Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Computer vision
Tok studiów:
2013/2014
Kod:
RMS-1-720-s
Wydział:
Inżynierii Mechanicznej i Robotyki
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Mechatronics with English as instruction languagege
Semestr:
7
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma i tryb studiów:
Stacjonarne
Osoba odpowiedzialna:
dr hab. Kwolek Bogdan (bkw@agh.edu.pl)
Osoby prowadzące:
dr hab. Kwolek Bogdan (bkw@agh.edu.pl)
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 Knowledge of modern computer vision and pattern recognition techniques in general. Zaliczenie laboratorium,
Aktywność na zajęciach
M_W002 The role of computer vision, pattern recognition and object recognition in computer science and artificial intelligence. Zaliczenie laboratorium,
Aktywność na zajęciach
Umiejętności
M_U001 Designing and implementing computer vision and pattern recognition algorithms. Zaliczenie laboratorium,
Studium przypadków
M_U002 Development of programming skills and experience in OpenCV, Matlab, Microsoft Kincect SDK. Projekt inżynierski,
Zaliczenie laboratorium
Kompetencje społeczne
M_K001 Understanding the necessity of continuous studying of modern techniques in the field of computer vision and pattern recognition and their applications in IT. Problem-solving and designing in a group, and teamwork. Zaliczenie laboratorium,
Aktywność na zajęciach
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Inne
Zaj. terenowe
Zaj. warsztatowe
E-learning
Wiedza
M_W001 Knowledge of modern computer vision and pattern recognition techniques in general. + - - - - - - - - - -
M_W002 The role of computer vision, pattern recognition and object recognition in computer science and artificial intelligence. + - - - - - - - - - -
Umiejętności
M_U001 Designing and implementing computer vision and pattern recognition algorithms. - - + - - - - - - - -
M_U002 Development of programming skills and experience in OpenCV, Matlab, Microsoft Kincect SDK. - - + - - - - - - - -
Kompetencje społeczne
M_K001 Understanding the necessity of continuous studying of modern techniques in the field of computer vision and pattern recognition and their applications in IT. Problem-solving and designing in a group, and teamwork. + - - - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:
  1. Goals of computer vision. Image formation and preprocessing.

    Basic terms in computer vision
    Cameras
    Camera calibration
    Color
    Linear filtering
    RGBD images

  2. 2. Early vision. Image features.

    Convolution
    FFT, DCT
    Scale and Image Pyramids
    Edge detection
    Corner detection
    Blob detection

  3. Early Vision. Multiple images.

    Optical flow
    Stereovision
    Correspondence
    Multiple view geometry

  4. Mid-level vision.

    Image segmentation, k-means, mean-shift
    Image segmentation using clustering
    Graph-cut
    Segmentation using probabilistic methods, EM
    Skin segmentation
    Hough and Radon transform
    SIFT

  5. Object tracking.

    Kalman filter
    Particle filter
    Particle swarm optimization – based object tracking

  6. High-level vision.

    Karhunen-Loeve transformation
    Principal Component Analysis
    Singular Value Decomposition
    Feature selection, filters and wrappers
    Boosting and bagging
    Sparse coding

  7. Classifiers.

    Linear classifiers
    k-NN
    SVM
    Random forests
    Ensemble classifiers
    Image classification

  8. Object detection.

    Face detection
    People detection
    Part-based object detection
    Object detection in RGBD maps

  9. Object recognition.

    Face recognition
    Person identification
    Gait recognition

  10. Human behavior recognition.

    Human-computer-interaction
    Gesture recognition
    Facial expression recognition
    Fall detection

Ćwiczenia laboratoryjne:

1. Image processing and analysis in Matlab
2. Introduction to OpenCV
3. Feature extraction using OpenCV
4. Object detection using OpenCV
5. Microsoft Kinect SDK
6. Face tracking SDK
7. Humanoid robot Nao
8. Human-robot-interaction
9. Online learning of sensorimotor interactions

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 100 godz
Punkty ECTS za moduł 4 ECTS
Udział w wykładach 14 godz
Udział w ćwiczeniach laboratoryjnych 14 godz
Wykonanie projektu 15 godz
Dodatkowe godziny kontaktowe z nauczycielem 15 godz
Samodzielne studiowanie tematyki zajęć 10 godz
Przygotowanie do zajęć 30 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

The final grade is calculated as the weighted sum of the grades from oral/test exam and the lab classes. The studens with excellent (5.0) grade from the lab excercises are exempt from the oral/test exam.

Wymagania wstępne i dodatkowe:

Math is kept to a minimum and only a basic knowledge of algebra is required.

Zalecana literatura i pomoce naukowe:

1. David A. Forsyth, Jean Ponce. Computer Vision. A Modern Approach. 2nd ed. 2011.
2. Richard Szeliski: Computer Vision: Algorithms and Applications, Springer, 2011 (draft available online).
3. Christopher M. Bishop: Pattern Recognition and Machine Learning, Springer, 2006.
4. Frank Y. Shih: Image Processing and Pattern Recognition: Fundamentals and Techniques, Wiley-IEEE Press, 2011.
5. R. O. Duda, P. E. Hart, and D. G. Stork: Pattern Classification, John Wiley & Sons, 2000.
6. Adrian Kaehler, Gary Bradski: Learning OpenCV Computer Vision in C++ with the OpenCV Library, O’Reilly Media, 2013.
7. Jarrett Webb, James Ashley: Beginning Kinect Programming with the Microsoft Kinect SDK, 2012.
8. Humanoid robot Nao, documentation: https://community.aldebaran.com/doc/ .

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak