《《人工智能基础与应用》(樊重俊编著)第8章+计算机视觉ppt课件.pptx》由会员分享，可在线阅读，更多相关《《人工智能基础与应用》(樊重俊编著)第8章+计算机视觉ppt课件.pptx（31页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益计算机视觉计算机视觉第第8章章五月五月 23为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉引言引言计算机视觉是一门研究如何对数字图像或视频进行高层理解的交叉学科。从人工智能的视角来看，计算机视觉要赋予机器“看”的智能，与语音识别赋予机器“听”的智能类似，都属于感知智能范畴。从工程视角来看，所谓理解图像或视频，就是用机器自动实现人类视觉系统的功能，包括图像或视频的获取、处理、分析和
2、理解等诸多任务。类比人的视觉系统，摄像机等成像设备是机器的眼睛，而计算机视觉就是要实现人的大脑(主要是视觉皮层区)的视觉能力。计算机视觉(Computer Vision)是人工智能的一个重要学科分支，它是用人工智能的方法模拟人类视觉的能力。本章将主要介绍计算机视觉的相关内涵、图像分析与理解及其典型应用领域。为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益8.1计算机视觉概述计算机视觉概述ONTENTS内内容容大大纲纲8.2计算机视觉中图像分析与理解的方法计算机视觉中图像分析与理解的方法8.3计算机视觉的典型应用计算机视觉的典型
3、应用8.4本章小结本章小结第第8章章 计算机视觉计算机视觉为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益8.1计算机视觉概述计算机视觉概述ONTENTS内内容容大大纲纲8.2计算机视觉中图像分析与理解的方法计算机视觉中图像分析与理解的方法8.3计算机视觉的典型应用计算机视觉的典型应用8.4本章小结本章小结第第8章章 计算机视觉计算机视觉为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉计算机视觉概述计算机视觉概述计算机视觉模拟了
4、人类“看”的能力，这种能力包括了对外界图像、视频的获取、处理、分析理解和应用等一系列能力的综合。计算机视觉模拟包含多种学科技术，如脑视觉结构理论、图像处理技术、人工智能技术以及与领域相结合的多种应用学科技术。除此之外，计算机视觉还包括基于脑科学、认知科学以及心理学等基础性的支撑学科。这些学科一方面极大受益于数字图像处理、计算摄影学、计算机视觉等学科带来的图像处理和分析工具，另一方面它们所揭示的视觉认知规律、视皮层神经机制等对于计算机视觉领域的发展也起到了积极的推动作用。为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章
5、 计算机视觉计算机视觉计算机视觉概述计算机视觉概述计算机视觉模拟过程计算机视觉模拟过程l在外部世界中存在动态、静态等多种景物，它们可以通过摄像设备为代表的图像传感器转化成计算机内的数字化图像，这是一个nm点阵结构，可用矩阵Anm表示。点阵中的每个点称像素，可用数字表示，它反映图像的灰度。这种图像是一种最基本的2D黑白图像。如果点阵中的每个点用矢量表示，矢量中的分量分别可表示颜色，颜色是由三个分量表示，分别反映红、绿、蓝三色，其分量的值则反映了对应颜色的浓度。这就组成了3D彩色的4D点阵图像。l外界景物的数字化就是将外界景物转化成计算机内的用数字表示的图像，可称为数字化图像，它是由摄像设备为代表
6、的图像传感器所完成的，这种设备可以获取外界图像，它一般可以起到人类“眼睛”的作用。l除了摄像设备外，目前还有很多相应的图像传感器以实现外界景物的数字化，如热成像相机，高光谱成像仪雷达设备、激光设备、X射线仪、红外线仪器、磁共振仪器、超声仪器等多种接口设备与仪器，它们不仅具有人类“眼睛”的功能，还具有很多“眼睛”所无法观察到的能力。从这个观点看，计算机视觉的能力可以部分超过人类视觉的能力。数字化图像的获取数字化图像的获取为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉计算机视觉概述计算机视觉概述计
7、算机视觉模拟过程计算机视觉模拟过程l图像增强和复原图像增强和复原可改善图像的视觉效果和提高图像的品质。l图像数据的变换和压缩为了便于图像的存储和传输，可对图像数据作变换和编码压缩。l图像分割图像分割是根据几何特性或图像灰度选定的特征，将图像中有意义的特征部分提取出来，这是进一步进行图像识别、分析和理解的基础。数字化图像的处理数字化图像的处理为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉计算机视觉概述计算机视觉概述计算机视觉模拟过程计算机视觉模拟过程l图像分解与拼接图像分解指的是将图像中的一个部
8、分从整体中抽取出来。图像拼接指的是将若干幅图像组合成一幅图像。l图像重建通过物体外部测量的数据，主要是摄像设备与物体间的距离，经数字处理将2D平面物体转换成3D立体物体的技术称为图像重建。l图像管理图像管理也属于图像处理，它包括图像的有组织的存储，称为图像库，同时也包括对图像库的操作管理，如图像的调用、图像的增、删、改操作以及图像库的安全性保护和故障恢复等功能。数字化图像的处理数字化图像的处理为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉计算机视觉概述计算机视觉概述计算机视觉模拟过程计算机视觉
9、模拟过程l图像的分析和理解是从现实世界中的景物提取高维数据以便产生数字或符号信息，并可以转换为与其他思维过程交互且可引出适当行动的描述。图像的分析和理解包括图像描述、目标检测、特征提取、目标跟踪、物体识别与分类等，此外还包括高层次的信息分析，如动作分析、行为分析、场景语义分析等。l图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。图像的分析和理解是由图像到模型、数据或抽象符号表示的语义信息，是人类大脑视觉的一种模拟。它一般需人工智能参与操作，因此又称智能图像处理，它也是计算机视觉的关键技术。图像处理可以分成图像分析与图像理解两个部分。l图像分析包括：图像特征
10、提取，图像描述，图像分类、识别。图像的分析和理解图像的分析和理解计算机视觉应用计算机视觉应用主要应用领域范围包括模式识别、机器视觉以及动态行为分析。为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益8.1计算机视觉概述计算机视觉概述ONTENTS内内容容大大纲纲8.2计算机视觉中图像分析与理解的方法计算机视觉中图像分析与理解的方法8.3计算机视觉的典型应用计算机视觉的典型应用8.4本章小结本章小结第第8章章 计算机视觉计算机视觉为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和
11、职工的合法权益第第8章章 计算机视觉计算机视觉图像图像分析与理解的方法分析与理解的方法尽管计算机视觉任务繁多，但大多数任务本质上可以建模为广义的函数拟合问题。即对任意输入图像x，需要学习一个以为参数的函数F，使得y=F(x)，其中y可能有两大类：ly为类别标签，对应模式识别或机器学习中的“分类”问题，如场景分类、图像分类、物体识别、精细物体类识别、人脸识别等视觉任务。这类任务的特点是输出y为有限种类的离散型变量。ly为连续变量或向量或矩阵，对应模式识别或机器学习中的“回归”问题，如距离估计、目标检测、语义分割等视觉任务。在这些任务中，y或者是连续的变量(如距离、年龄、角度等)，或者是一个向量(
12、如物体的横纵坐标位置和长宽)，或者是每个像素有一个所属物体类别的编号(如分割结果)。可被分成两大类：一类是基于浅层浅层模型和方法，另一类是基于深度深度模型和学习方法。为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉函数F通常都是非常复杂的。为此，一种可能的解法是遵循“分而治之”的思想，对其进行分步、分阶段求解，其步骤如下：l步骤1：图像预处理过程p。这个过程是用于实现目标对齐、几何归一化、亮度或颜色矫正等处理，从而提高数据的一致性，该过程一般由人为设定。l步骤2：特征设计与提取过程q。这个过程是
13、从预处理后的图像x中提取描述图像内容的特征，这些特征可能反映图像的低层(如边缘)、中层(如部件)或高层(如场景)特性，一般依据专家知识进行人工设计。常用的浅层视觉模型处理流程常用的浅层视觉模型处理流程图像图像分析与理解的方法分析与理解的方法基于浅层模型的方法基于浅层模型的方法为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉l步骤3：特征汇聚或特征变换h。这个过程是对前一步提取的局部特征z(一般是向量)进行统计汇聚或降维处理，从而得到维度更低、更利于后续分类或回归过程的特征z。该过程一般通过专家设
14、计的统计建模方法实现。例如，一种常用的模型是线性模型，即z=Wz，其中W为矩阵形式表达的线性变换，一般需要在训练集合进行学习得到。l步骤4：分类器或回归器函数g的设计与训练。这个过程是采用机器学习或模式识别的方法，基于一个有导师的训练(xi,yi):i=1,N(其中xi是训练图像，yi是其类别标签)学习得到，通过有监督的机器学习方法来实现。例如，假设我们采用线性模型，即y=Wz，则可以通过优化 得到，其中z为通过步骤3得到的xi的特征。常用的浅层视觉模型处理流程常用的浅层视觉模型处理流程图像图像分析与理解的方法分析与理解的方法基于浅层模型的方法基于浅层模型的方法为了规范事业单位聘用关系，建立和
15、完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉l人工设计特征本质是一种专家知识驱动的方法，即研究者自己或通过咨询特定领域专家，根据对所研究问题或目标的理解，设计某种流程来提取专家觉得“好”的特征。l目前，多数人工设计的特征有两大类，即全局特征和局部特征。前者通常建模的是图像中全部像素或多个不同区域像素中所蕴含的信息，后者则通常只从一个局部区域内的少量像素中提取信息。特征设计与提取方法特征设计与提取方法典型的全局特征对颜色、全图结构或形状等进行建模，例如在全图上计算颜色直方图，傅立叶频谱也可以看作全局特征。与局部特征相比，全局
16、特征往往粒度比较粗，适合于需要高效而无须精细分类的任务，比如场景分类或大规模图像检索等。相对而言，局部特征可以提取更为精细的特征，应用更为广泛。图像图像分析与理解的方法分析与理解的方法基于浅层模型的方法基于浅层模型的方法为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉l特征汇聚方法典型的方法包括视觉词袋模型、Fisher向量和局部聚合向量(VLAD)方法。l特征变换方法典型的方法包括主成分分析(PCA)、线性判别分析、核方法、流形学习等。其中，主成分分析是一种在最小均方误差意义下最优的线性变换降
17、维方法，在计算机视觉中应用极为广泛。特征汇聚与特征变换方法特征汇聚与特征变换方法图像图像分析与理解的方法分析与理解的方法基于浅层模型的方法基于浅层模型的方法为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉图像图像分析与理解的方法分析与理解的方法基于浅层模型的方法基于浅层模型的方法l计算机视觉中的分类器基本都借鉴模式识别或机器学习领域，如最近邻分类器、线性感知机、决策树、随机森林、支持向量机、AdaBoost、神经网络等都是适用的。l需要特别注意的是，根据前述特征的属性不同，分类器或回归器中涉及的
18、距离度量方法也有所差异。例如，对于直方图类特征，一些面向分布的距离(如 KLD、卡方距离等)可能更实用；对PCA、FLDA变换后的特征，欧氏距离或Cosine相似度可能更佳；对一些二值化的特征，海明距离可能带来更优的性能。分类器或回归器设计分类器或回归器设计为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉l目标检测是计算机视觉中的一个基础问题，其定义某些感兴趣的特定类别组成前景，其他类别为背景。lR-CNN最早将深度学习应用在目标检测中，一般包括以下步骤：基于深度模型的目标检测技术基于深度模型的
19、目标检测技术步骤1：输入一张图像，使用无监督算法提取约2000个物体的可能位置；步骤2：将所有候选区域取出并缩放为相同的大小，输入卷积神经网络中提取特征；S步骤3：使用SVM对每个区域的特征进行分类。图像图像分析与理解的方法分析与理解的方法基于深度模型的方法基于深度模型的方法为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉l对于像素级的分类和回归任务，代表性的深度网络模型是全卷积网络(Fully Convolutional Network，FCN)。FCN对图像进行像素级的分类，从而解决了语义级
20、别的图像分割问题。lFCN有两大明显的优点：一是可以接受任意大小的输入图像，而不用要求所有的训练图像和测试图像具有同样的尺寸；二是更加高效，避免了由于使用像素块而带来的重复存储和计算卷积的问题。lFCN的缺点也比较明显：一是得到的结果还是不够精细。二是对各个像素进行分类，没有充分考虑像素与像素之间的关系，忽略了通常的基于像素分类的分割方法中使用的空间规整(Spatial Regularization)步骤，缺乏空间一致性。基于全卷积网络的图像分割基于全卷积网络的图像分割图像图像分析与理解的方法分析与理解的方法基于深度模型的方法基于深度模型的方法为了规范事业单位聘用关系，建立和完善适应社会主义市
21、场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉图像图像分析与理解的方法分析与理解的方法基于深度模型的方法基于深度模型的方法l图像自动标题(Image Captioning)的目标是生成输入图像的文字描述，即常说的“看图说话”，这也是一个深度学习取得重要进展的研究方向。深度学习方法应用于该问题的代表性思路是使用CNN学习图像表示，然后采用循环神经网络RNN或长短期记忆模型LSTM学习语言模型，并以CNN特征输入初始化RNN/LSRM的隐层节点，组成混合网络进行端到端的训练。通过这种方法，有些系统在MS COCO数据集上的部分结果甚至优于人类给出
22、的语言描述。融合图像和语言模型的自动图题生成融合图像和语言模型的自动图题生成为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益8.1计算机视觉概述计算机视觉概述ONTENTS内内容容大大纲纲8.2计算机视觉中图像分析与理解的方法计算机视觉中图像分析与理解的方法8.3计算机视觉的典型应用计算机视觉的典型应用8.4本章小结本章小结第第8章章 计算机视觉计算机视觉为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉计算机视觉的典型应用计算机
23、视觉的典型应用计算机视觉的应用范围与规模是目前人工智能应用中最为广泛与普遍的，且早已深入日常生活与工作的多方面，以至于人们并未感觉到现代人工智能时刻刻存在着，如二维码识别、联机手写输入等。目前计算机视觉的大致应用领域包括模式识别、动态行为分析、机器视觉。为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉计算机视觉的典型应用计算机视觉的典型应用模式识别模式识别l二维码识别(QR Droid)是一款基于ANDROID完整的QR二维码识别软件，主要用于生成和扫描QR码。可以通过三种方法获取QR码，第一种
24、是通过摄像头可以轻松扫描QR码，第二种是存储在设备上的QR码图片，第三种是在因特网上的带URL链接的QR码。l二维码是用特定的几何图形按一定规律在平面(二维方向上)分布的黑白相间的矩形方阵，记录数据符号信息的新一代条码技术，由一个二维码矩阵图形和一个二维码号，以及下方的说明文字组成，具有信息量大、纠错能力强、识读速度快、全方位识读等特点。l联机手写汉字识别有时叫做“笔(式)输入”。笔输入系统中，由书写笔传送给计算机的信号是一个一维的笔画串，而不是方块汉字的二维图形。在识别某一个待识汉字时，也利用书写板把该汉字的笔画串输入计算机，然后把它跟字典中所有的笔画串逐个加以比较，求得和它最相似的笔画串，
25、就得到识别的结果。二维码识别与联机手写输入二维码识别与联机手写输入为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉计算机视觉的典型应用计算机视觉的典型应用模式识别模式识别l生物识别技术就是，通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性(如指纹、脸象、虹膜等)和行为特征(如笔迹、声音、步态等)来进行个人身份的鉴定。l人脸识别作为一种生物特征识别技术，是计算机视觉领域的典型研究课题。一套典型的人脸识别系统包括6个步骤：人脸检测、特征点定位、面部子图预
26、处理、特征提取、特征比对和决策。生物特征识别生物特征识别 人脸识别的典型流程人脸识别的典型流程为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉计算机视觉的典型应用计算机视觉的典型应用模式识别模式识别l此外基于计算机视觉的生物特征识别技术还有很多，如指纹识别、虹膜识别、掌纹识别、指静脉识别等。其中指纹识别是大家最熟悉、也是相对最成熟的。人类手掌及其手指、脚、脚趾内侧表面的皮肤凹凸不平产生的纹路会形成各种各样的图像。这些皮肤的纹路的图像是各不相同，且是唯一的。依靠这种唯一性，就可以将一个人同他的掌纹
27、、指纹对应起来，通过比较他的掌纹、指纹和预先保存的掌纹、指纹进行比较便可以验证他的真实身份。l人体中具有唯一性的还有手背静脉、指静脉、虹膜特征的生物识别等其他多种生物体特征，它们可以用于人体识别。人的眼睛结构由巩膜、虹膜、瞳孔晶状体、视网膜等部分组成。虹膜在胎儿发育阶段形成后，在整个生命历程中将是保持不变的。这些特征决定了虹膜特征的唯一性，同时也决定了身份识别的唯一性。因此，可以将眼睛的虹膜特征作为每个人的身份识别对象。从理论上来讲虹膜识别的精度较高，但虹膜识别需要分辨率比较高的摄像头，以及合适的光学条件，成本也比较高。因此，其应用主要集中在高端市场，市场应用面较窄。生物特征识别生物特征识别为
28、了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉计算机视觉的典型应用计算机视觉的典型应用模式识别模式识别l光学字符识别(Optical Character Recognition，OCR)也是目前应用最为普遍的模式识别。光学字符识别是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程，即针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软
29、件进一步编辑加工的技术。l从影像到结果输出，须经过影像输入、影像前处理、文字特征抽取、比对识别，最后经人工校正更正错误的文字并输出结果。光学字符识别光学字符识别为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉计算机视觉的典型应用计算机视觉的典型应用模式识别模式识别l遥感技术是从远距离感知目标反射或自身辐射的电磁波、可见光、红外线，对目标进行探测和识别的技术。l遥感器的种类很多，主要有照相机、电视摄像机、多光谱扫描仪、成像光谱仪、微波辐射计、合成孔径雷达等。l通过遥感技术所获取的图像识别，已广泛用
30、于军事侦察、导弹预警、军事测绘、海洋监视、气象观测和互剂侦检等。遥感遥感医学诊断医学诊断l模式识别在癌细胞检测、X射线照片分析、血液化验、染色体分析、心电图诊断和脑电图诊断等方面已取得了成效。为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉计算机视觉的典型应用计算机视觉的典型应用动态行为分析动态行为分析l运动目标跟踪是计算机视觉中的一个重要问题。由图像所组成的视频中跟踪某一个或多个特定的感兴趣对象，通过目标跟踪可以获得目标图像的参数信息及运动轨迹等。跟踪的主要任务是从当前帧中匹配上一帧出现的感兴
31、趣目标的位置、形状等信息，在连续的视频序列中通过建立合适的运动模型确定跟踪对象的位置、尺度和角度等状态，并根据实际应用需求画出并保存目标运动轨迹。运动目标跟踪运动目标跟踪运动目标分析运动目标分析l运动目标分析是指在对视频中的运动物体进行跟踪后，获得相应的数据，通过机器学习分析，判断出物体的行为轨迹、目标形态变化，最终获得行为的语义信息。为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益第第8章章 计算机视觉计算机视觉计算机视觉的典型应用计算机视觉的典型应用机器视觉机器视觉机器视觉(Machine Vision)是人工智能正在快速
32、发展的一个分支。机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号。一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。机器视觉系统最基本的特点就是提高生产的灵活性和自动化程度。在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。同时，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。机器视觉系统广泛地用于
33、天文行业、医药行业、交通航海行业以及军事行业领域等。在国外，机器视觉的应用相当普及，主要集中在电子、汽车、冶金、食品饮料、零配件装配及制造等行业。为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益8.1计算机视觉概述计算机视觉概述ONTENTS内内容容大大纲纲8.2计算机视觉中图像分析与理解的方法计算机视觉中图像分析与理解的方法8.3计算机视觉的典型应用计算机视觉的典型应用8.4本章小结本章小结第第8章章 计算机视觉计算机视觉为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益本章小结本章小结计算机视觉(Computer Vision)是用人工智能的方法模拟人类视觉能力的学科。计算机视觉模拟人类“看”的能力，这种能力包括对外界图像、视频的获取、处理、分析、理解和应用等多种一系列能力的综合。计算机视觉的应用范围与规模是目前人工智能应用中最为广泛与普遍的，且早已深入日常生活与工作的多方面，目前主要应用领域是：模式识别、机器视觉、动态行为分析等。第第8章章 计算机视觉计算机视觉为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益THANKS感谢各位