1 生活中的计算机视觉
生活中的各种计算机视觉识别系统已经广泛地应用起来了。
2 计算机视觉与其他学科的关系
认知科学和神经科学是研究人类视觉系统的，如果能把人类视觉系统学习得更好，可以迁移到计算机视觉。是计算机视觉的理论基础。
算法、系统、框架、机器学习等是计算机视觉的工具。
光学设备采集图像给计算机视觉提供输入
图像处理强调的是：我输入的是图像，输出的也是图像，比如增强亮度、去噪
计算机视觉系统：输入的图像，输出的不只是图像。
应用：①图像检索。文字搜图，计算机视觉识别后给图像打了标签。在互联网上占领大的流量的还是图像和视频。②机器人。
3 计算机视觉的介绍
首先谈谈智能的概念，1997年的人工智能系统“深蓝”，战胜了国际象棋的世界冠军。2015年和2017年AlphaGo战胜了李世石和柯洁。
但是这是不是真的智能，现在的人工智能系统能下棋，但是它不能创作诗歌超过人类最优秀的诗人。从这个角度看，这并不是真的智能，它有一个很好的搜索算法，去搜索出最优解。因此，现在只能在数理和数学计算上部分实现人类的智能。
4 三维重构
计算机视觉系统还不够完善。
5 什么是视觉系统
感知 + 解释
人类的视觉系统
机器视觉系统
机器看到的是什么？是一个灰度图，是一个二维矩阵300 * 400
语义鸿沟：从像素到语义内容。存在的极大的差距
我们首先会从人类的视觉系统中去借鉴
6 人类的视觉系统是什么样的
诺贝尔奖成果：让猫去看图片。确定视觉和大脑皮层的关系。
给猫看了大量的图片，但是猫的大脑皮层没有反应。
给猫看简单的图形，某些神经元会有反应。通过后续实验，发现大脑对视觉信息的处理事分层的。
人类的视觉系统非常优秀。
任务：人类能以多快的速度和多高的精度去区分动物和非动物
过了150ms，区分动物和非动物的脑电波信号就不一样了。
7 运动视盲
8 利用上下文去理解语义
上下文背景引导了我们理解图像的过程。
实际上A、B的颜色是一样的。人类的视觉系统会对B进行自动增强。
9 计算机视觉的起源
MIT的研究生暑期项目
1966年，计算机视觉从图像处理中独立出来
先驱人物：马尔
计算机视觉的框架：①计算理论：任务是什么？②表达和算法：输入和输出是什么？③硬件实现：
10 我们能从图像中获取什么信息
3D信息更多地是用于定位
①SLAM
②三维重建
③漫游：一天建成罗马
从这个角度，计算机视觉分为两个大方向：从图像中恢复3D结构信息、从图像中恢复语义信息
11 计算机视觉的发展历程
12 为什么要做计算机视觉
三维重建
人脸识别：计算机识别的第一个真正的应用
虹膜识别
检测与跟踪：
VR：虚拟现实
13 课程资源
14 路线图
