第5章 · 计算机视觉

同一张卡换个环境，机器还能找到吗？

第一版统计整幅图，只回答“主要是什么”；第二版寻找相连区域，给出类别、位置和数量。改变亮度、旋转、遮挡和背景，查看像素、边缘图、检测框与失败记录。

标准当前场景

—第一版

—第二版计数

15开发测试

未运行最终测试

生成可重复的信号卡场景

内置场景不调用摄像头。每个条件都能重新生成，便于同组和跨组复核。

场景

亮度

旋转

遮挡

数量

背景

目标大小

第二版最小面积

复核阈值

输入图像与检测框

红圆黄三角蓝方块橙框：需复核

第一版与第二版结果

正在生成场景。

灰度与边缘特征图

使用固定3×3 Sobel核演示局部加权求和。它不是训练得到的卷积神经网络。

当前像素与特征统计

位置	R	G	B	灰度

从像素到结果

RGB像素数组

灰度或颜色条件

局部卷积特征

分类或区域检测

复核与动作降级

边缘响应强，只说明局部亮度变化明显；检测分数高，只说明当前算法的线索一致。二者都不是现实正确性的保证。

15项开发测试

亮度、旋转、遮挡、数量和背景各3项。允许根据结果修订最小面积和复核阈值。

尚未运行。

8项最终组合测试

在设置锁定后运行。结果会保留误检、漏检和复核，不提供“调到满分”按钮。

尚未运行。

测试明细

编号	主要变量	真实目标	第一版	第二版	漏检/误检/复核
运行测试后生成。

技术路线对照

人工特征
工程人员定义颜色、边缘、角点和几何量；过程可检查，环境改变时需要重新验证。

卷积网络
用标注数据和反向传播学习多层卷积核；减少完整手工特征链，仍受数据和任务限制。

图像分类
回答整幅图的主要类别，不自然提供每个目标的位置和数量。

目标检测
同时输出类别和边界框，需要分别评价分类、定位、漏检和误检。

模块说明卡

保存实验记录

导出内容包含场景参数、处理统计、测试结果和说明卡，不包含摄像头画面或人员信息。