一、项目背景
图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。图像识别技术是立体视觉、运动分析、数据融合等实用技术的基础，在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域重要的应用价值：
(1) 遥感图像识别：航空遥感和卫星遥感图像通常用图像识别技术进行加工以便提取有用的信息。该技术目前主要用于地形地质探查，森林、水利、海洋、农业等资源调查，灾害预测，环境污染监测，气象卫星云图处理以及地面军事目标识别等。
(2) 通讯领域的应用：包括图像传输、电视电话、电视会议等。
(3) 军事、公安刑侦等领域的应用：图像识别技术在军事、公安刑侦方面的应用很广泛，例如军事目标的侦察、制导和警戒系统;自动灭火器的控制及反伪装;公安部门的现场照片、指纹、手迹、印章、人像等的处理和辨识;历史文字和图片档案的修复和管理等等。
(4) 生物医学图像识别：图像识别在现代医学中的应用非常广泛，它具有直观、无创伤、安全方便等特点。在临床诊断和病理研究中广泛借助图像识别技术，例如CT(Computed Tomography)技术等。
(5) 机器视觉领域的应用：作为智能机器人的重要感觉器官，机器视觉主要进行3D 图像的理解和识别，该技术也是目前研究的热门课题之一。机器视觉的应用领域也十分广泛，例如用于军事侦察、危险环境的自主机器人，邮政、医院和家庭服务的智能机器人。此外机器视觉还可用于工业生产中的工件识别和定位，太空机器人的自动操作等。
二、项目内容
本实习项目为深度学习在人脸识别中的初步应用。将会建立一个系统，提取人脸的图像特征，实时进行匹配，为军事、公安刑侦提供支持。本项目旨在通过理论与实践相结合的方式，以深度学习在人脸识别中的应用为背景，介绍人脸识别的核心问题和常用方法，学习相关理论基础、增强实际动手编程能力、培养创新思维和团队协作能力，为人工智能的进一步学习和实践应用打下必要的基础。
学生将跟随导师共同工作，实际进行人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别等工作，最后利用所学知识实现动态场景下的人脸识别。实习结束后，导师会根据学生表现出具推荐信。
三、师资背景
任职教师为知名研究所副研究员。主要研究方向为人工智能，多媒体处理和
数据挖掘等，在IEEE Transactions on Pattern Analysis and Machine Intelligence, IEEE Transactions on Knowledge and Data Engineering，Special Interest Group (SIG) on Knowledge Discovery and Data Mining，International Conference of Data Mining，IEEE International Conference on Communications 等国际著名期刊及会议上发表论文50 余篇。现担任某SCI国际期刊的编委。
四、招生对象及要求
大二以上优秀本科生，计划申请数字多媒体、计算机(包括数据挖掘、模式识别、深度学习、机器学习等)、软件工程等相关专业，为了让学生可以更好地完成科研项目，项目组会以面试的形式对学生进行筛选。
五、项目关键点
a) 这个项目能够培养学生什么素质和能力?
深度学习在图像识别中发挥了重要作用，通过本项目的教学，以及学生们对于图像识别系统的开发实践，充分体会深度学习算法结合图像识别工具在人脸识别带来的效果，使学生初步具备提取各种人脸图像特征的素质，并且能够快速运用开源工具进行各种图像识别系统的设计和开发的能力。
b) 通过这个项目学生能够掌握什么软件或者具体知识?
本项目在matlab，keras 等开源软件基础上运用python 语言开发一套在线的动态人脸识别系统，导师会全程辅导代码编写，更重要的，导师会给同学讲解真实大规模图片下人脸识别系统遇到的性能问题以及解决方法，提高学生自己解决问题的能力。
c) 这个项目具体做什么?
本项目首先学习如何进行人脸图像采集及检测、然后学习如何通过图片处理工具对人脸图像进行预处理，接着学习如何提取人脸图像特征，最后通过编写深度学习模型体会下基于深度学习的人脸识别的效果，完成一个完整的人脸识别系统的应用。
六、项目安排
第一次课
1、数字图像处理背景介绍
2、空间域图像增强
实验1：实现基于Matlab的图像的读取和显示
第二次课
1、彩色图像处理
2、基于内容的图像检索
实验2：实现基于Matlab的图像的点运算
第三次课
1、傅里叶变换
2、频率域图像增强
实验3：实现基于Matlab的图像的几何变换
第四次课
1、图像复原
2、图像压缩
实验4：实现基于Matlab的空间域图像增强和频率域图像增强
第五次课
1、形态学图像处理
2、图像分割
实验5：实现基于Matlab的彩色图像处理和形态学图像处理
第六次课
1、表示与描述
实验6：实现基于Matlab的图像分割
第七次课
1、基于内容的视频分析和检索技术
实验7：实现基于Matlab的特征提取
第八次课
1、深度学习介绍
深度学习的关键技术讲解
深度学习在网络安全的应用
2、基于Keras的深度学习平台部署
实验8：利用Keras实现基于CNN的人脸识别模块
七、报名方式
咨询电话：010-5795-2000
地址：北京市海淀区中关村丹棱街3号中国电子大厦B座15层
