作者乔*米尼奇诺。本书分9个章节介绍计算机视觉的重要概念，所有概念都融入了一些很有趣的项目。

提出了一种基于卷积神经网络和长短期记忆（LSTM）神经网络的深度学习网络结构。采用特征融合的方法，通过卷积网络提取出浅层特征与深层特征并进行联接，对特征通过卷积进行融合，将获得的矢量信息输入LSTM单元。分别使用数据光流信息与红绿蓝信息训练网络，将各网络的结果进行加权融合。实验结果表明，所提模型有效地提高了行为识别精度。

人脸关键点标定竞赛数据，是为图像中的人脸标定15个关键位置点，图像时96x96像素的，每个关键点对应一个二维位置坐标用以标识关键点的位置。

机器视觉及图像处理常用算法： 滤波（平滑、降噪） 增强 边缘锐化 纹理分析（去骨架、连通性） 图像分割，灰度、色彩、频谱特征、纹理特征、空间特征； 变换(空域和频域、几何变换、色度变换） 几何形态分析（Blob分析），形状、边缘、长度、面积、圆形度位置、方向、数量、连通性等 搜索匹配 文字识别OCR，印刷质量OCV 色彩分析（色度、色密度、光谱、自动白平衡） 3维测量

Traffic Lights Recognition (TLR) 是一个交通信号灯识别的视频数据，在真实的道路上采集的交通信号灯视频，分辨率为 640x480，由法国一所大学提供。

主要是对GenIcam标准协议进行翻译，将大部分主要内容翻译成中文，以便大家查阅。有一部分不太重要的内容没有翻译。

低照度环境下图片质量会下降。同时, 悬浮在空气中的烟雾、粉尘等物质形成的雾、霾, 会导致图像的细节模糊不清, 对户外拍照和计算机视觉应用造成了极大的影响。因此, 对退化图像进行去雾处理, 提高图像质量, 在图像处理和计算机视觉领域具有非常重要的应用价值。提出一种基于亮通道和暗通道结合的雾霾天气图像去雾算法。基于退化图像的物理模型, 提出一种空气光散射模型, 通过亮通道和暗通道的结合来估计大气光值和透射率。该算法可以解决有雾图像恢复时天空区域的颜色失真问题, 恢复图像的细节和颜色, 提高图像的视觉效果。仿真结果表明, 本文算法优于多尺度Retinex图像去雾算法。

图像处理速度影响整个机器视觉系统的性能,而图像处理的速度问题是由图 像数据的特点和图像处理算法的复杂性引起的,依据图像处理算法及数据的特点,把图像处理分成三个层次:数据处理层!信息提取层!知识应用层,各层在实现 方式上有自己不同的要求"文中分析了各个层次中的算法对硬件的要求,其中数 据处理层对整个系统速度影响较大,针对其特点,研究了数据处理层中的数据存 储结构和算法的硬件实现结构"在邻域处理算法中,对帧存储体的存储结构,以邻域图像并行存取为例,利 用两片DRAM存储芯片作存储体,在FPGA芯片内实现地址变换和存取控制,设 计了行顺序的邻域图像并行存取的帧存储体,在WEBAPCKSIE6.1EDA环境中, 利用VerliogHDL硬件描述语言设计实现"在此基础上,对空间滤波器,利用Xilnxi 公司的FPGA的内部资源,使用高级内核设计工具区linxiCoerGne软件)中的DSP 程序块,构建在核心架构DA一FRI滤波器之上,在WEBAPCKsIE6.1EDA开发环 境中实现其分布式算法"

在道路图像中，为了得到较理想的车道标识边缘，采用基于Sobel算子边缘图像增强的方法增强道路车道线的边缘，从而明显提高车道线提取的准确性。针对道路边界的形状特征提出的二次曲线道路边界模型,实现了对车道标识线的实时跟踪。

在道路图像中，为了得到较理想的车道标识边缘，采用基于Sobel算子边缘图像增强的方法增强道路车道线的边缘，从而明显提高车道线提取的准确性。针对道路边界的形状特征提出的二次曲线道路边界模型， 实现了对车道标识线的实时跟踪。