美国麻省理工学院和斯坦福大学为代表的高等教育机构，早在1997年的时候，就共同召开了历史上第一届具有划时代意义的基于因特网的远程网络视频会议，会议上主要探讨了视频监控系统的主体框架，监控方案与机制等基本问题，为此后的三维视觉空间入侵监测奠定一个良好的基础。通过了几十年的理论验证和创新，智能视频监控系统得到了强有力的发展，其运用到的技术已经逐渐被应用到各行各业中。无人驾驶领域的龙头企业特斯拉提出了一种基于深度学习的纯机器视觉汽车无人驾驶方案。采用分别从安装在汽车周围的八个摄像头中提取需要的图像特征，通过机器智能学习将这些可以相互融合在一起的特征进行图像处理。目前，此方案已经在达到计算出车道线、红绿灯状态的同时，预测汽车及行人的运动轨迹，无论是机器视觉的识别效率还是识别精度都达到了一个极高的层次，能充分满足无人自动驾驶的各项要求。英特尔公司提出了一种面向工业4.0的机器视觉解决方案，提供了一种经优化的神经网络模型以进行缺陷检测和预测性维护，赋予了机器模拟人类的能力，推动了工业现代化4.0转型。国外在机器视觉领域起步较早、投入大、不同机构间有不断的交流合作，使得大量的国外机构在这些领域取得了极为显著的成果，成为了该领域的领头羊，推动了机器视觉的发展。

虽然国内的科学技术在过去受到科学技术水平落后的限制，在机器视觉视频监控领域起步相较于国外起步较晚，但慢慢的随着国内的经济和科学技术水平的发展，计算机视觉也得到了巨大的发展，运动目标的入侵监测的研究开始得到了国内学者的重视。2002年5月国内第一届全国智能视觉监控学术会议在北京举行，会议重点讨论了图像序列分析、目标识别和跟踪、高层理解等研究方向。中国的高等学府如中国科学技术研究所、北京航空航天大学、南理工大学等首先敏锐的发现了机器视觉领域未来前景，大力的投入运动目标的监测的研究。2018年中国机器视觉市场的规模首次超过了百亿，在消费电子、汽车、半导体、虚拟现实、智能安防等领域都对机器视觉视觉有着巨大需求。2021年上海国际机器视觉展览会表现出机器视觉已经具有高度的自动化、高效率、高精度的特点。在实现中国智能制造2025的目标下，使用机器视觉的智能监测系统的工业生产线相较于传统的传感器的不仅仅节省了大量的人力物力，还可以提高了工业生产的良品率，机器视觉的重要性愈来愈大，对运动目标的进行空间入侵监测也逐渐成为了机器视觉的一大重要发展方向。

参考文献

[1]张晗.基于结构光的安防入侵监测算法研究[D].北京交通大学,2020.

[2]贾振堂,王计元.基于立体视觉的三维空间入侵检测[J].上海电力学院学报,2018,34(05):476-482+500.

[3]苏获.基于OpenCV的智能视频监控系统的研究[D].武汉