最大類間方差法在污水排放圖像處理中的應(yīng)用研究

陳喜勝，鐘菊萍，李軍

（廣東技術(shù)師范學(xué)院計(jì)算機(jī)科學(xué)學(xué)院，廣州 510665）

最大類間方差法在污水排放圖像處理中的應(yīng)用研究

陳喜勝，鐘菊萍，李軍

（廣東技術(shù)師范學(xué)院計(jì)算機(jī)科學(xué)學(xué)院，廣州 510665）

采用圖像處理技術(shù)與視頻監(jiān)控技術(shù)，能夠有效解決人工監(jiān)測(cè)所帶來的不足。應(yīng)用圖像處理中的背景差分法、濾波處理和閾值求取與判斷等，對(duì)視頻監(jiān)控中的排水口排放情況進(jìn)行判斷。結(jié)果表明，背景差分能夠有效對(duì)圖像進(jìn)行識(shí)別出所污染的范圍，并通過使用Otsu獲取閾值并進(jìn)行判斷是否為污水，從而有效識(shí)別判斷出排放污水的情況，能夠及時(shí)做出預(yù)警功能并處理。

水資源；污水；背景差分；Otsu；閾值

0 引言

水是人類賴以生存和發(fā)展的基本條件，是維系生態(tài)系統(tǒng)和支撐社會(huì)經(jīng)濟(jì)發(fā)展所不可替代的自然資源。地球被稱為“水球”，源于其擁有豐富的水資源，地球72%的表面積被水所覆蓋，但淡水資源僅占所有水資源的0.5%，人類所直接能利用的水，約占地球所有水資源0.007%。我國人均淡水資源占比只有世界人均淡水資源占比的1/4，因此，我國也是一個(gè)淡水資源較為貧乏的國家。

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，人們對(duì)水資源的不合理開發(fā)和利用，使我國水資源遭受嚴(yán)重的破壞。到2016年為止，在1200條有監(jiān)測(cè)資料的河流當(dāng)中，就有超過2/3的河流受到污染；在138個(gè)統(tǒng)計(jì)的城市河段當(dāng)中，幾乎所有的河段都受到不同程度的污染；而我國每年因污染造成的經(jīng)濟(jì)損失就高達(dá)400億之多。我國水資源環(huán)境安全所面臨的形勢(shì)極為嚴(yán)峻，因此，加強(qiáng)水資源環(huán)境的保護(hù)和治理是我們亟待解決的關(guān)鍵。

因此，本文通過圖像處理的相關(guān)技術(shù)與視頻監(jiān)控技術(shù)相結(jié)合，對(duì)水資源環(huán)境進(jìn)行實(shí)時(shí)的監(jiān)測(cè)和預(yù)警。

本文采用MATLAB圖像處理工具，應(yīng)用計(jì)算機(jī)圖像處理方法和技術(shù)，設(shè)計(jì)了基于圖像處理的污水排放監(jiān)測(cè)系統(tǒng)，并對(duì)其進(jìn)行了驗(yàn)證。結(jié)果表明，能夠快速有效的監(jiān)測(cè)污染物，并及時(shí)提示解決和處理問題，做到避免大范圍受到污染，能有效地從源頭上減少污染物對(duì)水資源的破壞。

1 研究背景

水資源的安全不受污染直接影響人們的用水安全，如何有效的對(duì)水資源進(jìn)行監(jiān)測(cè)是保障用水安全的關(guān)鍵。而現(xiàn)有的對(duì)水資源環(huán)境安全的監(jiān)測(cè)手段中，對(duì)污水排放進(jìn)行監(jiān)視的形式主要通過人工對(duì)視頻監(jiān)控進(jìn)行監(jiān)視，從而確定是否有排放污水的情況發(fā)生。這種通過監(jiān)管人員對(duì)視頻監(jiān)控進(jìn)行監(jiān)視的形式，并不能做到實(shí)時(shí)的監(jiān)視水資源環(huán)境。監(jiān)管的過程中，無法保證監(jiān)管人員能夠二十四小時(shí)不間斷地對(duì)視頻監(jiān)控進(jìn)行觀察。在持續(xù)長(zhǎng)時(shí)間的觀察中，必然使監(jiān)管人員產(chǎn)生精神疲勞，給監(jiān)管工作帶來極大的壓力，因此，在長(zhǎng)時(shí)間的監(jiān)視過程中，極有可能因工作的疏忽而導(dǎo)致監(jiān)管工作的不到位，使水資源環(huán)境遭受到嚴(yán)重的破壞。

在對(duì)水質(zhì)的判斷方面，主要通過對(duì)水質(zhì)的提取、分析的形式來進(jìn)行判斷。這種通過提取、化驗(yàn)和分析的形式，整個(gè)過程雖能達(dá)到快速的檢測(cè)，但是這種檢測(cè)的形式是在水資源環(huán)境中進(jìn)行抽樣的檢測(cè)過程，而在檢測(cè)到水資源環(huán)境遭受到破壞時(shí)，極有可能是在水資源環(huán)境已受到大范圍的污染后才得以被發(fā)現(xiàn)和處理的，具有一定的局限性。

通過監(jiān)管人員對(duì)水資源環(huán)境的監(jiān)管，并無法做到時(shí)時(shí)監(jiān)控，對(duì)于工作疏忽就有可能使水資源環(huán)境遭受嚴(yán)重的破壞，造成無法彌補(bǔ)的嚴(yán)重后果。

文獻(xiàn)[1]、[2]中主要對(duì)水資源情況進(jìn)行了分析和探討，進(jìn)一步了解了水資源對(duì)我們的重要性，提出了解決水資源污染的相關(guān)對(duì)策；文獻(xiàn)[3]、[4]、[5]中主要對(duì)水資源的監(jiān)測(cè)所存在的問題和影響因素進(jìn)行了分析和研究，針對(duì)具體問題提出相關(guān)的解決對(duì)策和途徑，為水資源環(huán)境監(jiān)測(cè)發(fā)展提供有價(jià)值的方法；文獻(xiàn)[6]中采用最大類間方差法和數(shù)學(xué)形態(tài)學(xué)相結(jié)合，能夠?qū)Τ睖闲畔⑦M(jìn)行準(zhǔn)確提取，平均準(zhǔn)確度達(dá)到93.0%，遺漏誤差和冗余誤差分別為7.0%和0.5%；文獻(xiàn)[7]提出的準(zhǔn)確、高效的云空識(shí)別模型，是基于最大類間方差法的識(shí)別模型，使用Otsu算法獲取灰度圖像的最優(yōu)閾值，根據(jù)最佳閾值進(jìn)行分割圖像，對(duì)提高光伏發(fā)電功率超短期預(yù)測(cè)具有重要意義；文獻(xiàn)[8]提出了基于背景差分的鋼軌表面缺陷檢測(cè)算法，包括鋼軌區(qū)域提取、背景建模差分、閾值分割和圖像濾波等，該方法對(duì)塊狀缺陷能很好地識(shí)別，召回率和準(zhǔn)確率分別達(dá)到96%和80.1%；文獻(xiàn)[9]中介紹了路面裂縫對(duì)道路造成的危害，利用三維檢測(cè)技術(shù)得到的路面裂縫三維數(shù)據(jù)，利用預(yù)處理技術(shù)及采用閾值分割方法進(jìn)行裂縫識(shí)別；文獻(xiàn)[10]介紹了4種自適應(yīng)閾值算法在織物疵點(diǎn)的檢測(cè)，作了詳細(xì)的分析和比較，得出局部閾值分割算法在疵點(diǎn)檢出率、誤檢率以及執(zhí)行時(shí)間上都優(yōu)于其他3種算法；文獻(xiàn)[11]提出了一種基于改進(jìn)平滑濾波和均勻性度量算法的紗線條干均勻度檢測(cè)方法，采用改進(jìn)平滑濾波對(duì)紗線進(jìn)行濾波，經(jīng)由均勻度量算法二值化分割，通過區(qū)域?yàn)V波和模板濾波得到清晰的二值圖像；文獻(xiàn)[12]提出一種基于改進(jìn)最大類間方差法的手勢(shì)分割方法，采用Otsu進(jìn)行分割手勢(shì)，驗(yàn)證結(jié)果表明該方法能夠精確進(jìn)行分割。

2 方案設(shè)計(jì)

本系統(tǒng)的實(shí)現(xiàn)是為了解決水資源環(huán)境監(jiān)測(cè)中存在的不足問題，為保護(hù)水資源環(huán)境不受破壞而進(jìn)行實(shí)時(shí)的監(jiān)測(cè)和預(yù)警。本系統(tǒng)采用MATLAB圖像處理工具，應(yīng)用圖像處理的相關(guān)技術(shù)與視頻監(jiān)控技術(shù)相結(jié)合，進(jìn)行設(shè)計(jì)與驗(yàn)證系統(tǒng)。本文針對(duì)實(shí)時(shí)監(jiān)控、實(shí)時(shí)管理進(jìn)行了分析，利用計(jì)算機(jī)圖像處理方法和技術(shù)，通過獲取視頻圖像進(jìn)行定位，利用最大類間方差法對(duì)定位的區(qū)域做出是否受污染的判斷，能夠及時(shí)有效地對(duì)排水口進(jìn)行實(shí)時(shí)的監(jiān)測(cè)，并及時(shí)做出預(yù)警處理。主要流程包括視頻圖像轉(zhuǎn)換、圖像預(yù)處理、圖像差分、定位、判斷和預(yù)警，主要流程圖如圖1所示。

圖1 主要流程圖

3 系統(tǒng)的實(shí)現(xiàn)

3.1 圖像預(yù)處理

為了實(shí)現(xiàn)對(duì)監(jiān)控視頻的圖像進(jìn)行識(shí)別，需要對(duì)視頻監(jiān)控進(jìn)行圖像的提取，每次提取兩張圖片，每張圖片相隔15幀（視頻幀速率15幀/秒），即每隔一秒提取一張圖片。對(duì)提取的圖片需要分別進(jìn)行預(yù)處理，包括圖像的灰度轉(zhuǎn)換、中值濾波和類型轉(zhuǎn)換，預(yù)處理流程如圖2所示。

圖2 預(yù)處理流程圖

（1）圖像灰度化

圖像灰度化是指將彩色圖像轉(zhuǎn)化為灰度圖像的過程，灰度圖像是R、G、B三個(gè)分量的灰度值相等的一種特殊圖像，在對(duì)圖像處理過程中將彩色圖像灰度化，可以提高圖像處理過程的運(yùn)算速度和降低特征提取的難度，而對(duì)圖像特征的描述沒有什么影響。在本文中進(jìn)行彩色圖像的灰度化并不影響對(duì)圖像輪廓等特征的提取，因此可利用灰度化來降低提取的難度和提高運(yùn)算的速度。文中使用rgb2gray()函數(shù)對(duì)圖像進(jìn)行灰度化，灰度化后的圖像如圖3所示。

圖3 灰度化前后圖像對(duì)比

（2）中值濾波

中值濾波是一種非線性平滑技術(shù)，將每一像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的中值。圖像中含有噪聲和干擾會(huì)對(duì)檢索的結(jié)果造成影響，在圖像處理中,中值濾波具有良好的濾除效果，在濾除噪聲的同時(shí)，能夠保存信號(hào)的邊緣信息,使其不被模糊，是經(jīng)典的平滑噪聲的方法。二維中值濾波輸出為 g（x，y）=med{f(x-k，y-l)，(k，l∈W)}，其中，f(x，y)，g(x，y)分別為原始圖像和處理后圖像。W為二維模板，通常為 3×3，5×5模板。本文使用的函數(shù)是 medfilt2()，使用的模板是3×3區(qū)域，進(jìn)行中值濾波后的效果如圖4所示。

圖4 中值濾波效果對(duì)比

3.2 圖像的定位

背景差分法又叫做背景減除法，是固定場(chǎng)景中目標(biāo)檢測(cè)算法最常用的一種檢測(cè)算法。在背景差分法中，視頻圖像分為背景圖像和前景圖像，該方法將視頻圖像中的當(dāng)前圖像與背景圖片進(jìn)行比較，也就是當(dāng)前幀與背景幀進(jìn)行差分運(yùn)算，在運(yùn)算結(jié)果中像素點(diǎn)的灰度值變化大的區(qū)域即為運(yùn)動(dòng)目標(biāo)。因此，我們也常常認(rèn)為背景差分法是幀間差分法的一種特例。

背景差分法是采用圖像序列中的當(dāng)前幀和背景參考模型比較來檢測(cè)運(yùn)動(dòng)物體的一種方法，其性能依賴于所使用的背景建模技術(shù)。

對(duì)圖像進(jìn)行預(yù)處理后，利用背景差分方法對(duì)圖像進(jìn)行差分，得出差分圖像。而得出的差分圖像并不能對(duì)其直接進(jìn)行識(shí)別，需對(duì)差分圖像進(jìn)行圖像二值化處理。通過圖像二值化處理獲得二值化圖像，對(duì)二值化圖像進(jìn)行腐蝕、膨脹操作。

膨脹（或擴(kuò)張）、腐蝕（或侵蝕）、開運(yùn)算和閉運(yùn)算是一組形態(tài)學(xué)的代數(shù)運(yùn)算子，主要以膨脹、腐蝕為基礎(chǔ)，推導(dǎo)出其他實(shí)用的運(yùn)算算法，以實(shí)現(xiàn)對(duì)圖像的處理，包括特征抽取、圖像濾波、邊緣檢測(cè)、圖像分割、圖像增強(qiáng)等功能。下面簡(jiǎn)單介紹4種基本的算子[6]：

（1）膨脹與腐蝕，設(shè)A為要處理的圖像，B為結(jié)構(gòu)元素：

膨脹：

腐蝕：

（2）膨脹與腐蝕結(jié)合的其它運(yùn)算：

開運(yùn)算：

閉運(yùn)算：

這種先腐蝕后膨脹的過程稱為開運(yùn)算，能夠有效地消除細(xì)小的突出物體，夠使縫隙處斷開和對(duì)物體的邊界進(jìn)行平滑的作用。區(qū)域定位流程如圖5所示。通過imerode()函數(shù)和imdilate()函數(shù)進(jìn)行腐蝕和膨脹操作，腐蝕、膨脹操作的結(jié)果前后對(duì)比如圖6所示。

圖5 區(qū)域定位流程圖

圖6 腐蝕、膨脹前后圖像對(duì)比

通過背景差分方法對(duì)圖像進(jìn)行差分，將差分后的圖像進(jìn)行圖像預(yù)處理，通過預(yù)處理操作對(duì)圖像進(jìn)行去噪等操作，以減少干擾和降低提取的難度和提高運(yùn)算的速度。對(duì)預(yù)處理后的圖像進(jìn)行二值化處理后做腐蝕、膨脹操作，以消除部分細(xì)小的突出物及使物體的邊界更加平滑，并利用bwlabel()函數(shù)進(jìn)行尋找最大連通區(qū)域。

本文主要針對(duì)污水的檢測(cè)，使用8連通進(jìn)行尋找，在查找的連通區(qū)域中，找出最大的連通區(qū)域。只要受污染面積達(dá)到一定面積就可以判斷是受污染，因此，只需尋找最大連通區(qū)域就可進(jìn)行定位和判斷。通過bwlabel()函數(shù)尋找的最大連通區(qū)域，并對(duì)查找的最大連通區(qū)域進(jìn)行定位，如圖7所示。

圖7 污染區(qū)域定位

3.3 污染的判斷

（1）判斷的原理

日本學(xué)者大津(Nobuyuki Otsu)于1979年提出最大類間方差法[7]（又叫大津法，簡(jiǎn)稱Otsu），是一種自適應(yīng)的閾值確定的方法。其是采用最小二乘法在灰度直方圖的基礎(chǔ)上推導(dǎo)出來的，具有統(tǒng)計(jì)意義上的最佳分割。按圖像的灰度特性，將圖像的灰度分割成背景和目標(biāo)兩部分。背景和目標(biāo)之間的類間方差越大，說明構(gòu)成圖像的兩部分的差別越大，即具有最大的分離性。其基本思想如下：

設(shè)圖像QM*N在(x，y)處的灰度值為?(x，y)，灰度級(jí)為 L，則 ?(x，y) ∈［0，L-1］。當(dāng)灰度級(jí)為 i時(shí)，所有像素個(gè)數(shù)為?i，則出現(xiàn)的概率為p()i ，有：

用閾值t將圖像中的像素值劃分為背景T0和目標(biāo)T1。T0、T1 的灰度級(jí)分別為[0，t-1]、[t，L-1]。T0 所對(duì)應(yīng)的像素為{?(x，y)＜t}，T1 所對(duì)應(yīng)的像素為{?(x，y)≥t}。則T0、T1出現(xiàn)的概率分別為ω0、ω1，有：

T0、T1的平均灰度值分別為μ0（t）、μ1（t），有：

圖像中背景和目標(biāo)的類間方差為：

令t在［0，L-1］間變化，則不同t值下的類間方差為δ2（t），使得δ2（t）最大時(shí)，灰度等級(jí)t的閾值k為最優(yōu)閾值。

（2）應(yīng)用

本文使用最大類間方差法進(jìn)行最佳閾值的自動(dòng)獲取，圖像的最佳閾值自動(dòng)獲取函數(shù)為graythresh()。通過函數(shù)graythresh()計(jì)算獲得的圖像閾值范圍在[0,1]之間，因?yàn)樵谶M(jìn)行求取閾值前將圖像轉(zhuǎn)換為double類型，因此，獲取實(shí)際閾值時(shí)需要乘以255。將該實(shí)際閾值與基準(zhǔn)閾值進(jìn)行比較，最后，比較的結(jié)果作為判斷是否為污水的條件。

當(dāng)獲得的實(shí)際閾值大于或等于基準(zhǔn)閾值時(shí)，則判斷其為無污染狀態(tài)；當(dāng)實(shí)際閾值小于基準(zhǔn)閾值時(shí)，則判斷其為受污染狀態(tài)。而在判斷其是否為受污染狀態(tài)時(shí)，單單通過閾值這一個(gè)因素進(jìn)行判斷是不能夠準(zhǔn)確地判斷是否為受污染狀態(tài)。

由于，不能因?yàn)榕潘谂潘畷r(shí)一瞬間檢測(cè)到有污染狀態(tài)的存在而判斷其為受污染。在視頻監(jiān)控的過程中，有可能受到其他外在的因素的影響，如光線、水質(zhì)雜質(zhì)以及排水口環(huán)境的影響等，都有可能造成系統(tǒng)的錯(cuò)誤判斷。因此，在判斷是否為污水時(shí)，加入一個(gè)控制因素——受污染的次數(shù)T。通過受污染次數(shù)T進(jìn)行累計(jì)，在累計(jì)次數(shù)達(dá)到6次時(shí)，即連續(xù)有6秒的時(shí)間內(nèi)進(jìn)行污水的排放時(shí)，即刻輸出受污染的預(yù)警信號(hào)提示。連續(xù)次數(shù)的累計(jì)能夠有效地避免了受其他因素的影響，如光線的影響和其他物體的干擾所導(dǎo)致的判斷錯(cuò)誤。判斷是否為污水流程圖如圖8所示，無污染情況如圖9所示，受污染情況如圖10所示。

圖8 判斷是否為污水流程圖

圖9 判斷為無污染

圖10 判斷為受污染

4 實(shí)驗(yàn)結(jié)果與分析

通過對(duì)視頻圖像的提取和處理，求取監(jiān)測(cè)位置區(qū)域的閾值進(jìn)行判斷是否受污染。本文通過視頻進(jìn)行驗(yàn)證，取其中部分視頻并畫出散點(diǎn)圖進(jìn)行表述。通過求取的圖像幀數(shù)-閾值散點(diǎn)圖進(jìn)行比較，圖中橫軸表示幀的位置，縱軸中紅色、藍(lán)色點(diǎn)分別為前景圖像閾值與背景圖像閾值的值，虛線表示基準(zhǔn)閾值為120。通過視頻圖像的閾值與基準(zhǔn)閾值進(jìn)行比較，從而判斷是否處于受污染狀態(tài)。如圖11（a）、（b）中所示，圖中以截取連續(xù)部分圖像的閾值進(jìn)行分析比較，由實(shí)驗(yàn)可知，本文中對(duì)排水口的排放污水判斷是有效的。通過判斷識(shí)別出污染的區(qū)域，如圖 12（a）、（b）所示。

圖11

圖12 驗(yàn)證結(jié)果（a）、（b）為無污染

圖13 驗(yàn)證結(jié)果（a）、（b）為受污染

5 結(jié)語

本文通過視頻監(jiān)控獲取排水口的圖像數(shù)據(jù)，對(duì)圖像進(jìn)行轉(zhuǎn)換和濾波處理，得到排水口的灰度圖像并進(jìn)行背景差分，找出最大連通區(qū)域并獲取區(qū)域坐標(biāo)，從而確定監(jiān)測(cè)的位置區(qū)域。在確定的區(qū)域位置中，利用最大類間方差法對(duì)區(qū)域圖像進(jìn)行求取最佳閾值，對(duì)求取的閾值與給定的閾值進(jìn)行比較并判斷。實(shí)驗(yàn)結(jié)果表明，利用圖像處理技術(shù)與視頻監(jiān)控技術(shù)相結(jié)合，能夠方便、及時(shí)、有效地識(shí)別出是否受污染及污染的區(qū)域，在對(duì)水資源環(huán)境的保護(hù)具有一定的意義。

[1]陳瑩.淺談水資源的保護(hù)[J].河南科技，2013(01)：177.

[2]陸世峰.我國水資源污染的現(xiàn)狀及對(duì)策[J].農(nóng)民致富之友，2015(06)：288.

[3]賈云華.我國水環(huán)境監(jiān)測(cè)存在問題及對(duì)策分析[J].中國新技術(shù)新產(chǎn)品，2015(24)：149.

[4]張紅梅.關(guān)于我國水環(huán)境監(jiān)測(cè)中存在問題的探討[J].黑龍江科技信息，2016(25)：93.

[5]馬中雨,賈瑞寶,孫韶華.城市供水水源水預(yù)警監(jiān)測(cè)系統(tǒng)構(gòu)建及應(yīng)用研究[J].建設(shè)科技，2012(05)：91-93.

[6]朱言江,韓震,和思海,胡旭冉,陳佩達(dá).基于最大類間方差法和數(shù)學(xué)形態(tài)學(xué)的遙感圖像潮溝提取方法[J].上海海洋大學(xué)學(xué)報(bào)，2017(01)：146-153.

[7]蘇適,李紅萍,楊洋,甄釗,任惠,王飛,孫宏斌.基于最大類間方差法的天空?qǐng)D像云空識(shí)別模型[J].華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016(05)：36-42.

[8]賀振東,王耀南,劉潔,印峰.基于背景差分的高鐵鋼軌表面缺陷圖像分割[J].儀器儀表學(xué)報(bào)，2016(03)：640-649.

[9]邵娜娜.基于圖像處理的三維裂縫識(shí)別技術(shù)[J].信息通信，2017(03)：25-26.

[10]杜磊,李立輕,汪軍,萬賢福,陳霞,李冠志.幾種基于圖像自適應(yīng)閾值分割的織物疵點(diǎn)檢測(cè)方法比較[J].紡織學(xué)報(bào).2014(06)：56-61.

[11]張婉婉,景軍鋒,蘇澤斌,張蕾,李鵬飛.紗線條干均勻度檢測(cè)算法研究[J].西安工程大學(xué)電子信息學(xué)院，2017(01)：58-64.

[12]李擎，唐歡，遲健男，邢永躍，李華通.基于改進(jìn)最大類間方差法的手勢(shì)分割方法研究[J].自動(dòng)化學(xué)報(bào)，2017(04)：528-537.

Reasearch and Application of Otsu Method in Sewage Discharge Image Processing

CHEN Xi-sheng，ZHONG Ju-ping，LI Jun
（College of Computer Science,Guangdong Polytechnic Normal University,Guangzhou 510665）

Image processing technology and video surveillance technology can effectively solve the insufficiency caused by manual monitoring.Uses the background difference method,the filtering process and the threshold seeking and judgment of the image processing,and judges the discharge of the drain in the video monitoring.The results show that the background difference can effectively identify the range of pollution,and by using Otsu to obtain the threshold which can judge whether it is sewage,so as to effectively identify and judge the discharge of sewage which can timely make early warning and deal with it.

Water Resources;Sewage;Background Differencing;Otsu;Threshold

廣東技術(shù)師范學(xué)院創(chuàng)新強(qiáng)校工程項(xiàng)目資助（No.991460307）

1007-1423（2017）32-0065-07

10.3969/j.issn.1007-1423.2017.32.015

陳喜勝（1988-），男，廣東汕尾人，研究生，研究方向?yàn)閳D像識(shí)別

鐘菊萍（1992-），女，福建龍巖人，研究生，研究方向?yàn)閳D像識(shí)別

李軍（1964-），女，浙江臨海人，教授，碩士，研究方向?yàn)橐苿?dòng)互聯(lián)網(wǎng)、圖像識(shí)別、人工智能等研究，Email：844341781@qq.com

2017-08-22

2017-10-26