人工智能技术导论 课件 03 计算机视觉技术及应用.pptx

第三章计算机视觉技术及应用

本章目标了解计算机视觉技术的发展历程及应用领域熟悉基于深度学习的视觉技术掌握OpenCV框架的基本使用掌握人脸识别和车牌识别项目的开发流程

3.1计算机视觉简介人脸识别自动驾驶医学影像分析工业质检ComputerVision--CV视觉是人类获取信息最主要的方式，而计算机视觉就是一门研究如何使计算机系统具备视觉感知能力的学科。通过模仿人类视觉系统的工作方式，计算机视觉技术旨在使计算机能够理解、解释和处理图像或视频数据。

3.1.1计算机视觉发展概述计算机视觉的发展经历了从早期的模式识别到深度学习的飞跃，为人工智能的发展提供了强有力的支持。随着计算机视觉技术的不断进步，其在实际应用中取得了巨大成功。起步阶段20世纪50年代-70年代）模式识别的初步探索感知器模型被提出硬件和算法的限制使得计算机无法有效地处理大规模的图像数据图像处理的崛起20世纪80年代-90年代数字图像处理边缘检测、图像增强为后续的模式识别和目标检测打下了基础机器学习与深度学习2000年代初-2010年代支持向量机（SVM）卷积神经网络（CNN）随着机器学习和深度学习的兴起，计算机视觉取得了巨大的突破。图像生成与迁移学习2010年代-至今生成对抗网络（GAN）迁移学习计算机视觉逐渐向图像生成和迁移学习等方向发展。

3.1.1计算机视觉发展概述思政小课堂：《新一代人工智能伦理规范》发布

3.1.2计算机视觉实现原理通过摄像头、传感器或者其他图像采集设备捕捉到现实世界中的图像，将其转化为数字信号。1、图像获取

3.1.2计算机视觉实现原理转换为数字信号后的图像，由一个个像素点组成，可以用像素矩阵来表示。每一个像素点都有一个对应的像素值。1、图像获取

3.1.2计算机视觉实现原理转换为数字信号后的图像，由一个个像素点组成，可以用像素矩阵来表示。每一个像素点都有一个对应的像素值。1、图像获取

3.1.2计算机视觉实现原理灰度图像只有一个通道，而彩色图像则由红绿蓝（RGB）三个通道组成（或者采用其他颜色模式，如CMYK等）。1、图像获取

3.1.2计算机视觉实现原理彩色图像可以很容易转换为灰度图像，例如使用公式Y=0.3*R+0.59*G+0.11*B而给灰度图像“上色”则较为复杂。1、图像获取？

3.1.2计算机视觉实现原理而给灰度图像“上色”则需要更加智能的技术。1、图像获取彩色4K修复版开国大典首现大荧幕：这清晰度绝了

3.1.2计算机视觉实现原理获取到图像后，计算机会进行一系列的图像处理操作，以提取有用的信息。比如，在图像的预处理阶段，进行去噪、增强对比度等操作。在特征提取阶段，会突出图像中的关键特征，比如边缘、颜色等。这些处理有助于减小数据量并突显重要信息，以便后续的模式识别。2、图像处理

3.1.2计算机视觉实现原理在图像处理的基础上，计算机进行模式识别，也就是理解图像中的内容。深度学习中的卷积神经网络（CNN）等模型在这一步骤中发挥了关键作用。它能够自动从图像中提取特征，并通过训练过程学习如何分类或识别图像中的目标。3、模式识别

3.1.3计算机视觉典型应用人脸识别技术被广泛应用于交通、金融、安防、社交媒体等领域。通过定位人脸和分析面部特征，计算机能够准确辨识个体身份。1、人脸识别

3.1.3计算机视觉典型应用计算机视觉在自动驾驶汽车中扮演着关键角色。通过摄像头获取车辆周围环境图像，计算机视觉算法系统能够实时识别道路、障碍物、交通标志等，从而智能地操控车辆。2、自动驾驶

3.1.3计算机视觉典型应用在医学领域，计算机视觉用于分析医学影像，如CT扫描、MRI等。这有助于自动检测疾病迹象、辅助诊断，提高医疗水平和效率。3、医学影像分析

3.1.3计算机视觉典型应用计算机视觉系统被广泛应用于工业生产中的质量控制。通过检测产品表面的缺陷、尺寸偏差等，保证产品质量并提高生产效率。4、工业质检

3.1.3计算机视觉典型应用计算机视觉系统被广泛应用于工业生产中的质量控制。通过检测产品表面的缺陷、尺寸偏差等，保证产品质量并提高生产效率。4、工业质检

3.1.3计算机视觉典型应用在视频监控和安防系统中，计算机视觉可用于检测和跟踪目标，帮助监测场景中的异常情况，极大地提升了安保效率，为维护社会治安做出了贡献。5、目标检测与跟踪

3.1.3计算机视觉典型应用计算机视觉技术为增强现实技术提供支持，通过识别和追踪现实世界中的物体，将虚拟信息叠加到用户的视野中，拓展了交互和娱乐的可能性。6、增强现实（AR）

3.1.3计算机视觉典型应用通过分析人体手部动作，计算机视觉能够识别手势并将其转化为控制命令，这在虚拟现实、智能家居等领域有广泛应用。7、手势识别

3.1.3计算机视觉典型应用计算机视觉可以用于识别、提取文档中的文