基于“OBE理念”和“多元驱动式”的本科生计算机视觉课程建设

蔡慧英

［摘 要］文章针对当前本科生计算机视觉课程不能满足快速发展的视觉智能需求的问题，分析了计算机视觉课程的特点和教学要求，基于OBE理念，依据本科生对知识点的接受程度，设计了包含计算机视觉基本原理、数字图像处理、2D计算机视觉、3D计算机视觉四个模块的课程体系构建方案，并从计算机视觉课程教学实践出发，阐述了课程教学目标建设、课程体系和教学内容体系建设、评价体系建设、教学模式建设、课程质量持续改进的措施，以期多元化全方位进行课程建设。

［关键词］计算机视觉；课程建设；OBE理念；视觉智能

［中图分类号］G642［文献标识码］A［文章编号］2095-3437（2024）05-0040-04

视觉智能是人工智能领域最重要的分支之一，专注于对图像和视频等视觉数据的分析和解释，从视觉信息中提取有价值的位置、类别、形状、大小等数据。随着高精度成像和视觉技术的持续发展，视觉人工智能在速度、精度、环境要求等方面均存在着显著优势，被广泛地应用在安防、零售、医疗、无人驾驶等各个行业[1-2]。计算机视觉课程是培养视觉智能人才的核心课程。自2019年教育部批准开设人工智能专业起，多所高校将计算机视觉课程列为专业必修课程，例如山东大学、北京理工大学、电子科技大学等。由于计算机视觉课程建设时间较短，而视觉智能正以前所未有的速度迅速发展，使得目前的计算机视觉课程存在如下问题：（1）计算机视觉课程体系包含计算机视觉、计算机视觉与模式识别、神经网络与计算机视觉等课程，虽然有侧重点地突出了课程特色，但是知识体系缺乏系统性，不利于视觉智能人才的培养；（2）计算机视觉课程教学内容偏向传统的数字图像处理，不能满足迅速发展的视觉智能的社会需求；（3）计算机视觉教学方式较为传统，多以课堂教学为主，不能很好地激发学生的学习动力，不易达成视觉智能人才培养的目标。

OBE理念是一种从学生学习成果出发、以学生为中心的教学理念。2018年，《普通高等学校本科专业类教学质量国家标准》正式发布，高等教育理念正在从“以教师为中心”向“突出以学生为中心、突出产业导向、突出持续改进”的现代化教学理念转变，更加关注学生能力与社会需求的结合，与OBE理念不谋而合[3-4]。为此，以OBE理念为引导，以培养学生对视觉信息的分析和理解能力、解决视觉问题为重点，重设计算机视觉课程的教学目标，构建计算机视觉课程体系，完善课程教学方式，将使課程与视觉智能的社会需求、视觉智能人才培养相结合，从不同维度对计算机视觉课程进行建设。

一、面向需求的计算机视觉课程教学目标建设

视觉智能发展迅速，基本覆盖了人们生活的方方面面。人们对视觉智能的需求不断提高，视觉智能任务灵活多变、目的各异。为了满足社会需求，视觉智能人才不仅需要具备处理复杂视觉任务的能力，更需要具备体现视觉任务本质属性的视觉思维。根据OBE理念面向产出的观点，专业将培养目标分解为各项毕业要求，体现在培养方案中每门课程的教学目标上，其中计算机视觉课程的教学目标主要体现在工程知识学习、问题分析、设计/开发解决方案、使用现代工具及终身学习的能力上。结合OBE理念，面向智能人才培养需求的计算机视觉课程教学目标主要分为如下三个方面：

（一）知识

掌握视觉智能领域的数学与科学知识以及工程基础知识，系统地掌握视觉智能领域的基本理论、基础知识、基本方法，并能够将其用于解决实际复杂视觉工程问题。

（二）能力

具备分析和设计视觉智能领域复杂问题解决方案的能力，使用恰当的技术、资源和现代工程工具模拟与预测视觉智能复杂工程问题的能力，以不变应万变的视觉思维能力以及与时俱进的持续学习与适应发展的能力。

（三）素养

具备人文社会科学素养、社会责任和道德修养、有效沟通能力和团队协作精神、创新意识，能综合考虑技术、人文、法律、文化及环境等因素，树立正确的价值观，具有家国情怀。

二、课程体系和教学内容体系建设

基于OBE理念，以学生为中心、以视觉智能任务为驱动、以解决问题的能力为导向，构建有机融合知识、能力和素养的计算机视觉课程体系，培养学生解决复杂视觉问题的能力，以及应对瞬息万变的视觉技术的视觉思维。“两性一度”为教育部副部长吴岩提出的“金课”建设标准[5]。考虑到课程思政的建设要求、本科生的知识接受能力，以及复合型人才的培养需求，课题组对“两性一度”的“金课”要求进行了拓展，形成了“基础性、交叉性、思政性、高阶性、创新性、挑战度”，即“五性一度”的设计理念，据此对计算机视觉课程体系、教学内容体系、教学方式、考核方式等进行建设，以激发学生的学习兴趣、增强学生的学习动力、培养学生解决问题的能力。

课程体系以学生为中心，从学生对知识点的接受和理解程度出发，按照“先导知识—专业知识—综合实践”阶段提升的方式进行构建（见表1）。教学内容体系建设由浅入深地覆盖视觉智能需要的理论知识和实践技能，动态地调整教学内容，及时根据前沿的视觉技术拓展和更新相应的教学内容（见表1）。

计算机视觉导论课程主要教授视觉成像机理、视觉模型、视觉系统搭建以及视觉算法要求的数学知识等，要求学生认识和掌握计算机视觉基础知识和本质属性，具备分析视觉问题的基础素养，理解计算机视觉任务，能够搭建视觉系统，进而培养学生的计算机视觉思维能力。

2D计算机视觉课程以数字图像处理为主，教学内容覆盖图像预处理、基元检测、目标特征提取、模式识别等。其中，图像预处理包括图像增强、图像变换、图像复原、图像分割等对数字图像进行基本处理的算法及概念；基元检测主要包括孤立点、角点、线等的检测；目标特征提取主要讲述目标的形状、纹理、区域等典型特征的构造和提取方法；模式识别主要讲授视觉中基本模式处理的相关算法。计算机视觉任务以数字图像为主要处理对象，数字图像处理为视觉智能人才必须具备的基础能力。该部分内容培养学生处理简单视觉任务的能力，以及将实际问题转化为视觉问题的视觉思维。

3D计算机视觉课程以处理目标的3D信息为主，教学内容主要包括摄像机标定、立体视觉、3D目标表达、图像序列处理、知识和场景解释等。立体视觉主要内容包括双目成像和视差、立体图像匹配、3D数据描述方法等；图像序列处理主要内容为运动目标检测和跟踪、3D场景恢复、点云数据处理等；知识和场景解释主要内容为时空行为理解、场景解释等。该模块内容涵盖了解决计算机视觉3D问题的基础知识，使学生建立对3D问题的认知，能够处理更复杂的视觉任务。

计算机视觉综合实践课程以对计算机视觉信息的综合分析和处理为主，借助Matlab、Python等语言，以主流的视觉处理框架飞桨、Caffe、PyTorch等为基础，依托openCV、Scikit?Image、Albumentations、Mahotas等图像处理库，执行典型的视觉处理任务，例如目标分类、目标检测、图像生成、目标姿态估计、3D重建、SLAM等，使学生掌握计算机视觉信息处理工具的典型算法，理解并能够使用所学知识处理实际的视觉任务，达成有关知识、能力和素养的教学目标。

三、课程评价体系建设

针对计算机视觉课程体系的构建和教学内容的设置，以学生为中心，以案例为驱动，围绕课堂教学进行设计，引导学生从以知识学习为主向知识、能力、素养三位一体培养的方向转变，增强学生自主学习能力以及分析和解决问题的能力，采用知识达成度为主的过程考核和能力达成度为主的期末考核相结合的成绩评定方式，检验学生的自主学习和探究学习能力，以充分调动学生学习的积极性、主动性和创造性。

在课程评价的过程中，重视计算机视觉课程核心素养，构建客观、多元、及时的评价体系。评价体系以“理论考核和实践考核并重、过程考核与结果考核并重”为基本原则，力争实现知识、能力、素养、思维的四维度全面评价（见表2）。对教学中的讨论、讲解、算法分析、程序编写、实验设计等活动进行全过程跟踪，并将其作为评价考核的主要因素。学期期评成绩由平时成绩、阶段性项目成果和期末成绩构成，分别考核学生的学习态度、责任意识、知识点掌握程度、知识点综合运用能力。平时成绩占比相对高一些，主要包括基于线上平台的在线考勤、随堂测验、课后作业、阶段测验、讨论等内容。课堂讨论以案例教学法带动学生对预习过程中的疑点、难点、重点等展开课堂讨论，注重生生互动、师生互动，根据学生的表现情况进行成绩评定。同时，引入参与的竞赛、论文发表、学术活动等成果作为课程评价的参考因素，形成全方位立体化的评价考核体系，激发学生学习动力。

四、课程教学模式建设

（一）教学理念

课题组以OBE理念为基础，结合计算机视觉课程实践性强、理论性强、与时代发展结合紧密等特点，设计了“以学生为中心，始于科普，叙于论理，终于实战，余于探思”的教学理念。计算机视觉课程注重学生的知识基础，全面培养学生的能力和素养，以科普的方式通俗易懂地引导学生了解计算机视觉基本概念和技术原理，使学生产生学习兴趣。教师还从计算机视觉本质属性出发论述计算机视觉技术的机理并延伸至全域，促进学生利用计算机视觉技术解决实际问题，引領学生开启计算机视觉技术及伦理的思考和探究之路。

（二）教学手段

结合课程特点，以“五性一度”为建设理念，制作课程教学视频、教学课件，设计教学案例、教学题库、教学辅导资料等。根据课程特点，依托超星、慕课、雨课堂等线上平台开展线上线下相结合的混合式教学，合理使用教学助手实施“翻转课堂”，课前发布以问题为导向的自主学习任务，课中根据检查结果进行有侧重点的知识讲解，课后布置个性化综合性作业，以提升学生的综合素养。

（三）教学方法

“案例驱动式”教学为OBE理念中重要的教学方法[6]。结合本课程理论性、实践性强的特点，综合考虑学生的思维特点，以学生为中心，课程采用“思辨型案例驱动法”教学手段，利用简单易懂的教学案例诠释基本概念，设计“贯穿式大案例”和“遁入式小案例”，使学生明白计算机视觉知识体系的核心思想和“来源”，并且使学生知悉知识体系的“去路”，达到“讲机理，明来源；论案例，知去路”的教学效果。

五、课程质量的持续改进

计算机视觉课程采用“思辨型案例驱动法”进行教学，并且推行了线上线下混合式教学方式，促使学生理解和掌握计算机视觉知识，同时进行任务驱动的全过程学业评价，有利于提高学生的沟通能力和团队协作意识。应从课堂活跃度、学业挑战度、学生满意度、解决问题的能力等多个维度，以定性和定量相结合的方式，对计算机视觉课程的实施进行分析，以检测课程建设质量，为课程建设提供持续改进的依据。

课堂活跃度能够有效反映学生的学习状态，进而反映出使用的教学方法的合理程度，以及教学内容的先进性。为此，可借助视觉智能技术分析脸部表情变化，最终得到学生的课堂活跃度。同时，可依托线上教学平台，统计学生完成课堂“翻转任务”的参与率和准确率，从侧面反映学生的积极性。教师可对课堂活跃度低的课堂设置调查问卷，对应存在的问题进行持续改进。

学业挑战度能够反映学生对教学内容的接受程度以及评价体系的合理程度。对学业挑战度的评价需要根据全过程评价中学生完成各项任务的时长、正确率、成果奖励数量等多方面综合考虑，采取“一生一案”的方式对每位学生设置学业挑战度评测方案，进而对课程教学体系进行持续改进。

学生满意度全面反映了课程体系、教学内容体系、教学模式以及课程评价体系的合理性。学生满意度可以通过学校教务网站的评教系统、调查问卷等多种方式获取，从而得到教学课时分配是否合理、课程内容是否能激发学生学习兴趣、教学进度和学生接受程度是否匹配等多方面的课程改进情况。

课程质量也可以通过学生的视觉思维、解决实际问题的能力等方面来体现。教师可对学生的学习成果进行逐项分解，全面分析学生从课程中获取的知识、能力和素养是否和设置的课程目标相匹配，进而有针对性地对课程体系进行持续改进。

六、结语

计算机视觉课程是人工智能专业的必修课，承担着为社会培养视觉智能人才的重要角色。以“五性一度”设计理念引导建设的计算机视觉课程，有效地结合了一流课程建设标准和计算机视觉课程的特点，注重以学生为中心，构建了内容全面的课程体系和教学内容体系以及全过程学业评价体系，创建了以“始、叙、终、余”牵引的全过程案例驱动式教学模式，同时给出了多维度课程质量持续改进的措施，有助于培养具备计算机视觉知识、能力和素养的视觉智能人才，可以为开设计算机视觉课程的高校提供基础的课程建设思路，以推动人工智能学科的发展。

［ 参 考 文 献 ］

[1］ 崔文波，宋文爱，雷毅，等. 基于计算机视觉的儿童精细动作评估研究[J]. 中国卫生信息管理杂志，2023，20（4）：525-531.

[2］ 潘德泰，李贵亮，何启远，等. 基于计算机视觉的电网输变配环节配电线路巡检系统[J]. 电子设计工程，2023，31（17）：85-89.

[3］ 教育部高等学校教学指导委员会. 普通高等学校本科专业类教学质量国家标准[M].北京：高等教育出版社，2018：315-330.

[4］ 吴海娜，李国云，杨广武，等. 基于OBE理念的通识课程教学实践及效果分析[J]. 大学教育，2022（11）：27-30.

[5］ 朱长凤. 一流课程“两性一度”目标实现路径研究：设计思维视角[J]. 顺德职业技术学院学报，2023，21（2）：1-6.

[6］ 赵云. 科学核心素养下任务驱动式教学案例[J]. 第二课堂（D），2023（2）：10-11.

［责任编辑：钟 岚］