《智能光电感知》一书的几位作者通过多年教学和科研实践经验，基于机器视觉领域中Horn学派思想，分析和论述了智能光电感知的核心思想，介绍了光电成像、图像感知和智能分析的相关理论和方法，具有技术和理论相融合的特点，为学习者进一步开展技术和应用研究提供了重要的基础。本书结构清晰，行文严谨，内容专业性强，是高等院校相关专业本科生、研究生以及研究人员不可或缺的参考书籍。

第1章  内容介绍1.1 “感”与“知”1.2 光电感知1.3 智能交互1.3.1 复制一个积木结构1.3.2 从容器中抓取零件1.4 视觉感知的相关领域1.5 成像+视觉1.6 后续章节的概要1.7 习题第2章  成像系统2.1 透视投影2.2 平行直线与消失点2.2.1 消失点理论2.2.2 寻找消失点2.3 确定观测方向2.3.1 确定平行直线的方向2.3.2 判断观测方向2.3.3 正交性约束2.3.4 成像的逆问题2.4 透镜2.5 成像模式的拓展2.5.1 物体表面：透视成像2.5.2 物体内部：层析成像2.6 像素2.7 习题第3章  辐射与亮度3.1 图像亮度3.2 辐射3.3 图像的形成3.4 双向反射分布函数3.5 连续光源3.6 物体表面的反射性质3.7 物体表面的亮度3.8 光度立体视觉3.9 习题第4章  颜色与光谱4.1 电子图像4.2 三色刺激4.3 光谱频带4.4 黑体辐射4.5 红外成像4.6 X射线成像4.7 仿制“响尾蛇”导弹4.8 习题第5章  半导体光电转换5.1 光子吸收原理5.2 半导体P-N结5.3 光电二极管5.4 量子效率5.5 片上太阳能电池5.6 本章小结5.7 习题第6章  图像传感器6.1 CCD图像传感器6.2 CMOS图像传感器6.2.1 无源像素传感器6.2.2 有源像素传感器6.2.3 4T有源像素传感器6.2.4 对数像素图像传感器6.2.5 脉冲调制图像传感器6.3 红外图像传感器6.4 图像传感器的外围电路6.5 本章小结6.6 习题第7章  二值图处理7.1 二值图7.2 标注连通区域7.2.1 种子算法7.2.2 串行标注算法7.3 简单几何性质7.3.1 区域的面积7.3.2 区域的位置7.4 计算朝向7.4.1 投影7.4.2 转动惯量7.5 夜间车灯预警系统7.6 习题第8章  离散线性系统8.1 离散信号与线性系统8.1.1 单位冲击响应8.1.2 移不变系统与卷积8.2 循环卷积8.3 多项式与平移操作8.4 离散Fourier变换8.5 卷积定理8.5.1 特征值分析8.5.2 快速Fourier变换8.6 二维信号的情况8.7 后向投影8.8 习题第9章  图像处理9.1 线性移不变系统9.2 点扩散函数9.3 调制传递函数9.4 二维Fourier变换9.5 模糊和失焦9.6 图像复原与增强9.7 功率谱9.8 Wiener滤波器9.8.1 优化模型9.8.2 变分法求解9.8.3 两个具体例子9.9 离散情况9.10 习题第10章  边缘和角点10.1 图像中的边缘10.2 微分算子10.3 离散近似10.3.1 梯度算子的离散近似10.3.2 Laplace算子的离散近似10.4 确定边缘10.4.1 边缘检测和定位10.4.2 简单边缘模型的缺陷10.4.3 确定长直线边缘10.5 角点检测10.5.1 角点的判断标准10.5.2 角点检测算法10.6 平行轴旋转定理10.7 角点的动态特征10.8 一个具体的例子10.9 习题第11章  光流估计11.1 观测运动11.2 光流：估算速度场11.3 稀疏光流算法11.3.1 一个具体例子11.3.2 算法实现过程11.4 稠密光流算法 31811.4.1 光流的光滑性11.4.2 离散求解11.4.3 算法实现过程11.5 光流的不连续11.6 触觉传感器11.7 习题第12章  无源导航12.1 估计观测者的运动12.2 平动的情况12.2.1 相似曲面与相似运动12.2.2 最小二乘方法12.3 使用其他的范数形式12.4 转动的情况12.5 刚体运动12.6 碰撞时间估计12.7 习题第13章  统计机器学习13.1 一个简单的例子13.2 特征向量13.3 分类模型13.3.1 最近邻分类13.3.2 最近中心分类13.3.3 概率分布模型13.3.4 特征空间的划分13.4 神经网络模型13.4.1 线性神经网络模型13.4.2 非线性神经网络模型13.4.3 对模型的深入理解13.4.4 应用案例：材料基因计算方法13.5 聚类的自动形成13.6 铁轨表面擦伤的自动检测13.7 一个预言故事13.8 习题第14章  随机分析与过程14.1 引例：动物行为分析14.2 集合及其结构14.2.1 集合的σ-代数14.2.2 对集合的分割14.3 概率空间14.4 随机变量14.5 概率分布14.5.1 概率密度函数14.5.2 两个具体例子14.6 条件期望14.6.1 条件概率14.6.2 复合函数映射14.7 随机过程与鞅14.7.1 随机过程的概率空间14.7.2 鞅、超鞅、子鞅14.7.3 两个具体例子14.7.4 停止时间14.8 习题第15章  随机过程的图模型15.1 Markov链15.1.1 人口迁移模型15.1.2 Markov过程15.1.3 有限停止时间15.1.4 调和函数与鞅15.2 基于Markov链的随机采样15.3 链式概率图模型15.4 隐Markov模型15.5 Bayes网络15.6 习题第16章  学生听课状态分析16.1 概率图模型的完善16.1.1 隐模型的参数估计16.1.2 条件概率模型16.1.3 算法16.1.4 条件优选后验估计16.1.5 解决下溢问题16.2 教育机器人16.3 基于感知的智能交互16.4 数据收集与整理16.5 实验结果与分析16.6 本章小结16.7 习题附录一些应用案例A.1基于YOLO的目标检测A.1.1 YOLOv1简介A.1.2 YOLOv2简介A.1.3 YOLOv3简介A.1.4 YOLOv4简介A.1.5 YOLOv5简介A.1.6 YOLO拓展框架简介A.1.7 交并比（IoU）介绍A.2 关于YOLOv5的实际操作A.2.1 YOLO数据集制作A.2.2 YOLOv5模型训练A.2.3 YOLOv5目标检测A.3 常用目标检测算法介绍A.3.1 基于手工标注特征的传统算法A.3.1.1 Viola-Jones算法A.3.1.2 HOG算法A.3.1.3 DPM算法A.3.1.4 传统目标检测算法的缺点A.3.2 目标检测的经典模型A.3.2.1 LeNetA.3.2.2 AlexNetA.3.2.3 NINA.3.2.4 InceptionV1模块A.3.2.5 GoogLeNetA.3.2.6 VGGA.3.2.7 Inception V2A.3.2.8 Inception V3A.3.2.9 ResNetA.3.2.10 Inception V4A.3.2.11 DarknetA.3.2.12 MobileNetA.3.3 基于锚框的双阶段目标检测算法A.3.3.1 R-CNNA.3.3.2 空间金字塔池化网络（SPPNet）A.3.3.3 Fast R-CNNA.3.3.4 Faster R-CNNA.3.3.5 特征金字塔网络（FPN）A.3.4 基于锚框的单阶段目标检测算法A.3.4.1 基于二进制掩膜的目标检测算法A.3.4.2 OverfeatA.3.4.3 SSDA.3.4.4 RetinaNetA.3.5 无锚框目标检测算法A.3.5.1 CornerNetA.3.5.2 CenterNetA.3.5.3 FSAFA.4 智慧工地暴力行为识别A.4.1 工地暴力行为识别需求分析A.4.2 研究思路A.4.3 工地暴力行为识别检测运行框架的总体设计A.4.4 Transformer编码器的实现A.4.5 已有暴力行为数据集调研A.4.6 数据采集及处理A.4.7 实验设置A.4.8 消融实验A.4.9 实验结果A.4.10 工作小结A.5 工地抽烟行为的智能检测A.5.1 问题描述A.5.2 基本算法简介A.5.3 模型训练及测试A.5.4 “目标+动作”联合检测模型A.6 双模态钢轨缺陷快速检测A.6.1 数据采集系统概述A.6.2 数据集概述A.6.3 Parallel-YOLOv4-Tiny轻量级检测方法A.6.4 实验结果与分析A.6.4.1 损失函数实验A.6.4.2 对比实验A.6.5 工作小结A.7 本书总结本书参考文献索引

王亮出生于1983年11月27日，祖籍山东烟台。2015年毕业于北京交通大学计算机与信息技术学院计算机工程系，获博士学位。2011年到2013年在美国麻省理工学院（MIT）数学系进行访问学习，师从于Gilbert Strang教授，从事逆问题理论研究。2015年到2018年在MIT计算机科学与人工智能实验室（CSAIL）做博士后，从事智能交通与自动驾驶方面的研究，指导教师为Berthold K.P. Horn教授。2019年以“百人计划”副教授入职中山大学。目前主要研究兴趣包括：机器视觉，智能感知，自动驾驶等。刘京京出生于1980年4月28日，祖籍吉林榆树市。2003年及2005年毕业于新加坡南洋理工大学电气与电子工程学院，分别获得一级荣誉学士学位和工程硕士学位；2010年毕业于牛津大学工程科学系，获博士学位，期间获EPSRC全额博士奖学金，又获得了EPSRC Plus Fellowship在牛津大学从事一年博士后研究工作。2010年6月-2017年6月深圳光启高等理工研究院企业科学家，获得2018年深圳市科技进步一等奖；2017年7月-2019年6月北京大学深圳研究院研究员；2019年7月至今，于中山大学电子与通信工程学院从事教学和科学研究，校“百人计划”副教授，博士生导师，广东省集成电路工程技术中心核心成员。研究兴趣包括：智能传感器芯片、低功耗CMOS集成电路，生物医疗芯片等。张志勇出生于1976年7月16日，祖籍湖南郴州。2006年毕业于国防科技大学电子与通信工程学院，获博士学位。2006年12月-2018年07月在国防科技大学电子与通信工程学院，从事自动目标识别、实时系统与ASIC技术的教学和科研工作；2018年7月至今，于中山大学电子与通信工程学院从事教学和科学研究，校“百人计划”教授，博士生导师。研究兴趣包括光学成像自动目标识别、智能系统与模式识别、实时系统设计与实现技术等领。作为负责人和主要参与者先后承担国家863重大项目、自然科学基金等项目20余项。作为主要完成人获得省部级科技进步一等奖1项。