作品简介

本书首先介绍OpenCV 4以及如何基于Python 3在各种平台上安装OpenCV 4。接下来,你将学习如何执行读取、写入、操纵,以及显示静态图像、视频和摄像机回馈等基本操作。你还将学习图像处理、视频分析、深度估计和分割,并通过构建一个简单的GUI应用程序获得实践经验。接下来,你将处理两类常见问题:人脸检测和人脸识别。你还将学习物体分类和机器学习的概念,这将使你能够创建和使用物体检测器和分类器,甚至跟踪电影或摄像机回馈中的物体。稍后,你将学习3D跟踪和增强现实。本书末尾,你将学习人工神经网络和深度神经网络,学习如何开发手写数字识别以及对人的性别和年龄分类的应用程序。

约瑟夫·豪斯(Joseph Howse),计算机视觉领域的专家、企业家和作者,著作有十几部。自2008年以来,为各种软件产品做出了贡献,包括OpenCV、超声系统、Linux内核、Linux发行版、Unity游戏和插件,以及iOS与Android应用程序和库。乔·米尼奇诺(Joe Minichino)实验室工程师,毕业于科克理工学院计算机科学专业,是一名充满激情的程序员,对编程语言和技术有着极大的好奇心,并不断地进行实验。

乔·米尼奇诺(Joe Minichino),是Teamwork研发实验室的一名工程师。他是一名富有激情的程序员,对编程语言和技术充满好奇,并不断地进行实验。他在意大利伦巴第的瓦雷兹出生和长大,有着哲学方面的人文背景(米兰大学,Milan's UniversitàStatale)。自2004年以来,乔生活在爱尔兰的科克郡。他毕业于科克理工学院的计算机科学专业。

作品目录

  • 关于本书
  • 译者序
  • 前言
  • 作者简介
  • 译者简介
  • 审校者简介
  • 第1章 安装OpenCV
  • 1.1 技术需求
  • 1.2 OpenCV 4有哪些新特性
  • 1.3 选择和使用合适的安装工具
  • 1.4 运行示例
  • 1.5 查找文档、帮助和更新
  • 1.6 本章小结
  • 第2章 处理文件、摄像头和GUI
  • 2.1 技术需求
  • 2.2 基本I/O脚本
  • 2.3 项目Cameo(人脸跟踪和图像处理)
  • 2.4 Cameo:面向对象的设计
  • 2.5 本章小结
  • 第3章 基于OpenCV的图像处理
  • 3.1 技术需求
  • 3.2 在不同颜色模型之间进行图像转换
  • 3.3 探索傅里叶变换
  • 3.4 创建模块
  • 3.5 边缘检测
  • 3.6 自定义核:获取卷积
  • 3.7 修改应用程序
  • 3.8 基于Canny的边缘检测
  • 3.9 轮廓检测
  • 3.10 检测线、圆以及其他形状
  • 3.11 本章小结
  • 第4章 深度估计和分割
  • 4.1 技术需求
  • 4.2 创建模块
  • 4.3 从深度摄像头捕捉帧
  • 4.4 将10位图像转换成8位图像
  • 4.5 由视差图创建掩模
  • 4.6 修改应用程序
  • 4.7 基于普通摄像头的深度估计
  • 4.8 基于GrabCut算法的前景检测
  • 4.9 基于分水岭算法的图像分割
  • 4.10 本章小结
  • 第5章 人脸检测和识别
  • 5.1 技术需求
  • 5.2 Haar级联的概念化
  • 5.3 获取Haar级联数据
  • 5.4 使用OpenCV进行人脸检测
  • 5.5 在红外线下换脸
  • 5.6 本章小结
  • 第6章 使用图像描述符检索和搜索图像
  • 6.1 技术需求
  • 6.2 理解特征检测和匹配的类型
  • 6.3 检测Harris角点
  • 6.4 检测DoG特征并提取SIFT描述符
  • 6.5 检测快速Hessian特征并提取SURF描述符
  • 6.6 使用基于FAST特征和BRIEF描述符的ORB
  • 6.7 使用K最近邻和比率检验过滤匹配
  • 6.8 基于FLANN的匹配
  • 6.9 基于FLANN进行单应性匹配
  • 6.10 示例应用程序:文身取证
  • 6.11 本章小结
  • 第7章 建立自定义物体检测器
  • 7.1 技术需求
  • 7.2 理解HOG描述符
  • 7.3 理解非极大值抑制
  • 7.4 理解支持向量机
  • 7.5 基于HOG描述符检测人
  • 7.6 创建并训练物体检测器
  • 7.7 检测汽车
  • 7.8 本章小结
  • 第8章 物体跟踪
  • 8.1 技术需求
  • 8.2 基于背景差分检测运动物体
  • 8.3 利用MeanShift和CamShift跟踪彩色物体
  • 8.4 使用卡尔曼滤波器寻找运动趋势
  • 8.5 跟踪行人
  • 8.6 本章小结
  • 第9章 摄像头模型和增强现实
  • 9.1 技术需求
  • 9.2 理解3D图像跟踪和增强现实
  • 9.3 实现demo应用程序
  • 9.4 改进3D跟踪算法
  • 9.5 本章小结
  • 第10章 基于OpenCV的神经网络导论
  • 10.1 技术需求
  • 10.2 理解人工神经网络
  • 10.3 用OpenCV训练基本人工神经网络
  • 10.4 训练多阶段人工神经网络分类器
  • 10.5 基于人工神经网络识别手写数字
  • 10.6 在OpenCV中使用其他框架的深度神经网络
  • 10.7 基于第三方深度神经网络的物体检测和分类
  • 10.8 基于第三方深度神经网络的人脸检测和分类
  • 10.9 本章小结
  • 附录 基于曲线滤波器弯曲颜色空间
展开全部