計算機視覺是研究如何讓計算機像人一樣看并理解世界的科學，所處理的多為圖像、視頻或三維信息等數(shù)據類型，所涵蓋的研究點涉及很多方面，例如物體檢測與識別、語義分割、運動檢測與跟蹤、三維重建等。隨著技術的發(fā)展，計算機視覺與人工智能、醫(yī)學影像、公共安全、數(shù)字媒體等領域實現(xiàn)多學科交叉融合，衍生出了很多新的研究熱點和技術應用。在這些行業(yè)快速發(fā)展的大背景下，計算機視覺相關領域的科研和技術也取得了較大的進步，并在這些行業(yè)應用中發(fā)揮了重要的作用。尤其是在圖像、視頻采集設備（如照相機、攝像機、手機等）較為普及的情況下，圖像、視頻數(shù)據越來越容易獲得，計算機視覺相關的應用也逐漸進入到社會生活的方方面面。
在計算機視覺領域眾多的研究熱點中，圖像場景內容理解是基礎且重要的研究問題。場景的內容包含場景的環(huán)境、物體、人物等，場景的理解不僅包括對場景內容的識別和理解，還包括對場景內容所蘊含的更深層次信息的理解，例如場景的三維信息、物體或對象的屬性信息等。這些更深層次信息的理解，可以為計算機視覺的其他研究熱點或者是多學科的交叉應用提供更多的技術支撐。
作者多年從事圖像場景內容理解方面的研究工作，總結自己多年科研工作的成果撰寫此書。本書圍繞圖像場景內容理解這個核心，從圖像場景的語義理解、圖像空間的幾何理解、對象級場景解析三個方面詳細闡述。從章節(jié)結構來說，第1章緒論部分概述了圖像場景內容理解的背景與意義以及發(fā)展歷程；第2章、第3章的內容分別對應場景語義和場景幾何的理解，是從場景級圖像內容理解入手；在第4章轉入對象級圖像內容理解；第5章概述了對象級場景理解在人工智能中的應用。在一定程度上來說，場景級圖像內容理解是基礎，對象級圖像內容理解是提升。因此，本書從場景級圖像內容理解入手，分析了難點與存在的問題，并給出了自己的解決方法；其后，轉為對象級圖像內容理解，并分析了場景級與對象級圖像內容理解的不同。
本書所介紹的工作得到了國家自然科學基金青年科學基金項目（61502036）、北京市科技計劃一般項目（KM201611417015）以及北京聯(lián)合大學科研項目（ZK50202002）的資助。在本書的撰寫過程中，作者得到了一些專家的支持，他們對本書提出了寶貴意見，在此表示感謝！本書涉及相關專業(yè)背景知識，對于一些專業(yè)術語也給出了相應解釋。由于水平有限，書中難免存在差錯或疏漏，歡迎廣大讀者批評指正。


作者
2022年1月