封面
书名页
版权页
前言
目录
第1章 视觉智能前沿
 1.1 计算机视觉发展阶段
  1.1.1 马尔计算视觉
  1.1.2 昙花一现的主动和目的视觉
  1.1.3 多视几何和分层三维重建
  1.1.4 基于学习的视觉
 1.2 下一代人工智能架构
  1.2.1 什么是智能
  1.2.2 为什么火爆的深度学习并不是真正的AI
  1.2.3 什么是脑科学人工智能
  1.2.4 脑科学向AI转化的挑战
  1.2.5 脑科学视觉识别系统的优势
 1.3 视觉智能多场景发展
  1.3.1 生物计量领域的应用
  1.3.2 在人工智能物联网领域的应用
  1.3.3 在汽车领域的应用
 1.4 如何进行视觉智能的研究
 1.5 视觉智能团队历年研究历程
  1.5.1 场景理解科研团队
  1.5.2 图像处理团队
  1.5.3 旋风智能车团队
  1.5.4 无障碍服务团队
 1.6 视觉智能发展趋势
  1.6.1 从二维成像升级到三维视觉
  1.6.2 3D视觉应用领域更加多样化
  1.6.3 3D视觉感知技术要求不断提升
第2章 机器的生命观
 2.1 机器智能的内涵与讨论
  2.1.1 视觉智能领域的关键科学问题
  2.1.2 机器智能的内涵
  2.1.3 机器视觉与人工视觉的对比
 2.2 机器生命观的起源与发展
  2.2.1 机器生命观的研究起源
  2.2.2 机器生命的概念与分类
  2.2.3 机器生命与人工智能的关系
  2.2.4 机器视角下的生命观
 2.3 多模态认知计算
  2.3.1 机器认知能力在于信息利用率
  2.3.2 多模态认知计算的主线
  2.3.3 机遇与挑战
 2.4 我国公共服务机器人简介
  2.4.1 公共服务机器人概述
  2.4.2 公共服务机器人的发展
第3章 视觉智能中的数学
 3.1 矩阵基础
  3.1.1 矩阵的定义与概念
  3.1.2 几种特殊的矩阵
  3.1.3 矩阵的运算
  3.1.4 矩阵的微分
 3.2 向量基础
  3.2.1 向量的定义与概念
  3.2.2 向量的基本运算与公式性质
  3.2.3 范数
  3.2.4 向量的相似性度量
  3.2.5 随机向量及其分布
 3.3 概率论基础
  3.3.1 随机事件和概率
  3.3.2 随机变量及其概率分布
  3.3.3 随机变量的数字特征
  3.3.4 大数定律和中心限定理
 3.4 视觉智能数学补充说明
  3.4.1 数理统计的基本概念
  3.4.2 参数估计
  3.4.3 李群与李代数
第4章 视觉智能认知的基本任务和方法
 4.1 图像分类
  4.1.1 图像分类常用数据集
  4.1.2 图像分类经典网络结构
 4.2 目标检测
  4.2.1 目标检测常用数据集
  4.2.2 目标定位和检测的基本方法
 4.3 图像分割
  4.3.1 图像分割常用数据集
  4.3.2 语义分割的方法与思路
 4.4 图像生成
  4.4.1 生成对抗网络
  4.4.2 扩散模型
第5章 视觉智能中的深度学习
 5.1 机器视觉发展现状
 5.2 深度学习发展趋势
 5.3 深度学习常用基准数据集
 5.4 卷积神经网络技术基础
  5.4.1 卷积运算
  5.4.2 池化运算
  5.4.3 BN层与全连接层
  5.4.4 激活函数
  5.4.5 模型参数选择
 5.5 国内外知名刊物
第6章 视觉智能中的行为认知
 6.1 从视觉感知智能到视觉认知智能
 6.2 从认知智能到行为智能
  6.2.1 基于行业知识图谱的深度应用
  6.2.2 基于知识图谱的隐性关系挖掘和推理
  6.2.3 行业趋势
  6.2.4 认知智能的落地条件及挑战
 6.3 强化学习与决策
  6.3.1 强化学习
  6.3.2 强化学习的环境
  6.3.3 强化学习中的数据
  6.3.4 深度强化学习
  6.3.5 深度强化学习在自然语言处理中的应用
 6.4 行为认知数据集
  6.4.1 驾驶行为认知数据集
  6.4.2 行为仿真数据集
第7章 视觉智能与元宇宙
 7.1 元宇宙的发展
  7.1.1 元宇宙的定义
  7.1.2 元宇宙的特征
  7.1.3 元宇宙所需要的技术支撑
 7.2 元宇宙中的视觉智能
  7.2.1 元宇宙下的视觉设计
  7.2.2 VR/AR技术成为通往元宇宙的关键接口
  7.2.3 未来视觉技术寓于元宇宙
  7.2.4 RGBD智能立体视觉系统
 7.3 元宇宙与光电显示技术
 7.4 元宇宙在视觉领域的发展趋势和展望
  7.4.1 发展现状
  7.4.2 面临的问题
  7.4.3 未来展望
第8章 三维场景中的视觉智能
 8.1 三维场景深度图像获取技术
  8.1.1 基于双目相机的立体匹配方法
  8.1.2 基于单目相机的深度估计方法
 8.2 三维场景视觉定位与制图技术
  8.2.1 视觉SLAM技术框架
  8.2.2 视觉SLAM技术方法
  8.2.3 视觉SLAM前沿技术
  8.2.4 三维视觉数据集
 8.3 三维视觉建模方法
  8.3.1 传统三维建模方法
  8.3.2 基于深度学习的三维建模方法
 8.4 三维视觉发展趋势与展望
第9章 自动驾驶视觉智能认知
 9.1 自动驾驶国内外发展政策
  9.1.1 国外政策
  9.1.2 国内政策
 9.2 场景分割
  9.2.1 场景分割定义
  9.2.2 场景语义分割
 9.3 自动驾驶中的静态目标检测
  9.3.1 信号灯识别
  9.3.2 车道线检测
  9.3.3 道路交通标志牌识别
  9.3.4 路面交通标志识别
  9.3.5 道路障碍物检测
 9.4 自动驾驶中的动态目标检测
  9.4.1 基于单传感器的目标检测方法
  9.4.2 基于多传感器融合的目标检测方法
 9.5 场景理解
  9.5.1 场景元素
  9.5.2 空间和拓扑关系
  9.5.3 事件的时间顺序
  9.5.4 Ridecell场景语言（RSL）
  9.5.5 场景覆盖范围
 9.6 自动驾驶软硬件平台
  9.6.1 硬件构成
  9.6.2 软件算法构成
  9.6.3 自动驾驶视觉数据集
 9.7 应用场景
  9.7.1 私家车出行场景
  9.7.2 自动泊车场景
  9.7.3 网约车/公共出行场景
  9.7.4 无人驾驶环卫车
 9.8 自动驾驶的瓶颈技术
 9.9 自动驾驶发展趋势
第10章 智能座舱关键技术与应用
 10.1 智能座舱与自动驾驶的关系（舱驾融合）
 10.2 智能座舱系统的技术架构
 10.3 智能座舱内的视觉技术
  10.3.1 智能座舱内语音交互
  10.3.2 智能座舱内手势交互
  10.3.3 智能座舱视觉监控与交互
  10.3.4 智能座舱内AR-HUD显示
 10.4 智能座舱的发展与展望
第11章 视觉智能在信息无障碍领域的应用
 11.1 信息无障碍视觉智能技术发展现状
  11.1.1 手语领域
  11.1.2 盲文领域
 11.2 信息无障碍视觉智能技术发展瓶颈
  11.2.1 书写系统理论
  11.2.2 手语输入系统
  11.2.3 文字信息提取
 11.3 落地前沿案例
  11.3.1 视觉问答
  11.3.2 实例分割
  11.3.3 无障碍技术
  11.3.4 华为无障碍技术成果
 11.4 展望
  11.4.1 书写系统理论的完善
  11.4.2 输入系统的实现
第12章 面向教育服务的视觉智能
 12.1 视觉智能技术在教育领域的发展现状
  12.1.1 传统教育方式面临的局限与瓶颈
  12.1.2 视觉智能技术与传统教育方式的交融
 12.2 视觉智能技术在教育领域的具体应用
  12.2.1 智能教育与人机协同
  12.2.2 智能视觉与远程教育
  12.2.3 智能视觉与数字孪生
第13章 面向救援场景的视觉智能
 13.1 救援机器人的分类
  13.1.1 水上救援机器人
  13.1.2 消防救援机器人
  13.1.3 矿区救援机器人
 13.2 机器视觉应用场景
  13.2.1 洪涝灾害中的机器视觉
  13.2.2 火灾探测中的机器视觉
  13.2.3 矿区环境中的机器视觉
 13.3 机器视觉在矿区中的应用
  13.3.1 矿区救援环境
  13.3.2 矿区无人驾驶
  13.3.3 矿区三维重建
 13.4 矿区救援环境中的地图构建
  13.4.1 相机与图像
  13.4.2 图像去畸变
  13.4.3 矿区建图流程
  13.4.4 矿区建图优化
第14章 视觉智能中的数据安全
 14.1 图像视觉数据安全技术
  14.1.1 对称与非对称加密算法
  14.1.2 基于矩阵变换和像素置换的图像加密技术
  14.1.3 混沌图像加密技术
 14.2 数据生命周期各阶段常见方法
  14.2.1 采集阶段
  14.2.2 传输阶段
  14.2.3 存储阶段
  14.2.4 处理阶段
  14.2.5 共享、交换阶段
  14.2.6 销毁阶段
 14.3 新形势下的数据安全分析
  14.3.1 数据作为生产要素的新风险
  14.3.2 新形势下数据安全的核心场景
  14.3.3 新形势下数据安全新的技术方向
第15章 隐私计算与视觉智能
 15.1 隐私计算
  15.1.1 隐私计算技术概述
  15.1.2 隐私计算核心技术
  15.1.3 隐私计算技术解决的主要问题
 15.2 隐私计算在视觉领域的应用
参考文献
封底