一、计算机视觉定义

二、基础能力

1. 数学基础

数学方面的微积分，概率学，统计学，线性代数
统计学，推荐书籍《统计学习方法》-李航·北京航天航空大学，可参看读书笔记

2. 编程基础

Matlab，Python，C++，最好熟悉其中2种

三、经典课程

1. 教材

《Computer Vision: A Modern Approach》
《Computer Vision: Algorithms and Applications》
《Computer Vision: Models, Learning, and Inference》

2. 模式识别

模式识别（Pattern Recognition），就是通过计算机用数学技术方法来研究模式的自动处理和判读。我们把环境与客体统称为“模式”。
计算机视觉很多东西都是基于图像识别的，图像识别就是模式识别的一种。
入门级的教材《模式分类》，相对于《模式识别》这本书来说可能比较难。

四、专业工具

1. OpenCV（开源计算机视觉库）

它是一个非常强大的学习资料库，包括了计算机视觉，模式识别，图像处理等许多基本算法。它免费提供给学术和商业用途，有C++，C，Python和java接口，支持Windows、Linux、Mac OS、iOS和Android。

五、深度学习与卷积神经网络

1. 课程

斯坦福的CS231n课程：深度学习与计算机视觉。
什么是卷积？卷积就是两个函数之间的相互关系，然后得出一个新的值，他是在连续空间做积分计算，然后在离散空间内求和的过程。

六、期刊与会议

1. 期刊

计算机视觉的期刊有两个PAMI和IJCV

2. 会议

顶级的学术会议有 CVPR、ICCV、 ECCV、 BMVC这四个