《機器視覺與應(yīng)用》教學(xué)大綱

《機器視覺與應(yīng)用》教學(xué)大綱適用范圍：202X版本科人才培養(yǎng)方案課程代碼：08140391課程性質(zhì)：專業(yè)選修課學(xué)分：3學(xué)分學(xué)時：48學(xué)時（理論48學(xué)時）先修課程：線性代數(shù)，C語言，人工智能后續(xù)課程：無適用專業(yè)：物聯(lián)網(wǎng)工程開課單位：計算機科學(xué)與技術(shù)一、課程說明《機器視覺與應(yīng)用》是物聯(lián)網(wǎng)工程的一門專業(yè)選修課。課程著重于使學(xué)生掌握機器視覺的基本理論與方法以及一些典型應(yīng)用。通過本課程學(xué)習(xí)和后續(xù)課程實踐使學(xué)生掌握機器視覺的基本概念、基本理論和方法，引入項目案例、動手實踐和編程練習(xí)來加強重點知識。使學(xué)生初步具有解決生產(chǎn)實際需求的能力，如智能化解決檢測、識別和控制的能力，為以后從事模式識別與智能控制的研究與研發(fā)打下堅實基礎(chǔ)。本課程需要守好種好思想教育責(zé)任田，使課程與思想政治理論課同向同行，形成協(xié)同效應(yīng)。二、課程目標(biāo)通過本課程的學(xué)習(xí)，使學(xué)生達到如下目標(biāo)：課程目標(biāo)1：掌握基礎(chǔ)的圖像預(yù)處理和圖像特征提取技術(shù)，熟悉圖像濾波，邊緣特征，全局和局特征，SIFT算子等。課程目標(biāo)2：根據(jù)需求能夠正確提取不同圖像的特征，并加以適當(dāng)?shù)姆诸惼?，實現(xiàn)圖像的分類，檢測和識別等常見任務(wù)，并以后從事模式識別與智能控制的研究與研發(fā)打下堅實基礎(chǔ)。課程目標(biāo)3：了解現(xiàn)在人工智能的發(fā)展趨勢，知道人工智能在各個領(lǐng)域的應(yīng)用；了解人工智能可能帶來的法律對相關(guān)倫理和法規(guī)政策的挑戰(zhàn)。為社會培養(yǎng)具有創(chuàng)新能力的“四有新人”，通過作業(yè)等考核形式樹立正確勞動價值取向，養(yǎng)成積極勞動精神面貌。三、課程目標(biāo)與畢業(yè)要求《機器視覺與應(yīng)用》課程教學(xué)目標(biāo)對物聯(lián)網(wǎng)工程專業(yè)畢業(yè)要求的支撐見表1。表1課程教學(xué)目標(biāo)與畢業(yè)要求關(guān)系畢業(yè)要求指標(biāo)點課程目標(biāo)支撐強度1.工程知識1.2能運用數(shù)學(xué)、自然科學(xué)、工程基礎(chǔ)和專業(yè)知識對物聯(lián)網(wǎng)領(lǐng)域的復(fù)雜工程問題進行建模并求解。課程目標(biāo)1：掌握基礎(chǔ)的圖像預(yù)處理和圖像特征提取技術(shù)，熟悉圖像濾波，邊緣特征，全局和局特征，SIFT算子等。H5.使用現(xiàn)代工具5.2能夠選擇與使用計算機軟、硬件技術(shù)、物聯(lián)網(wǎng)協(xié)議及算法仿真等工具，完成物聯(lián)網(wǎng)領(lǐng)域感知、接入及處理應(yīng)用等方面的復(fù)雜工程問題的分析、計算及設(shè)計。課程目標(biāo)2：根據(jù)需求能夠正確提取不同圖像的特征，并加以適當(dāng)?shù)姆诸惼?，實現(xiàn)圖像的分類，檢測和識別等常見任務(wù)，并以后從事模式識別與智能控制的研究與研發(fā)打下堅實基礎(chǔ)。H8.職業(yè)規(guī)范8.1有正確的價值觀，了解中國國情，能夠踐行社會主義核心價值觀，具備社會責(zé)任感。課程目標(biāo)3：了解現(xiàn)在人工智能的發(fā)展趨勢，知道人工智能在各個領(lǐng)域的應(yīng)用；了解人工智能可能帶來的法律對相關(guān)倫理和法規(guī)政策的挑戰(zhàn)。為社會培養(yǎng)具有創(chuàng)新能力的“四有新人”，通過作業(yè)等考核形式樹立正確勞動價值取向，養(yǎng)成積極勞動精神面貌。M注：表中“H（高）、M（中）”表示課程與相關(guān)畢業(yè)要求的關(guān)聯(lián)度。四、教學(xué)內(nèi)容、基本要求與學(xué)時分配1.理論部分理論部分的教學(xué)內(nèi)容、基本要求與學(xué)時分配見表2。表2教學(xué)內(nèi)容、基本要求與學(xué)時分配教學(xué)內(nèi)容教學(xué)要求，教學(xué)重點難點理論學(xué)時實驗學(xué)時對應(yīng)的課程目標(biāo)1圖像的獲取和表示1.1圖像傳感器技術(shù)；1.2計算機成像；1.3三維深度處理；1.4三維表示。教學(xué)要求：（1）理解數(shù)字圖像處理的定義和起源；（2）了解數(shù)字圖像處理的應(yīng)用；（3）掌握三維深度的一般獲取和校正。重點：計算機成像技術(shù)和圖像在計算機中的表示以及存儲；。難點：三維深度照相機系統(tǒng)、深度圖、網(wǎng)格和點云。41、2、32.圖像預(yù)處理2.1圖像預(yù)處理概述；2.2圖像校正，圖像增強；2.3空間濾波和邊緣檢測；2.4變換濾波，形態(tài)學(xué)與分割，閾值化處理。教學(xué)要求：（1）掌握基本的圖像校正和圖像增強方法；（2）掌握空域濾波和時域濾波和圖像分割。重點:灰圖像濾波與邊緣檢測；難點:Canny檢測，卷積濾波和變換濾波。61、2、33.全局特征和區(qū)域特征3.1視覺基本特征；3.2紋理區(qū)域度量；3.3統(tǒng)計區(qū)域度量；3.4基空間度量。教學(xué)要求：（1）掌握頻域變換的基本概念與原理；（2）掌握常見基空間度量；（3）了解常見區(qū)域度量。重點:圖像矩特征和全局直方圖;難點:小波變換與Fourier譜。81、2、34.局部特征設(shè)計4.1基本的局部特征；4.2局部特征屬性；4.3距離函數(shù)，描述子與描述子特性；4.4搜索策略與優(yōu)化，計算機視覺、模型和結(jié)構(gòu)教學(xué)要求：（1）掌握基本的局部特征；（2）掌握描述子；（3）了解特征的判別和判別策略。重點:描述子的不同表示，描述子的判別性。難點:不同描述子的關(guān)系與區(qū)別和特征提取。81、2、35.局部特征設(shè)計5.1圖像魯棒性；5.2視覺度量分類；5.3特征度量評估。教學(xué)要求：（1）掌握特征魯棒性和度量評估；（2）了解SIFT和LBP。重點:特征的魯棒性；難點:特征度量評估。101、2、36.興趣點檢測與特征描述子6.1興趣點；6.2特征描述；6.3譜描述子，基空間描述子，多邊形形狀描述和3D和4D描述子。教學(xué)要求：（1）掌握基本的譜描述子，基空間描述子，多邊形形狀描述和3D和4D描述子；（2）掌握基本興趣點方法。重點:興趣點的基本方法，特征描述，譜描述子，基空間描述子，多邊形形狀描述和3D和4D描述子；難點:SIFT和Fourier描述子。121、2、3合計48五、教學(xué)方法及手段本課程以課堂講授為主，結(jié)合討論、案例、視頻資源等教學(xué)手段完成課程教學(xué)任務(wù)和相關(guān)能力的培養(yǎng)。學(xué)生比較全面地機器視覺的基本方法與設(shè)計原理，在掌握特征提取基礎(chǔ)上，具有進行物體識別、檢測和定位的初步能力。六、課程資源1.推薦教材（1）斯科特·克里格（劉波，羅棻譯）.計算機視覺度量：從特征描述到深度學(xué)習(xí)[M].北京：人民郵電出版社，2019.2.參考書（1）雄卡.圖像處理、分析與機器視覺[M].北京：清華大學(xué)出版社,2011.（2）施特格.機器視覺算法與應(yīng)用[M].北京：清華大學(xué)出版社,2008.（3）WesleyE.Snyder,HairongQi,林學(xué).機器視覺教程[M].北京：機械工業(yè)出版社,2005.3.期刊（1）YiS,WangX,TangX.DeepLearningFaceRepresentationbyJointIdentification-Verification.Advancesinneuralinformationprocessingsystems,2014,27.（2）DengL,YuD.DeepLearning:MethodsandApplications.Foundations&TrendsinSignalProcessing,2014,7(3):197-387.（3）LitjensG,KooiT,BejnordiBE,etal.ASurveyonDeepLearninginMedicalImageAnalysis.MedicalImageAnalysis,2017,42(9):60-88.（4）CholletF.Xception:DeepLearningwithDepthwiseSeparableConvolutions,2017IEEEConferenceonComputerVisionandPatternRecognition(CVPR).IEEE,2017.(5)DengL.FoundationsandTrendsinSignalProcessing:DEEPLEARNING-MethodsandApplications,SpringerPublishingCompany,Incorporated.SpringerPublishingCompany,Incorporated,2014.4.網(wǎng)絡(luò)資源（1）網(wǎng)易公開課.深度學(xué)習(xí)[EB/OL]./newview/movie/courseintro?newurl=MCS5AQH7J,2022-03-1/2022-6-7.（2）網(wǎng)易公開課.機器學(xué)習(xí)[EB/OL]./newview/movie/free?pid=IEU2H8NIJ&mid=VEU2H8NKA,2022-03-1/2022-6-7.（3）網(wǎng)易公開課.機器視覺導(dǎo)論[EB/OL]./newview/movie/free?pid=BGV0G316O&mid=UGV0G337L,2022-03-1/2022-6-7.七、課程考核對課程目標(biāo)的支撐課程成績由過程性考核成績和期末考核成績兩部分構(gòu)成，具體考核/評價細則及對課程目標(biāo)的支撐關(guān)系見表3。表3課程考核對課程目標(biāo)的支撐考核環(huán)節(jié)占比考核/評價細則課程目標(biāo)123過程性考核課堂表現(xiàn)10（1）根據(jù)課堂出勤情況和課堂回答問題情況進行考核，滿分100分。（2）以平時考核成績乘以其在總評成績中所占的比例計入課程總評成績?！獭獭?32作業(yè)20（1）主要考核學(xué)生對各章節(jié)知識點的復(fù)習(xí)、理解和掌握程度，滿分100分；（2）每次作業(yè)單獨評分，取各次成績的平均值作為此環(huán)節(jié)的最終成績。（3）以作業(yè)成績乘以其在總評成績中所占的比例計入課程總評成績?！獭獭?055測驗10（1）主要考核學(xué)生對各章節(jié)知識點的復(fù)習(xí)、理解和掌握程度，滿分100分；（2）每次測驗單獨評分，取各次成績的平均值作為此環(huán)節(jié)的最終成績。（3）以測驗成績乘以其在總評成績中所占的比例計入課程總評成績。532期末考核60（1）成績100分，乘以其在總評成績中所占的比例計入課程總評成績。（2）主要考核利用課本所學(xué)的知識，結(jié)合物聯(lián)網(wǎng)工程，采取圖像數(shù)據(jù)，進行圖像預(yù)處理，然后提取特征，并設(shè)計相應(yīng)分類器，實現(xiàn)物體識別?！獭獭?52411合計：100分453520八、考核與成績評定1.考核方式及成績評定考核方式：本課程主要以課堂表現(xiàn)、作業(yè)、期末大作業(yè)等方式對學(xué)生進行考核評價?？己嘶疽螅嚎己丝偝煽冇善谀┛己顺煽兒瓦^程性考核成績組成。其中：期末考核成績?yōu)?00分（權(quán)重60%），考核方式為大作業(yè)；課堂表現(xiàn)和作業(yè)等過程性考核成績?yōu)?00分（權(quán)重40%）；過程性考核和考試分值分配應(yīng)與教學(xué)大綱各章節(jié)的學(xué)時基本成比例。2.過程性考核成績的標(biāo)準(zhǔn)過程性考核方式重點考核內(nèi)容、評價標(biāo)準(zhǔn)、所占比重見表4。表4過程性考核方式評價標(biāo)準(zhǔn)考核方式所占比重(%)100>x≥9090>x≥8080>x≥7070>x≥60x<60課堂表現(xiàn)25積極參與教學(xué)