计算机视觉知识体系

文章目录

  • 一、计算机视觉
    • 1.1 系统工程方案层
    • 1.2 领域任务模块层
    • 1.3 基础算法层
    • 1.4 深入领域体会

一、计算机视觉

三个层次:系统工程方案层、领域任务模块层、基础算法层。

三方面知识点:图像处理、机器学习、基础数学与模型。

视频的三个场景:近距离(手机、智能硬件、PC等),室内中距离(室内,如办公室、商场、家内;卡口,门口等),室外远距离(道路、公共场所等)

1.1 系统工程方案层

WEB图像结构化;离线SDK图像结构化;视频关键帧获取、结构化、序列化行为分析、结果图流媒体;

性能上,高并发;高可用;单张时间,尽量在200ms以内,尤其是视频;准确度。

1.2 领域任务模块层

五大领域(人、车、文、物、事)

  1. 人:人体(检测、关键点、属性分类、行为、识别或者以图搜人);人脸(检测、关键点、属性分类、活体行为、识别);
  2. 车:车辆(检测、关键点、品牌细分类、属性分类、行为,识别或者以图搜车);车牌(检测、样式分类、文字识别);
  3. 文:OCR(图像预处理、基于图像分类、全部文字检测、指定字段定位、文字识别、基于文字内容分类),领域:票据、证件(个人、企业)、证书、车牌、自然场景(内部系统图像、门牌、站牌、物体等)
  4. 物:动物(检测、关键点、品种细分类、属性分类、行为、识别或以图搜动物);物体(检测、关键点、品牌细分类、属性分类、识别或以图搜物)
  5. 事:特定场景检测,如烟火、物体遗留、工业视觉等。

1.3 基础算法层

三个方面(检测分割、分类识别、图像预处理)

  1. 检测分割:定位目标位置、分出目标类别、提取目标关键点、从画面中分割出目标的像素。
  2. 分类识别:分类包含三层,大类、属类、细类,检测到目标后,目标品牌或者品种细分类、目标属性分类(颜色、形状、属类等)、静态行为分类、序列行为分类;提取目标特征,结合类别进行以图搜图识别。
  3. 图像预处理:图像增强、去雾、亮度调整、倾斜校正等。

1.4 深入领域体会

人脸领域,检测敏感度(人脸倾斜检测)、误检测率,人脸特征提取速度,人脸识别准确度。

车辆领域,车牌准确度、敏感度;颜色、类型、品牌准确度;车辆整体特征与内部局部特征的提取;车辆行为分析。

文字领域,图像质量对文字检测与识别的影响,图像预处理,文字检测的准确度与漏检率,文字识别,文字语义的分析。

视频领域,三大难题:(1)误检较多。(2)漏检问题,例如遮挡、逆光条件、倾斜姿态较大等情况无法检测到。(3)速度问题,检测算法速度无法完全达到实时性,在100ms以内就不错。解决速度问题方法:a.视频关键帧或间隔帧;b.图像压缩,坐标还原;c.耗时模块在关键时刻运行,其他时刻做数据关联。

计算机视觉知识体系_第1张图片
计算机视觉知识体系_第2张图片
计算机视觉知识体系_第3张图片
计算机视觉知识体系_第4张图片
计算机视觉知识体系_第5张图片
计算机视觉知识体系_第6张图片

你可能感兴趣的:(目标检测经典论文导读,计算机视觉,人工智能,算法,CNN)