1. 研究目的与意义（文献综述）

物体的形状识别是模式识别研究的重要方向，广泛应用于图像分析、机器视觉和目标识别等应用领域中. 在计算机中物体的形状有多种表示方式,如: 边界曲线上各点的坐标序列, 边界上的点到物体重心的距离以及边界上的随弧长变化的切线方向和曲率等. 基于不同的形状表示方式, 许多种形状识别方法已经被提出, 如: 基于边界特征点 , 不变矩 , 傅立叶描述子和自回归模型等方法. 在日常生活中, 人类的视觉能够很容易地根据边界信息识别物体的形状; 但对于机器来说, 自动识别任意物体的形状却相当复杂. 当物体发生平移、旋转、尺度变换甚至扭曲、遮挡后, 使计算机快速、准确的识别任意物体的形状仍然是一件相当困难的事情.

我们现在所知道的产品的自动识别跟踪检测是智能计算机研究的热点。基于计算机视觉的产品自动检测系统框架，采用多dsp的硬件设施，达到了实时处理的效果。核心算法为用p型傅里叶描述子^[5]进行特征提取，用卡尔曼滤波进行运动目标的跟踪检测。

激烈的市场竞争促使企业不断提高产品质量，有效地管理好产品信息变得日益重要和迫切。当前，对产品的形状和位置的检测是通过人工，静态和若干单点测量来完成的，这无论是检测精度和检测效率，还是劳动强度都已不能适应当今工业生产的要求。在产品的质量检测，仓储管理和运输过程中，一般根据产品的形状，重量与质量将其进行分类。由于人眼分类，状态跟踪，不但效率低，而且容易出错，因此采用光电扫描，图像识别技术，达到自动识别后自动分类的要求，利用计算机控制整个系统的运行，参数的设定，所以具有功能完备，移植型号，调控方便等特点.

2. 研究的基本内容与方案

一．基本内容

1.了解物体形状特征识别的基本理论及工作原理；

2.学习模式识别理论等相关知识；

3. 研究计划与安排

第1周—第3周 查阅资料和制定方案；

第4周—第8周 进行软硬件及算法设计，构建系统；

第9周—第13周 对系统进行调试；

4. 参考文献（12篇以上）

[1]王斌. 用于形状识别的目标轮廓无序点集描述与匹配[j]. 软件学报, 2016, 27(12):3131-3142.

[2]陈亦欣, 叶锋, 肖锋,等. 基于hsv空间和形状特征的交通标志检测识别研究[j]. 江汉大学学报(自然科学版), 2016, 44(2):119-125.

[3]孙巍, 孙国荣, 张瑞龙. 基于matlab的道路交通标志识别[j]. 教育教学论坛, 2016(12):55-57.