机器人视觉初级系列(1) - 介绍篇

如何学习机器视觉，机器视觉如何入门。

写在前面的话：

刚毕业到公司做人工智能、机器视觉小组，项目启动没多久属于初期研发阶段。作为一个年轻的BOY进入机器视觉这一行，水很深。

学习机器视觉、人工智能前期需要学习图像基本知识，框架有Opencv，数学有CNN、Convolution、SVM、K-Means等知识。为了能够方便公司对后来的新人更快地上手，在这里总结机器视觉、人工智能的前期知识。

学习目标：

• 1、熟悉Linux开发环境，熟练运用开发工具
• 2、个人学习机器视觉为主，能独立进行模块开发

开发环境搭建：

• 1. Linux操作系统：安装LINUX、使用LINUX常用命令、熟悉LINUX下常用软件、配置：
     
     • 安装LINUX
     • 使用LINUX常用命令
     • 熟悉LINUX下常用软件、配置
     • 熟悉ftp，telnet，ssh，修改网络网卡配置
• 2、linux系统知识（如果你这都不会，我就只能哎啦）（1天）

开发环境

开发工具Eclipse: http://www.eclipse.org/downloads/
(笔者本人用Macbook air的Xcode进行C++开发，最新手痒升级了个pro，终于摆脱内存每次开发都占用53%的僵局)

学习计划

学习任务1 (2天)

目的：准备工作

任务1：

• 安装Linux操作系统，并在Linux上安装开发软件。
• 熟悉Linux基本命令。
• 在Linux上安装交叉编译工具。
• 熟悉数字图像处理
• 学习C/C++编程规范，一定要看Google的C++编程规范，一个字“棒”

任务2：

• c++编写一个文件夹管理类：
  
  • 可以递归遍历指定路径的所有文件；
  • 编写makefile文件进行编译；
  • 使用makefile文件；

学习任务2 (1天)

目的：

学会安装Opencv并对Opencv有初步了解；对使用C++进行图像处理有初步了解；学会编写Makrfile文件，并对cmake有初步了解。

任务：

• 安装opencv3.0（笔者个人使用了opencv2.4.13，因为3装起来太多error，搞了一个多小时opencv3后因耽误工作效率决定opencv2，果断2分钟搞定）
• 了解图像的色彩空间（RGB,YUV等），熟悉图像的基本处理方式，例如：膨胀、腐蚀、二值化、均衡化、灰度图等；
• 使用opencv3.0编写c++程序，对图片进行二值化、均衡化，转换灰度图；并编写Makrfile文件对进行编译；

学习任务3 (1天)

目的：

学习基础知识，能够opencv进行独立编码，掌握opencv的基本操作；熟悉对图像的具体操作方式和图像的直方图统计方式。

任务：

• 写一个彩色图片中的物体进行边缘检测，能识别出物体的特征区域轮廓。
• 写一个程序用直方图统计彩色图片像素
• 写一个程序能进行直方图均衡化

学习任务4 (3天)

目的：

学习SVM原理和PVA特征提取方法，能够独立掌握使用Opencv开发的能力。

任务：

• 学习图像图像三大特征提取方式（LBP特征，PCA特征，HOG特征）

PCA特征应用：人脸识别

（1）收集人脸库
（2）将人脸库划分为训练库和测试库
（3）使用opencv，将训练库用PCA进行降维，输入给svm进行训练；
（4）对测试图片进行测试，输出所属的人名；
（5）输出平均脸的图片；

学习任务5 (2天)

目的：

学习了解图像的特征提取方式；能够独立掌握使用Opencv开发的能力。

任务：

• 学习图像图像三大特征提取方式（LBP特征，PCA特征，HOG特征）
• HOG特征应用：行人检测

HOG特征应用：行人检测

（1）基于opencv
（2）收集行人图片，提取图片的HOG特征训练；
（3）识别出图片中的行人

学习任务6 (2天)

目的：

学习了解人工智能相关领域的知识，特别是SVM、神经网络、CNN、图像卷积等知识哦。

任务：

• 人工智能学习
  (1)、了解基本的数学算法公式
  (2)、了解深度学习的基本原理，熟悉神经网络
  (3)、了解opencv、caffe的框架体系，了解当前的已经比较成熟的人脸识别、车牌识别、物体识别案例