Python人工智能技术与应用课件：调研分析计算机视觉技术.pptxVIP

调研分析计算机视觉技术

掌握基于深度学习的计算机视觉技术应用;

任务导入TaskMp

某市计划利用最新的自动驾驶技术对全市的公交车进行改造，为公交

车增添智能交互功能。现将公交车的智能交互项目招标出去，寻求优秀的解决方案。

某自动驾驶科技公司有意竞标这一工程，你作为该公司的计算机视觉

实习生需要对计算机视觉技术进行一个调研分析，向市政府相关工作人员介绍你们的方案以及背后运用的技术。;

任务目标

知识目标

·了解计算机视觉的定义。

·了解计算机视觉的原理。

·了解计算机视觉技术的发展历程。

·了解计算机视觉的主要功能。

·了解计算机视觉的应用。;

计算机视觉的定义和原理

计算机视觉技术发展历程

计算机视觉的主要功能

计算机视觉技术的应用;

●定义

计算机视觉(ComputerVision,CV)是一门

研究如何使机器“看”的科学，更进一步地说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等功能实现。

●应用

计算机视觉是一门涉及图像处理、机器学习和模式识别等技术的多学科交叉学科，是进入二十一世纪之后非常活跃的研究方向。;

01计算机视觉的定义与原理

(二)计算机视觉的原理步骤

2.处理图像

系统处理图像并将其划分为多个部分以对其进行单独分析。;

特征提取

04;

计算机视觉技术发展历程

(一)特征提取

对象描述：应用计算机视觉技术时，研究者需要对研究对象进行描述，以便计算机

能够理解和处理研究对象。这个描述的过程即“特征提取”。

对象表征：特征提取是计算机视觉中非常重要的一个步骤，找到合适的特征对研究对象进行表征很重要。

对象特征：也就是找到一些能够代表研究对象的重要特征，并将它们提取出来。这

些特征可能包括颜色、形状、纹理等等，它们能够帮助计算机区分和识别不同的对象。

人脸识别：比如在早期的人脸识别中，研究者通过提取出人脸上关键部位和比例构

成一个特征向量，并以此训练分类器来实现人脸识别。;

手动微调：视觉工程师必须

决定寻找哪些特征以检测???像中的特定对象，并且为每个类别选择正确的特征。当可能的类别数量增加时，该方法将变得十分复杂。工程师还必须手动微调许多参数，例如颜色，边缘，质地。;

卷积层可以自动地学习输入数据中的特征，

卷积层通过一系列的卷积操作，从输入数据中提取出特征图。卷积操作可以捕捉到输入数据中的局部模式，例如图像中的边缘、角落等。;

池化层可以对这些特征进行降维和抽象，

从而减少模型中的参数数量和计算量。池化层则通过对特征图进行下采样，减少特征图的大小和数量，从而在一定程度上降低了模型的复杂度，避免了过拟合现象。;

计算机视觉技术发展历程

(三)基于深度学习的计算机视觉

CNN使用“端到端学习”的概念，仅需要告诉算法去学习注意每个特定类的特征。通过分

析样本图像，它可以自动得出每个类/对象的最突出和最具描述性的特征。

传统机器学习算法

输出

提取特征训练分类器

深度学习

输出

特征提取与分类

传统机器学习算法与深度学习工作原理区别;

计算机视觉技术发展历程

(四)基于传统机器学习和基于深度学习的计算机视觉技术典型应用场景

传统机器学习

通常会使用传统方法来处理的其他用例包括：对尺寸和距离进行精确测量。;;

03;

计算机视觉的主要功能

(一)图像分类

图像分类，顾名思义，就是一个模式分类问题，它的目标是将不同的图像，划分到不同的类别，

实现最小的分类误差。;

图像分类，顾名思义，就是一个模式分类问题，它的目标是将不同的图像，划分到不同的类别，

实现最小的分类误差。;

分类任务给出的是整张图片的内容描述，而目标检测任务则关注图片中特定的目标。检测任务包

含两个子任务，分类任务和定位任务。分类任务指的是目标的类别信息和概率。定位任务指的是目标的具体位置信息。;

目标跟踪的目的是跟踪一个或多个特定目标在视

频中的位置。它可以用来检测和跟踪人脸、车辆、动物等，并且可以跟踪目标的运动轨迹，以及检测目标的行为。

目标跟踪常见应用于视频监控系统。其具体表现形式就是视频中运动目标的跟踪，跟踪的结果通常就是一个框。;

通过设计机器神经网络，利用海量路测数据进行持续训练，将不同感知任务的网络联合起来，即

可构建自动驾驶汽车感知系统。基于计算机视觉的自动驾驶感知系统可分成两类：障碍物感知模块和环境感知模块。;

自动驾驶感知系统的障碍物

感知模块主要用于检测并跟踪道路上的障碍物，包括其他车辆、行人、建筑物、路标等。;

障碍物感知模块通常使用计

算机视觉和雷达传感器进行数据采集和处理。采集和处理过后的