主要内容包括基于深度学习的智能视觉感知技术概述、相机标定、视觉目标检测、视觉目标分割、视觉目标跟踪、行人重识别、人体姿态估计、智能喷码检测、智能表格识别、移动机器人视觉感知系统、智能人机交互等。全书拟从理论到实际应用，从算法分析到编程实现等多角度全方位介绍深度学习技术在智能视觉感知方面的研究，并深度结合了当前国内外最新研究热点，为业内人士从事相关研究与应用工作提供重要参考。

无

人工智能/机器人

推荐语：
机器人视觉感知是智能机器人最重要的系统之一，深度学习目前在视觉感知和图像处理方面取得了非常显著的成绩。本书讲解了如何运用深度学习技术解决字符识别、目标检测和多目标跟踪等技术难题，加强了人工智能技术解决实际机器人视觉感知问题的能力。无论是学术界还是工业界的读者，该书都值得一阅。
Dan Zhang 加拿大约克大学教授　加拿大工程院院士
深度学习等人工智能技术的飞速发展对机器人智能化提升起到了重要的作用。这本书深入浅出地探讨了机器人视觉感知中文本识别、目标检测、多目标跟踪等重要模块，适合机器人视觉感知深度学习的初学者阅读。
宋爱国　东南大学首席教授、电仪控制学部主任
人工智能广泛应用于图像处理、语音识别等诸多领域并取得了突出的成就。本书注重运用深度学习技术解决机器人视觉感知领域的文本识别、目标检测、多目标跟踪等实际工程应用问题，对机器人视觉感知领域的初学者具有实际指导意义。
喻俊志，北京大学博雅特聘教授，IEEE Fellow
机器人视觉领域急需智能化提升，传统基于人工的特征提取方法难以适应智能制造对智能化和灵活性的要求。在此背景下本书结合机器人视觉领域多个实际的案例，详细介绍智能化文本识别、目标检测和跟踪等技术，有助于工业界工程师快速了解智能视觉感知研究方法。
房超　北京大恒图像视觉有限公司总工程师

1. 绪论
2. 机器人智能视觉感知技术概述
2.1 机器人智能视觉感知系统组成
2.2 机器人智能视觉感知的主要流程
2.3 机器人智能视觉感知的典型应用
3. 深度学习技术概述
3.1 深度学习在机器人感知领域中的应用
3.2 基于深度学习的视觉目标检测
3.3 基于深度学习的视觉目标跟踪
3.4 基于深度学习的视觉缺陷检测
4. 智能喷码检测
4.1 喷码检测系统构成
4.2 基于轻量化网络与嵌入式系统的喷码检测方法
4.3 实验结果
4.4 核心代码
5. 微小目标检测实例
5.1 微小目标检测系统构成
5.2 基于RCN的微小目标检测方法
5.3 实验结果
5.4 核心代码
6. 多目标跟踪实例
6.1 多目标跟踪系统构成
6.2 基于图卷积的多目标跟踪方法
6.3 实验结果
6.4 核心代码
7. 未来展望
7.1 未来挑战
7.2 发展展望