深入理解OpenCV:實用計算機視覺項目解析(原書第3版)

深入理解OpenCV:實用計算機視覺項目解析(原書第3版)

《深入理解OpenCV:實用計算機視覺項目解析(原書第3版)》通過典型項目,系統講解使用OpenCV構建計算機視覺相關套用的各種技術細節、方法和實踐,由機械工業出版社出版。

基本介紹

  • 中文名:深入理解OpenCV:實用計算機視覺項目解析(原書第3版)
  • 作者:羅伊·希爾克羅特(Roy Shilkrot)+大衛·米蘭
  • 譯者:唐燦
  • 出版時間:2020年3月1日
  • 出版社:機械工業出版社
  • ISBN:9787111645771
  • 定價:79 元
  • 開本:16 開
內容簡介,圖書目錄,作者簡介,

內容簡介

本書第3版仍然堅持“幫助計算機視覺工程師邁出掌握OpenCV的步”的初心。本書簡化數學公式,但保留了重要的數學公式。針對當前熱門的計算機視覺主題,如人臉及特徵點檢測、姿態估計,以及基於深度卷積網路的車牌識別,展示了從構思到運行的全過程,並提供了完整的項目代碼。新版本加入“為項目找到*佳OpenCV算法”、“避免OpenCV中的常見陷阱”兩個章節幫助程式設計師從成百上千的API中進行需求權衡、設計、技術選型、最佳化和避免陷阱。

圖書目錄

譯者序
前言
作者簡介
審閱者簡介
第1章 樹莓派上的卡通化和皮膚顏色分析 1
1.1 訪問攝像頭 2
1.2 桌面應用程式的相機處理主循環 4
1.2.1 生成黑白素描 4
1.2.2 生成彩色繪畫和卡通 6
1.2.3 用邊緣濾波器來生成邪惡模式 8
1.2.4 用皮膚檢測來生成外星人造型 9
1.3 皮膚變色器的實現 12
1.4 從桌面移植到嵌入式設備 19
1.4.1 用於開發嵌入式設備代碼的設備配置 21
1.4.2 在嵌入式設備上安裝OpenCV 27
1.5 小結 39
第2章 使用SfM模組從運動中恢復結構 40
2.1 技術要求 40
2.2 SfM的核心概念 41
2.2.1 相機標定和對極幾何 42
2.2.2 立體重建和SfM 45
2.3 在OpenCV中實現SfM 48
2.3.1 圖像特徵匹配 48
2.3.2 找到特徵軌跡 52
2.3.3 3D重建和可視化 55
2.3.4 用於稠密重建的MVS 57
2.4 小結 60
第3章 使用人臉模組進行人臉特徵點及姿態檢測 61
3.1 技術要求 61
3.2 背景和理論 63
3.2.1 主動外觀模型與受約束的局部模型 63
3.2.2 回歸方法 64
3.3 OpenCV中的人臉特徵點檢測 65
3.4 基於特徵點的人臉方向估計 68
3.4.1 估計姿態計算 69
3.4.2 將姿態投影到圖像上 70
3.5 小結 71
第4章 基於深度卷積網路的車牌識別 72
4.1 ANPR簡介 72
4.2 ANPR算法 74
4.3 車牌檢測 77
4.3.1 分割 78
4.3.2 分類 84
4.4 車牌識別 87
4.4.1 OCR分割 88
4.4.2 基於卷積神經網路的字元分類 89
4.5 小結 105
第5章 通過DNN模組進行人臉檢測和識別 106
5.1 介紹人臉檢測和人臉識別 106
5.1.1 人臉檢測 108
5.1.2 人臉預處理 116
5.1.3 收集人臉並從中學習 127
5.1.4 人臉識別 138
5.1.5 收尾工作——保存和載入檔案 141
5.1.6 收尾工作——製作一個漂亮的、互動體驗好的GUI 141
5.2 小結 153
5.3 參考文獻 154
第6章 Web計算機視覺之初識OpenCV.js 155
6.1 什麼是OpenCV.js 155
6.2 編譯OpenCV.js 157
6.3 OpenCV.js開發基礎 159
6.4 訪問攝像頭流 165
6.5 圖像處理和基本用戶界面 169
6.5.1 閾值濾波器 170
6.5.2 高斯濾波器 170
6.5.3 canny濾波器 170
6.6 瀏覽器中的光流 174
6.7 在瀏覽器中使用Haar級聯分類器進行人臉檢測 178
6.8 小結 180
第7章 使用ArUco模組的Android相機校準和AR 182
7.1 技術要求 182
7.2 增強現實和姿態估計 183
7.2.1 相機校準 184
7.2.2 用於平面重建的增強現實標記 186
7.3 Android系統中的相機訪問 188
7.4 使用ArUco進行相機校準 191
7.5 使用jMonkeyEngine實現增強現實 195
7.6 小結 196
第8章 帶有拼接模組的iOS全景圖 198
8.1 技術要求 198
8.2 全景圖像拼接方法 199
8.2.1 全景圖的特徵提取和魯棒匹配 200
8.2.2 變形圖像,以便全景創建 203
8.3 項目概況 204
8.4 用CocoaPods設定iOS OpenCV項目 204
8.5 用於全景捕捉的iOS UI 205
8.6 Objective-C++包裝器中的OpenCV拼接 209
8.7 小結 212
8.8 進一步閱讀 212
第9章 為項目找到最佳OpenCV算法 213
9.1 技術要求 213
9.2 方案是否包含在OpenCV中 214
9.3 OpenCV中的算法選項 215
9.4 哪種算法最好 217
9.5 算法性能比較的示例 218
9.6 小結 223
第10章 避免OpenCV中的常見陷阱 224
10.1 OpenCV從v1到v4的歷史 224
10.2 OpenCV中的歷史算法 228
10.3 常見陷阱和建議解決方案 231
10.4 小結 236
10.5 進一步閱讀 236

作者簡介

羅伊·希爾克羅特(Roy Shilkrot)石溪大學(Stony Brook)計算機科學的助理教授,他領導著人群互動小組(Human Interaction group)。他畢業於麻省理工學院(MIT)並獲得博士學位,致力於計算機視覺、人機界面以及其交叉領域的研究,撰寫了25篇以上的論文。他還是多項專利技術的共同發明人,也是多本著作的合著者,是眾多初創公司的科學顧問委員會的成員,擁有超過10年的工程師和企業家經驗。
大衛·米蘭·埃斯克里瓦(David Millán Escrivá)ITI(Instituto Tecnológico de Informática)的科學研究員,在IT領域從業超過10年,在計算機視覺、計算機圖形和模式識別方面擁有豐富的經驗,並運用他在計算機視覺、OCR和增強現實方面的知識與不同的項目和初創公司合作。他是DamilesBlog部落格的作者,在那裡他發表有關OpenCV、計算機視覺和光學字元識別算法的研究文章和教程。

相關詞條

熱門詞條

聯絡我們