深入理解OpenCV：實用計算機視覺項目解析（原書第3版）

定　價：￥79.00

作　者：	羅伊·希爾克羅特（Roy Shilkrot），大衛(wèi)·米蘭著，唐燦譯
出版社：	機械工業(yè)出版社
叢編項：	智能系統(tǒng)與技術(shù)叢書
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111645771	出版時間：	2020-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	248	字?jǐn)?shù)：

內(nèi)容簡介

　　本書秉承“幫助計算機視覺工程師邁出掌握OpenCV的第一步”的初心，在保留必要的數(shù)學(xué)公式的情況下，針對當(dāng)前熱門的計算機視覺主題，如面部識別、關(guān)鍵點檢測、姿態(tài)估計，以及基于深度卷積網(wǎng)絡(luò)的車牌識別，展示了從構(gòu)思到運行的全過程，并提供了完整的項目代碼。無論你來自學(xué)術(shù)界還是工業(yè)界，都將從經(jīng)驗豐富的OpenCV專家那里學(xué)習(xí)如何輕松地實現(xiàn)計算機視覺產(chǎn)品和項目。通過多個完整的計算機視覺項目，你將熟悉API的功能，并深入了解在計算機視覺項目中如何設(shè)計和選型，不止講解計算機視覺的基礎(chǔ)，還從更高的層次上實現(xiàn)復(fù)雜的圖像處理項目的解決方案。而且，你將能借助本書中的項目創(chuàng)建各種工作原型，對OpenCV 4的新功能做到爛熟于心。通過閱讀本書，你將學(xué)會：使用有效的OpenCV代碼對真實世界的計算機視覺問題進(jìn)行建模發(fā)現(xiàn)OpenCV項目及維護(hù)的最佳實踐探索用于復(fù)雜計算機視覺任務(wù)的算法設(shè)計方法使用OpenCV新的API（v4.0.0）從運動中理解3D場景結(jié)構(gòu)和重建3D場景（SfM）使用ArUco模塊進(jìn)行相機標(biāo)定并疊加AR物體

作者簡介

　　羅伊·希爾克羅特（Roy Shilkrot）石溪大學(xué)（Stony Brook）計算機科學(xué)的助理教授，他領(lǐng)導(dǎo)著人群互動小組（Human Interaction group）。他畢業(yè)于麻省理工學(xué)院（MIT）并獲得博士學(xué)位，致力于計算機視覺、人機界面以及其交叉領(lǐng)域的研究，撰寫了25篇以上的論文。他還是多項專利技術(shù)的共同發(fā)明人，也是多本著作的合著者，是眾多初創(chuàng)公司的科學(xué)顧問委員會的成員，擁有超過10年的工程師和企業(yè)家經(jīng)驗。大衛(wèi)·米蘭·埃斯克里瓦（David Millán Escrivá）ITI（Instituto Tecnológico de Informática）的科學(xué)研究員，在IT領(lǐng)域從業(yè)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(jīng)驗，并運用他在計算機視覺、OCR和增強現(xiàn)實方面的知識與不同的項目和初創(chuàng)公司合作。他是DamilesBlog博客的作者，在那里他發(fā)表有關(guān)OpenCV、計算機視覺和光學(xué)字符識別算法的研究文章和教程。

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(yīng)用程序的相機處理主循環(huán) 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(xiàn) 12
1.4　從桌面移植到嵌入式設(shè)備 19
1.4.1　用于開發(fā)嵌入式設(shè)備代碼的設(shè)備配置 21
1.4.2　在嵌入式設(shè)備上安裝OpenCV 27
1.5　小結(jié) 39
第2章　使用SfM模塊從運動中恢復(fù)結(jié)構(gòu) 40
2.1　技術(shù)要求 40
2.2　SfM的核心概念 41
2.2.1　相機標(biāo)定和對極幾何 42
2.2.2　立體重建和SfM 45
2.3　在OpenCV中實現(xiàn)SfM 48
2.3.1　圖像特征匹配 48
2.3.2　找到特征軌跡 52
2.3.3　3D重建和可視化 55
2.3.4　用于稠密重建的MVS 57
2.4　小結(jié) 60
第3章　使用人臉模塊進(jìn)行人臉特征點及姿態(tài)檢測 61
3.1　技術(shù)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中的人臉特征點檢測 65
3.4　基于特征點的人臉方向估計 68
3.4.1　估計姿態(tài)計算 69
3.4.2　將姿態(tài)投影到圖像上 70
3.5　小結(jié) 71
第4章　基于深度卷積網(wǎng)絡(luò)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　基于卷積神經(jīng)網(wǎng)絡(luò)的字符分類 89
4.5　小結(jié) 105
第5章　通過DNN模塊進(jìn)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(yù)處理 116
5.1.3　收集人臉并從中學(xué)習(xí) 127
5.1.4　人臉識別 138
5.1.5　收尾工作——保存和加載文件 141
5.1.6　收尾工作——制作一個漂亮的、交互體驗好的GUI 141
5.2　小結(jié) 153
5.3　參考文獻(xiàn) 154
第6章　Web計算機視覺之初識OpenCV.js 155
6.1　什么是OpenCV.js 155
6.2　編譯OpenCV.js 157
6.3　OpenCV.js開發(fā)基礎(chǔ) 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(lián)分類器進(jìn)行人臉檢測 178
6.8　小結(jié) 180
第7章　使用ArUco模塊的Android相機校準(zhǔn)和AR 182
7.1　技術(shù)要求 182
7.2　增強現(xiàn)實和姿態(tài)估計 183
7.2.1　相機校準(zhǔn) 184
7.2.2　用于平面重建的增強現(xiàn)實標(biāo)記 186
7.3　Android系統(tǒng)中的相機訪問 188
7.4　使用ArUco進(jìn)行相機校準(zhǔn) 191
7.5　使用jMonkeyEngine實現(xiàn)增強現(xiàn)實 195
7.6　小結(jié) 196
第8章　帶有拼接模塊的iOS全景圖 198
8.1　技術(shù)要求 198
8.2　全景圖像拼接方法 199
8.2.1　全景圖的特征提取和魯棒匹配 200
8.2.2　變形圖像，以便全景創(chuàng)建 203
8.3　項目概況 204
8.4　用CocoaPods設(shè)置iOS OpenCV項目 204
8.5　用于全景捕捉的iOS UI 205
8.6　Objective-C++包裝器中的OpenCV拼接 209
8.7　小結(jié) 212
8.8　進(jìn)一步閱讀 212
第9章　為項目找到最佳OpenCV算法 213
9.1　技術(shù)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(jié) 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(jié) 236
10.5　進(jìn)一步閱讀 236