《機器視覺理論與實戰(zhàn)》 課件 第一章 緒論

第一章緒論

本章知識點:人工智能的概念人工智能技術(shù)優(yōu)勢人工智能發(fā)展階段人工智能研究領(lǐng)域機器視覺主要分類1.1人工智能技術(shù)簡介

人類不僅可以通過眼、耳、口、鼻等感覺器官感知世界，更重要的是可以對信息進行再加工，并通過雙手改造世界。

人類對世界的認知是可以通過學(xué)習積累和傳承的，即所謂的“經(jīng)驗”。正是在不斷的“學(xué)習-積累-改造”迭代過程中，人類社會才會不斷進步。由此，把人類所具有的感知信息、學(xué)習過程、經(jīng)驗積累、改造世界的能力，稱為“人類智能”?！爸恰敝傅氖撬季S方式，“能”指的是能力。思考題：舉例說明人類所具有的“智”、“能”？1、人工智能定義：1956年的達特茅斯會議上，人工智能定義首次提出為：人工智能是用計算機模擬人在思維活動中所需智能的工作過程。1987年Michael和Nils將人工智能定義為：人工智能是研究智能行為的科學(xué)。它的最終目的是建立關(guān)于自然智能實體行為的理論和指導(dǎo)創(chuàng)造具有智能行為的人工制品。人工智能有兩個分支，一個為科學(xué)人工智能，一個為工程人工智能。

百度百科將人工智能定義為：它是研究、開發(fā)用于模擬、延申和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。思考題：人有哪些“智能”可以用計算機模擬？2、研究、應(yīng)用人工智能的原因：（1）縮短經(jīng)驗積累周期，擴展個體認知水平（2）將人從繁瑣的重復(fù)性勞動中解脫出來，提高工作效率（3）推動社會進步，帶動相關(guān)產(chǎn)業(yè)發(fā)展（4）構(gòu)建新的知識體系模式，推動技術(shù)發(fā)展進程思考題：你還能想出其他研究、應(yīng)用人工智能的原因嗎？1.2人工智能技術(shù)發(fā)展進程1.孕育期（1956年之前）

這一時期，主要是人類對自身思維方式的總結(jié)，并探索用“機器”來實現(xiàn)某些人類思維。2.形成期（1956-1969）1969年，成立的國際人工智能聯(lián)合會議，標志著人工智能學(xué)科已經(jīng)取得了世界的認可。3.發(fā)展期（1970年-2010年）

學(xué)術(shù)界也相繼成立了多個人工智能學(xué)會、創(chuàng)辦了如ArtificialIntelligence、MachineIntelligence、IJCAI等多種期刊和論文集刊載人工智能的研究成果。Google、蘋果等公司從應(yīng)用角度，也在持續(xù)進行著人工智能產(chǎn)品的研發(fā)。4.融合期（2011年至今）

這一時期開始形成人工智能產(chǎn)業(yè)基礎(chǔ)，人工智能企業(yè)數(shù)量大幅增長、國家出臺政策推動人工智能發(fā)展、人工智能與其他技術(shù)融合更加深入、人工智能技術(shù)獲得了更廣泛的應(yīng)用。1.3人工智能技術(shù)研究的各種學(xué)派1.符號主義

認為人類認知和思維的基本單元是符號，認知過程就是符號操作過程。代表人物紐厄爾、西蒙。

2.連接主義

認為人工智能源于仿生學(xué)，通過對人腦模型的研究，實現(xiàn)人工智能。代表人物霍普菲爾德。3.行為主義

認為學(xué)習是刺激與反應(yīng)之間的聯(lián)結(jié)，學(xué)習的過程，就是一個不斷試錯、強化訓(xùn)練、漸進優(yōu)化的過程。1.4人工智能研究領(lǐng)域1.機器學(xué)習

機器學(xué)習（MachineLearning）就是研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。

它是人工智能的核心技術(shù)，是使計算機具有人類智能的根本途徑。思考題：你能舉出生活中“機器學(xué)習”的例子嗎？2.語音識別

語言是人類區(qū)別于其他動物的基本特征之一。人類在對話時，是通過聲帶振動發(fā)出不同聲音，從而形成對話內(nèi)容，這個功能在人工智能技術(shù)中稱為語音識別（SpeechRecognition）。語音識別是指一種通過計算機將語音生成文本的技術(shù)。思考題：你能舉出生活中“語音識別”的例子嗎？3.自然語言處理

人類語言是及其豐富的，在不同環(huán)境、不同場景下，相同的話語表達的意思可能大不相同，所以除了將語音譯成文字，還要根據(jù)語境分析、理解其中的含義，這個功能在人工智能技術(shù)中稱為自然語言處理(NaturalLanguageProcessing,NLP)。自然語言處理是研究對自然語言含義進行正確、合理、有效分析的理論、方法和實現(xiàn)技術(shù)。思考題：你能舉出生活中“自然語言處理”的例子嗎？4.機器視覺（計算機視覺）

機器視覺（ComputerVision,CV）是研究以計算機、攝像機構(gòu)為核心的系統(tǒng)來模仿人類視覺系統(tǒng)的技術(shù)，讓計算機擁有類似人眼定位、提取、處理、分析、理解圖像的能力。由于視覺信息處理是人類智能的主要特征之一，所以機器視覺成為人工智能領(lǐng)域研究的重點和熱點；同時，因為視覺效果受物體特性、環(huán)境因素等影響，所以機器視覺也是人工智能研究的難點。思考題：你能舉出生活中“機器視覺”的例子嗎？5.機器人學(xué)

當機器的感官和思維方式具有人類特征之后，希望它在形體和行為特征方面也像人類一樣，由此產(chǎn)生了機器人學(xué)，即創(chuàng)造外觀像人一樣的機器，能夠模仿人的動作，并且具有人類感知、識別、分析、處理、學(xué)習和反饋信息的能力。思考題：你了解的機器人發(fā)展到了什么程度？1.5機器視覺概述

1.5.1機器視覺主要分類1.圖像分類

在一張（靜態(tài)）圖片中識別出其中的內(nèi)容，通常圖片內(nèi)容比較單一，主要目的是識別出內(nèi)容所屬的種類，例如圖1-1所示圖片。圖1-1圖像分類的例子2.目標檢測（與定位）

目標檢測不僅要辨別出圖片上內(nèi)容的類別，還要用邊框?qū)⒈鎰e的東西標記出來，確定所識別物體的位置。例如圖1-2中包含很多種水果，通過機器視覺，希望給出水果的名稱和出現(xiàn)的位置。圖1-2目標檢測的例子目標檢測至今仍然是計算機視覺領(lǐng)域較為活躍的一個研究方向，雖然已經(jīng)取得了大量成果，但離一些真實復(fù)雜場景的應(yīng)用還存在一定差距，目標檢測這一基本任務(wù)仍然是非常具有挑戰(zhàn)性的課題，存在很大的提升潛力和空間。圖1-3展示了一個工業(yè)工藝流程復(fù)雜應(yīng)用場景，此時目標檢測存在識別錯誤率較高的情況。圖1-3復(fù)雜工業(yè)場景目標檢測的例子3.語義分割

有些時候，不僅需要知道圖像中是什么內(nèi)容，還想知道更詳細的信息。例如對于圖1-2而言，我們需要知道其中包含的每種水果的數(shù)量，這比圖像分類和目標檢測結(jié)果要求更進了一步，實現(xiàn)這種功能的機器視覺技術(shù)稱為語義分割。即語義分割是指將圖像中的每個像素鏈接到其所屬的類（標簽）的過程，可以將語義分割視為像素級別的圖像分類。語義分割在公共場所中人流計數(shù)、自動駕駛中運行環(huán)境理解、醫(yī)學(xué)影像中診斷分析等領(lǐng)域都有廣闊的應(yīng)用前景和價值。4.目標跟蹤

目標跟蹤是指對圖像序列（在時間上連續(xù)的圖片，例如視頻）中的運動目標進行檢測、提取、識別和跟蹤,獲得運動目標的運動參數(shù)，通過處理和分析,實現(xiàn)對運動目標的行為理解，以完成更高一級的檢測任務(wù)。如圖1-4所示的一段連續(xù)視頻截圖，通過目標跟蹤技術(shù)，定位、跟蹤紅框中的車輛，以獲得需要的信息。圖1-4目標跟蹤的例子5.光學(xué)字符識別（OCR）

圖片中包含的內(nèi)容不僅僅是物體，還有諸如文字、數(shù)字、字符等信息，有時需要將這些信息識別出來，在機器視覺中稱為光學(xué)字符識別（opticalcharacterrecognition，OCR）。它是指通過電子設(shè)備（例如掃描儀或相機）拍攝介質(zhì)上的字符，然后利用字符識別方法將其翻譯成文字的過程。交通中的車牌識別、機場的身份證識別、銀行的銀行卡識別等都屬于OCR應(yīng)用場景。圖1-5利用OCR對工業(yè)數(shù)顯屏數(shù)據(jù)進行識別思考題：你能舉出生活中應(yīng)用OCR技術(shù)的例子嗎？1.5.2機器視覺研究難點1.光照條件

自然環(huán)境（晴天、陰天、白天、黑夜）、光照強度、光線色澤等因素對拍攝圖片的清晰度都會有影響，所以在機器視覺技術(shù)應(yīng)用中，一定要非常重視光照條件，并采取有效措施，盡量避免或減弱光照因素的影響。2.拍攝角度

拍攝角度不同，會使圖片中的內(nèi)容產(chǎn)生變形、扭曲，對于機器視覺技術(shù)應(yīng)用影響較大。所以在安裝攝像裝置時，盡量保證裝置與待拍場景垂直，以獲得最佳的拍攝角度；當待拍場景動態(tài)移動時，需要定制開發(fā)攝像跟蹤裝置，確保合適的拍攝角度，以得到清晰的圖片。3.物體特征

被拍攝物體的一些特征對圖片清晰度也有較大影響，這些特征主要包括物體形狀、物體顏色、物體反光性、是否運動、運動是否規(guī)則等，所以在安裝攝像裝置前,要充分了解物體特征，做出相應(yīng)的解決方案，確保拍攝到期望特征圖片。4.技術(shù)因素