本書由國家自然科學基金（62174181）、中山大學中青年教師科研能力提升項目資助出版；可供高等院校電子、通信、計算機、人工智能等相關專業教學使用，亦可做為研究人員的參考書籍。

●第1章  內容介紹1.1 “感”與“知”1.2 光電感知1.3 智能交互1.3.1 復制一個積木結構1.3.2 從容器中抓取零件1.4 視覺感知的相關領域1.5 成像+視覺1.6 後續章節的概要1.7 習題第2章  成像繫統2.1 透視投影2.2 平行直線與消失點2.2.1 消失點理論2.2.2 尋找消失點2.3 確定觀測方向2.3.1 確定平行直線的方向2.3.2 判斷觀測方向2.3.3 正交性約束2.3.4 成像的逆問題2.4 透鏡2.5 成像模式的拓展2.5.1 物體表面：透視成像2.5.2 物體內部：層析成像2.6 像素2.7 習題第3章  輻射與亮度3.1 圖像亮度3.2 輻射3.3 圖像的形成3.4 雙向反射分布函數3.5 連續光源3.6 物體表面的反射性質3.7 物體表面的亮度3.8 光度立體視覺3.9 習題第4章  顏色與光譜4.1 電子圖像4.2 三色刺激4.3 光譜頻帶4.4 黑體輻射4.5 紅外成像4.6 X射線成像4.7 仿制“響尾蛇”導彈4.8 習題第5章  半導體光電轉換5.1 光子吸收原理5.2 半導體P-N結5.3 光電二極管5.4 量子效率5.5 片上太陽能電池5.6 本章小結5.7 習題第6章  圖像傳感器6.1 CCD圖像傳感器6.2 CMOS圖像傳感器6.2.1 無源像素傳感器6.2.2 有源像素傳感器6.2.3 4T有源像素傳感器6.2.4 對數像素圖像傳感器6.2.5 脈衝調制圖像傳感器6.3 紅外圖像傳感器6.4 圖像傳感器的外圍電路6.5 本章小結6.6 習題第7章  二值圖處理7.1 二值圖7.2 標注連通區域7.2.1 種子算法7.2.2 串行標注算法7.3 簡單幾何性質7.3.1 區域的面積7.3.2 區域的位置7.4 計算朝向7.4.1 投影7.4.2 轉動慣量7.5 夜間車燈預警繫統7.6 習題第8章  離散線性繫統8.1 離散信號與線性繫統8.1.1 單位衝擊響應8.1.2 移不變繫統與卷積8.2 循環卷積8.3 多項式與平移操作8.4 離散Fourier變換8.5 卷積定理8.5.1 特征值分析8.5.2 快速Fourier變換8.6 二維信號的情況8.7 後向投影8.8 習題第9章  圖像處理9.1 線性移不變繫統9.2 點擴散函數9.3 調制傳遞函數9.4 二維Fourier變換9.5 模糊和失焦9.6 圖像復原與增強9.7 功率譜9.8 Wiener濾波器9.8.1 優化模型9.8.2 變分法求解9.8.3 兩個具體例子9.9 離散情況9.10 習題第10章  邊緣和角點10.1 圖像中的邊緣10.2 微分算子10.3 離散近似10.3.1 梯度算子的離散近似10.3.2 Laplace算子的離散近似10.4 確定邊緣10.4.1 邊緣檢測和定位10.4.2 簡單邊緣模型的缺陷10.4.3 確定長直線邊緣10.5 角點檢測10.5.1 角點的判斷標準10.5.2 角點檢測算法10.6 平行軸旋轉定理10.7 角點的動態特征10.8 一個具體的例子10.9 習題第11章  光流估計11.1 觀測運動11.2 光流：估算速度場11.3 稀疏光流算法11.3.1 一個具體例子11.3.2 算法實現過程11.4 稠密光流算法 31811.4.1 光流的光滑性11.4.2 離散求解11.4.3 算法實現過程11.5 光流的不連續11.6 觸覺傳感器11.7 習題第12章  無源導航12.1 估計觀測者的運動12.2 平動的情況12.2.1 相似曲面與相似運動12.2.2 最小二乘方法12.3 使用其他的範數形式12.4 轉動的情況12.5 剛體運動12.6 踫撞時間估計12.7 習題第13章  統計機器學習13.1 一個簡單的例子13.2 特征向量13.3 分類模型13.3.1 最近鄰分類13.3.2 最近中心分類13.3.3 概率分布模型13.3.4 特征空間的劃分13.4 神經網絡模型13.4.1 線性神經網絡模型13.4.2 非線性神經網絡模型13.4.3 對模型的深入理解13.4.4 應用案例：材料基因計算方法13.5 聚類的自動形成13.6 鐵軌表面擦傷的自動檢測13.7 一個預言故事13.8 習題第14章  隨機分析與過程14.1 引例：動物行為分析14.2 集合及其結構14.2.1 集合的σ-代數14.2.2 對集合的分割14.3 概率空間14.4 隨機變量14.5 概率分布14.5.1 概率密度函數14.5.2 兩個具體例子14.6 條件期望14.6.1 條件概率14.6.2 復合函數映射14.7 隨機過程與鞅14.7.1 隨機過程的概率空間14.7.2 鞅、超鞅、子鞅14.7.3 兩個具體例子14.7.4 停止時間14.8 習題第15章  隨機過程的圖模型15.1 Markov鏈15.1.1 人口遷移模型15.1.2 Markov過程15.1.3 有限停止時間15.1.4 調和函數與鞅15.2 基於Markov鏈的隨機采樣15.3 鏈式概率圖模型15.4 隱Markov模型15.5 Bayes網絡15.6 習題第16章  學生聽課狀態分析16.1 概率圖模型的完善16.1.1 隱模型的參數估計16.1.2 條件概率模型16.1.3 算法16.1.4 條件優選後驗估計16.1.5 解決下溢問題16.2 教育機器人16.3 基於感知的智能交互16.4 數據收集與整理16.5 實驗結果與分析16.6 本章小結16.7 習題附錄一些應用案例A.1基於YOLO的目標檢測A.1.1 YOLOv1簡介A.1.2 YOLOv2簡介A.1.3 YOLOv3簡介A.1.4 YOLOv4簡介A.1.5 YOLOv5簡介A.1.6 YOLO拓展框架簡介A.1.7 交並比（IoU）介紹A.2 關於YOLOv5的實際操作A.2.1 YOLO數據集制作A.2.2 YOLOv5模型訓練A.2.3 YOLOv5目標檢測A.3 常用目標檢測算法介紹A.3.1 基於手工標注特征的傳統算法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 傳統目標檢測算法的缺點A.3.2 目標檢測的經典模型A.3.2.1 LeNetA.3.2.2 AlexNetA.3.2.3 NINA.3.2.4 InceptionV1模塊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 基於錨框的雙階段目標檢測算法A.3.3.1 R-CNNA.3.3.2 空間金字塔池化網絡（SPPNet）A.3.3.3 Fast R-CNNA.3.3.4 Faster R-CNNA.3.3.5 特征金字塔網絡（FPN）A.3.4 基於錨框的單階段目標檢測算法A.3.4.1 基於二進制掩膜的目標檢測算法A.3.4.2 OverfeatA.3.4.3 SSDA.3.4.4 RetinaNetA.3.5 無錨框目標檢測算法A.3.5.1 CornerNetA.3.5.2 CenterNetA.3.5.3 FSAFA.4 智慧工地暴力行為識別A.4.1 工地暴力行為識別需求分析A.4.2 研究思路A.4.3 工地暴力行為識別檢測運行框架的總體設計A.4.4 Transformer編碼器的實現A.4.5 已有暴力行為數據集調研A.4.6 數據采集及處理A.4.7 實驗設置A.4.8 消融實驗A.4.9 實驗結果A.4.10 工作小結A.5 工地抽煙行為的智能檢測A.5.1 問題描述A.5.2 基本算法簡介A.5.3 模型訓練及測試A.5.4 “目標+動作”聯合檢測模型A.6 雙模態鋼軌缺陷快速檢測A.6.1 數據采集繫統概述A.6.2 數據集概述A.6.3 Parallel-YOLOv4-Tiny輕量級檢測方法A.6.4 實驗結果與分析A.6.4.1 損失函數實驗A.6.4.2 對比實驗A.6.5 工作小結A.7 本書總結本書參考文獻索引

《智能光電感知》一書的幾位作者通過多年教學和科研實踐經驗，基於機器視覺領域中Horn學派思想，分析和論述了智能光電感知的核心思想，介紹了光電成像、圖像感知和智能分析的相關理論和方法，具有技術和理論相融合的特點，為學習者進一步開展技術和應用研究提供了重要的基礎。本書結構清晰，行文嚴謹，內容專業性強，是高等院校相關專業本科生、研究生以及研究人員不可或缺的參考書籍。

王亮,劉京京,張志勇 著