01．教學單位：軟體學院
02．課程編號：541058
03．課程名稱：計算機視覺
04．課程英文名稱：computer vision
05．課程學時： 32 學時，其中含實驗學時
06．課程學分： 2 學分
07．課程類別：專業教育課
08．課程性質：選修
09．開課學期：第 7 學期
10．面向專業：軟體工程
11．選用教材
1. 塞利斯基 (艾海舟等譯)， 《計算機視覺：演算法與應用》， 清華大學出版社，2012。
12．主要參考書
1. 布拉德斯基等（於仕琪等譯），《學習opencv》， 清華大學出版社，2009
13．課程教學目的與任務
《計算機視覺》主要介紹如何編寫演算法提取影象和**中的資訊，並使計算機根據提取的資訊自動做出決策。是一門為國防、公共安全監控、機械人、工業生產流水線自動檢測，智慧型手機等領域培養計算機人才的課程。
在該課程中，學生學習的技術包括：從影象或**中提取物體的邊緣及輪廓資訊、特徵及紋理資訊、 空間位置資訊、運動資訊等等。以及從提取的資訊中進行推理判斷，從而識別**中的特定目標（例如人臉）並進行跟蹤、分析**中的各種行為並識別異常事件等等。
通過該課程的學習，學生將掌握： （1）影象和**中的初級資訊（包括特徵點， 物體邊緣及輪廓）提取；(2) 將**場景中的各個物體按照內在聯絡（包括空間位置， 亮度值， 紋理環境， 時空變化等）進行分割; (3) 計算物體在三維場景中的空間位置及運動速度；（4） 目標跟蹤； （5） 人臉識別； （6） 海量資料庫中的影象檢索；（7） 人物行為分析。學生將具有為從安全監控到智慧型手機開發計算機視覺軟體的基礎知識及能力。
14．課程教學基本要求
本課程設有課堂講授，教學輔助及考試等教學環節。
課堂講授環節以多**教學方式為主，輔以演算法及**演示，板書理論推導等。 課上將對外文專業術語及時給出解釋，並帶領學生閱讀外文資料。每節課設有課堂提問，以隨時了解學生的知識掌握情況。
教學輔助環節設三次作業，分別在第二，四，七章教學內容完成之後。具體內容為：
（1）編寫程式實現seam carving演算法。該作業通過動手編寫程式，使學生實際掌握**的預處理方法及初級資訊提取，以及根據資訊進行動態規劃。
（2）編寫程式實現photo merge演算法。該作業使學生實際掌握多攝像頭共同檢測時的資訊關聯，以及**間的幾何變換。
（3）編寫程式實現bag of words 演算法，並應用於**分類。該作業使學生掌握如何在海量**庫中找到具有相似物體的影象。
考試環節將根據當年的前沿課題，引導學生閱讀課外資料，並寫程式解決問題。
15．預備知識或先修課程要求
本課程建議學生具有《線性代數》及《概率與數理統計》基礎知識。由於**訊號的本質是乙個高維矩陣，從中提取資訊需要很多矩陣運算，因此需要已經學習過《線性代數》以理解這些演算法。此外，由於計算機視覺中的很多問題涉及從不確定的觀察中推理出具有最大概率的事件，而解決方法是建立在《概率與數理統計》基礎上的，因此需學生具備基本的《概率與數理統計》知識。
本課程也將在課程開始階段，介紹所需的《線性代數》及《概率與數理統計》知識要點。
16．課程教學內容、要求及學時分配
課程的主要內容是介紹如何從影象和**中提取資訊並實現計算機自動推理和識別任務。重點介紹影象分割，雙目視覺， 運動估算，資訊分類及目標識別。其中雙目視覺及運動估算需大量數學推導，是課程的難點，也是實現高階推理的基礎， 將著重講授。
具體教學內容，要求及學時分配如下：
第一章緒論 （4學時）
1.1 計算機視覺的基本概念（掌握）
1.2 計算機視覺的發展歷史和趨勢（了解）
1.3 計算機視覺技術的應用領域（了解）
1.4 數字影象及**的採集過程及資訊丟失（掌握）
1.5 數字影象及**的預處理技術（掌握）
1.6 opencv及matlab基礎（理解）
第二章特徵提取 （4學時）
2.1 harris角點特徵提取（掌握）
2.2 canny 邊緣提取（掌握）
2.3 主動輪廓提取（理解）
2.4 sift特徵描述（掌握）
第三章影象分割 （4學時）
3.1 k-means聚類演算法（掌握）
3.2 mean-shift聚類演算法（掌握）
3.3 graph-cut分割演算法（理解）
第四章雙目視覺 （4學時）
4.1 對極幾何（理解）
4.2 在雙目鏡頭中尋找對應點（掌握）
4.3 估算雙目視覺中的基礎矩陣（掌握）
4.4 估算深度資訊（掌握）
第五章運動估算及目標跟蹤 （4學時）
5.1 光流法（理解）
5.2 從**中估算空間結構及相機運動（了解）
5.3 kalman 濾波跟蹤演算法（掌握）
5.4 粒子濾波跟蹤演算法（掌握）
第六章目標識別 （4學時）
6.1 目標識別的概念（了解）
6.2 基於影象區域性區域的識別（理解）
6.3 基於sift特徵的識別（掌握）
6.4 人臉識別（掌握）
第七章類別識別（4學時）
7.1 bag of words詞袋模型（掌握）
7.2 從訓練影象中估計引數（掌握）
7.3 海量資料庫中的影象檢索（掌握）
第八章行為識別 （4學時）
8.1 基於軌跡計算的行為識別（理解）
8.2 **結構（pictorial structure）模型（理解）
8.2 姿態估計（理解）
8.3 基於姿態估計的行為識別（理解）
17．考核要求、考核方式及成績評定標準
考核要求：本課程以培養學生對計算機視覺技術的修養和知識為目的，因此，考核的重點是考查學生對計算機視覺技術的理解程度、應用能力和學習能力。要求學生在實踐過程中深入立即和掌握計算機視覺技術。
考核方式：平時考核+期末考核。
成績評定標準：平時成績+期末考評
平時成績：根據學生上課出勤、回答課堂提問情況、作業質量、課堂紀律等方面情況來評定，佔總評成績的40%。
期末考評：根據期末程式**及報告質量評定，佔總評成績的60%。
18．執筆人：許志聞教授
19．制定日期：20131020
20．審核人： 牛硯講師
21．審核日期：20131110
計算機視覺與數字攝影測量的結合展望
由於物體與影像基本關係之間的差異，從而引起計算機視覺與攝影測量之間的基本公式的差異。計算機視覺與攝影測量都是研究物體與影像關係的，因此，描述三維物體與二維影像座標之間的關係公式是它們的基本公式。計算機視覺最基本的公式用齊次座標的投影方程表達為 5,6 1 式中，m為3 4階的投影矩陣，它將攝影機的內...
《購置計算機 認識計算機》教學設計
在實踐中學電腦 一 基本說明 1教學內容所屬模組 資訊科技簡介 2年級初中七年級 3所用教材出版單位 上海科技教育出版社 4所屬的章節 第二單元購置計算機活動1 選購計算機 5學時數45分鐘 二 教學設計 1 教學目標 知識目標 認識一些主要的計算機硬體。學會解讀計算機配置表。體驗按需選擇價效比高的...
認識計算機 計算機作業,電腦作業
認識計算機 計算機於1946年誕生，時至今日先後經歷了四代的發展。最初的計算機是服務於國防和軍事，隨著計算機技術的不斷成熟於發展，個人微機已走進千家萬戶。不論是家用台式計算機還是可攜式筆記本計算機都是 計算機的代表之作。現代生活中計算機的作用是無可替代的。據馮 伊曼諾夫所設想計算機是儲存程式和程式控...