计算机视觉 教学大纲

《计算机视觉》教学大纲

一、课程基本信息

1.课程名称：计-算机视觉(ComputerVision)

2.学分学时：3学分，48学时(含课堂教学36学时，实验教学12学时)

3.考核方式：考查

4.课程类别：专业选修课

5.适用专业：计算机科学与技术、物联网工程、人工智能、软件工程

6.先修课程：矩阵理论与应用、Python程序设计、数字图像处理

7.后续课程：计算机视觉项目实践

8.开课单位：计算机学院

二、课程性质

计算机视觉是一门重要的专业课程。本课程以计算机视觉的基本概念和算法为基础，将理论知识、科

学研究和工程实践有机结合起来,以具体的图像与视觉案例为弓导，讲解计算机视觉问题的一般求解方法。

通过学习，使学生能了解图像处理与计算机视觉在各个领域的相关应用，能运用图像处理与计算机视觉的

基本原理和方法从事图像分割、目标检测、识别和跟踪等工作，培养学生工程实践能力和技术创新能力。

并通过对计算机视觉的发展历史、研究热点的介绍，培养学生的探索精神，赋予其攻克前沿学术问题的勇

气，

三、课程目标

通过本课程学习，学生应达到的预期教学目标如下：

1.了解计算机视觉研究FI标、研究任务、研究热点和发展趋势；

2.掌握常用图像预处理方法、特征提取方法和图像分类算法，培养学生对技术问题的理解能力、归纳

总结的能力和自主学习的能力；

3.掌握神经网络和深度学习的理论和方法，能够基于相关科学原理和数学模型方法表达和解决复杂

工程问题。

四、教学内容及学习要求

第一单元计算机视觉概述

支撑目标：课程目标1

教学内容：

1.计算机视觉定义；

2.计算机视觉任务：

3.计算机视觉与其它学科的联系。

学习要求：

1.了解计算机视觉的定义；

2.了解计算机视觉的主要研究内容。

第二单元Python和OpenCV运行环境

支撑目标：课程目标2

教学内容：

1.Anaconda的安装；

2.编译器安装；

3.OpenCV视觉库安装；

4.OpenCV图像基本操作

学习要求：

1.能够熟练配置Python和OpenCV运行环境；

2.掌握OpenCV中图像的基本操作。

第三单元图像预处理

支撑目标：课程目标2

教学内容：

1.直方图修正；

2.空域滤波；

3.频域滤波。

实验一：图像基础变换和预处理

学习要求：

1.理解直方图均衡化和规定化原理；

2.掌握空域滤波和频域滤波的经典算法。

第四单元图像特征提取

支撑目标：课程目标2

教学内容：

1.HOG特征；

2.SIFT特征：

3.哈希特征。

学习要求：

1.理解并掌握HOG特征和SIFT特征的原理和实现方法;

2.掌握不同类型的哈希特征的实现方法。

第五单元图像分类

支撑目标：课程FI标2

教学内容；

2

1.KNN分类；

2.贝叶斯分类器；

3.SVM分类器;

4.分类器评价。

学习要求：

1.理解并掌握传统分类器的分类机理和实现方法;

2.掌握分类器的评价指标。

第六单元神经网络基础

支撑目标：课程目标3

教学内容：

1.神经网络基本概念；

2.激活函数；

3.神经网络设计：

4.损失函数；

5.梯度下降；

6.神经网络反向传播。

实验二：神经网络分类

学习要求：

1.理解神经网络的算法流程和作用机理：

2.掌握神经网络的反向传播方式。

第七单元卷积神经网络的基本概念

支撑目标：课程目标3

教学内容：

1.卷积层；

2.池化层；

3.激活函数；

4.全连接层；

5.卷积神经网络示例；

6.卷积的有效性。

学习要求：

1.理解卷积神经网络各层的作用；

2.理解卷积的有效性。

第八单元目标检测

支撑目标：课程目标3

教学内容：

1.口标检测发展；

3

2.候选框提取；

3.目标定位和分类；

4.Two-stage目标检测算法；

5.One-stage目标检测算法；

6.YOLO目标检测实例,

学习要求：

1.掌握滑动窗口算法；

2.理解R-CNN及其变种、YOLO、55D算法的原理。

第九单元其他深度学习网络

支撑目标：课程H标3

教学内容：

1.循环神经网络；

2.深度信念网络：

3.生成对抗网络；

学习要求：

1.掌握LSTM网络的原理和训练方法；

2.理解生成对抗网络的目标函数。

第十单元人脸表情识别研究

支撑目标：课程目标3

教学内容：

1.人脸表情识别的发展历史；

2.人脸表情识别的主要方法；

3.人脸表情识别的实现过程；

4.人脸表情识别的评价指标；

5.人脸表情识别的挑战。

学习要求：

1.掌握人脸表情识别的算法原理和实现方法；

2.理解人脸表情识别的评价指标。

五、学时分配

课程教学内容各单元建议学时分配如下表，具体实施时应根据学生学习效果做适当调整。

教学内容课堂教学课内实验课外实践小计支撑的课程目标

第一单元计算机视觉概述221

第二单元Python与OpenCV运行环境222

4

第三单元图像预处理4262

第四单元图像特征提取6282

第五单元图像分类4262

第六单元神经网络基础4263

笫七单元卷积神经网络的基本概念443

第八单元目标检测4263

第九单元其他深度学习网络443

第10单元人险表情识别研究2243

小计361248

六、课内实验安排

序号实验项目学时性质类型每组生数支撑的课程目标

1图像基础变换和预处理2必做验证12

2图像特征提取2必做验证12

3传统图像分类2必做设计12

4神经网络分类2必做设计13

5目标检测2必做综合1Vq

6人脸表情识别2必做综合1Vq.

七、教学环节及方法

课程教学包括课堂教学和课内实验两个环节，建议教学方法如下：

•课堂讲授（36学时）：教学方法包括讲授法、演示法、案例法、练习法，其中（1）讲授法：采

用理论与实际相结合的一体化课堂讲授，以多媒体课件教学为主；（2）演示法：不局限在多媒体

教室的教学场地，采用实物、录像、图片、视频演示等方法，将复杂的原理用简单的、感性的方

法展现出来；（3）案例法：以计算机视觉领域的实际应用为案例，提高学生解决实际问题的能力，

为今后实现零距离上岗打下坚实基础；（4）练习法：课程各章讲授结束后，安排若干作业和思考

题，以便学生巩固和强化课堂教学内容。

•课内实验（12学时）：设置6个必修实验项目，包括课前预习、现场操作、实验报告等环节，具

体内容和要求在实验指导书中加以说明。

八、课程考核

5

课程考核由平时考核（20%）、课内实验考核（20%）和期末考试（60%）四部分组成，考核内容及评价

标准如下：

1.平时考核

重点考核学生对教学内容的掌握情况，主要考查点是3次平时作业。

（1）平时作业考核范围和分值权重

教学单元及支撑的

考核内容及要求权重®

考查点课程目标

第三单元

直方图均衡化、空域滤波30课程目标2

（作业1）

第五单元

KNN分类器，SVM分类器30课程口标2

（作业2）

第六单元

神经网络反向传搏、CNN卷积层参数40课程目标3

（作业3）

（2）平时作业评价标准

评价标准

考查点

100-90分89-80分79-70分69-60分59-0分

完全掌握直方图均良好掌握直方图均基本掌握方图均衡未能掌握宜方图

较好掌握直方图均衡

衡化的原理和实衙化的原理和实化的原理和实现、均衡化的原理以

化的原理和实现、空

现、空域游波的作现、空域滤波的作空域滤波的作用机及空域滤波的作

域滤波的作用机理和

用机理和实现，能用机理和实现，能理和实现，能基本用机理，不能正确

实现，能较好地计算

作业1准确地计算出直方良好地计算出直方正确计算出直方图计算出直方图均

出百方图均衡化和空

图均衡化和空域漉图均衡化和空域流均衡化和空域滤波衡化和空域滤波

域滤波之后的结果。

波之后的结果。过波之后的结果。过之后的结果。过程的结果。过程不完

过程基本完整，书写

程完整，书写工整、程较完整，书写工基本完整，书写基整，书写难以辨

基本清晰。

清晰。空、清晰。本清晰。认。

完全掌握KNN复杂较好掌握KNN复杂度基本掌握KNN复杂未能掌握KNN复杂

良好掌握KNN复杂

度计算、SVM训练参计算、SVV训练参数度计算、SVM训练参度计算、SVM训练

度计算、SVM训练参

数设置，能准确地设置，能较好地计算数设置，能基本正参数设置，不能正

数设置，能良好地

计算出KNN算法的出KNN算法的复杂确计算出KNN算法确计算出KNN算法

作业2计算出KNN算法的

其杂度、精确设置度、较为精确地设置的复杂度和SVM训的免杂度和SVM训

复杂度和SVM训练

SVM的训练参数。过SVM训练参数。过程练参数。过程基本练参数。过程不完

参数。过程较完整，

程完整，书写工整、基本完整，书写基本完整，书写基本清整，书写难以辨

书写工整、清晰。

清晰。清晰。晰。认。

完全掌握神经网络良好掌握神经网络较好掌握神经网络的基本掌握神经网络未能掌握神经网

的反向传播和CNN的反向传播和CNN反向传播和CNN卷积的反向传播和CNN络反向传播和CNN

作业3卷积层参数的计卷积层参数的计层参数的计算，能较卷积层参数的计卷积层参数计算，

算,能准确地计算算，能良好地计算好地计算出神经网络算，能基本正确计不能正确计算出

出神经网络反向传出神经网络反向传反向传播和CNN卷积算出神经网络反向神经网络反向传

6

播和CNN卷积层参播和CNN卷积层参层参数。过程基本完传播和CNN卷枳层播和CNN卷积层参

数。过程完整，书写数。过程较完整，书整，书写基本清晰。参数。过程基本完数。过程不完整，

工整、清晰。写工整、清晰。整，书写基本清晰。书写难以辨认。

2.课内实验考核

重点考核学生对教学内容的实践操作能力，主要考查点是6个实验项目，包括实验准备、实施效果、

实验报告等环节，具体内容及评价标准见课内实验教学大纲。

3.期末考试

期末考试采用开卷或闭卷笔试形式（时间100分钟，满分100分），试卷主要考查点、考核要求、分

值权重建议见下表，评价标准见课程考试试卷评分标准。

权重支撑的

教学单元主要考查点及考核要求

（%）课程目标

第一单元计算机视觉研究内容、研究目标、主要任务和发展趋势（理解概念，

8课程目标

计算机视觉概述熟练掌握）1

第.二单兀PythonOpenCV图像基本操作，如图像的几何变换、图像的颜色变换（理解

5课程目标2

与OpenCV运行环境概念和实现方法）

第三单元直方图均衡化、直方图规定化（理解原理、能实现）、空域平滑和

12课程目标2

图像预处理锐化源波.频域平滑和锐化派波（理解概念和实现方法）

第四单元HOG特征原理和实现方法（理解原理、掌握实现方法）、SIFT特征

15课程目标2

图像特征提取原理（理解）、哈希特征计算（掌握计算方法）

第五单元KNN分类器的原理、超参设置（理解概念），SVM分类器原理和参

15课程目标2

图像分类数设置（理解概念）、分类器评价指标（能计算评价指标）

第六单元神经网络设计（能设计完整的神经网络）、激活函数、损失函数、

15课程目标3

神经网络基础梯度下降（理解概念）、反向传播（掌握反向传播流程）

第七单元卷积神经卷积层设计、池化层设计、全连接层（理解各层作用）、参数设置

12课程目标3

网络的基本概念（能计算参数数量）、卷积有效性（理解）

第八单元目标检测发展（了解）、候选框提取（掌握方法）、iwo-slage和

one-stage目标检测（理解概念、熟练掌握）、YOLO目标检测实例10课程目标3

目标检测

（掌握）

第九单元循环神经网络概念（了解）、LSTM（掌握原理和训练方法）、深度

置信网络（了解）、对抗生成网络基本概念i了解）、GAN训练过8课程目标3

其他深度学习网络

程和目标函数（掌握）

九、课程目标达成评价

1.课程目标与教学单元及考核方式的对应关系

7

作业考核实验考核期末考试

课程目标教学单元

(，)(%)(%)

课程目标1第一单元计算机视觉概述8

第二单元Python和OpenCV运行环5

第三单元图像预处理30（作业1）16（实验1）12

课程目标2

第四单元图像特征提取16（实验2）15

第五单元图像分类30（作业2）16（实验3）15

第六单元神经网络基础40（作业3）16（实验4）15

第七单元卷积神经网络的基本概念12

课程目标3第八单元目标检测18（实验5）10

第九单元其他深度学习网络8

第十单元人脸表情识别研究18（实验6）

总计100100100

2.总评成绩各考核环节评价参考分值

考核环节及分值

课程目标

作业考核实验考核期末考试合计

课程目标1：了解计算机视觉研究目标、研究任

4.84.8

务、研究热点和发展趋势。

课程目标2：掌握常用图像预处理方法、特征提

6（作业1）10（实验

取方法和图像分类算法，培养学生对技术问题的28.250.2

1、2、3）

理解能力、归纳总结的能力和自主学习的能力。6（作业2）

课程目标3：掌握神经网络和深度学习的理论和

10（实验

方法，能够基于相关科学原埋和数学模型方法表H（作业3）2745

4、5、6）

达和解决复杂工程问题。

总计202060100

3.课程目标达成情况定量测算

课程分目标达成度=总评—课程分目标各相关考核环节学