OpenCV 4.0+Python機(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺(jué)實(shí)戰(zhàn)

第1章 濾鏡 1
1.1 準(zhǔn)備工作 2
1.2 規(guī)劃應(yīng)用程序 2
1.3 創(chuàng)建黑白鉛筆素描 3
1.3.1 了解使用減淡和加深技術(shù)的方法 4
1.3.2 使用二維卷積實(shí)現(xiàn)高斯模糊 6
1.3.3 應(yīng)用鉛筆素描變換效果 7
1.3.4 使用高斯模糊的優(yōu)化版本 9
1.4 生成暖調(diào)和冷調(diào)濾鏡 10
1.4.1 通過(guò)曲線(xiàn)平移使用顏色操作 11
1.4.2 使用查找表實(shí)現(xiàn)曲線(xiàn)濾鏡 11
1.4.3 設(shè)計(jì)暖調(diào)和冷調(diào)效果 12
1.5 創(chuàng)建圖像卡通化效果 15
1.5.1 使用雙邊濾鏡 16
1.5.2 檢測(cè)并強(qiáng)調(diào)突出的邊緣 17
1.5.3 組合顏色和輪廓以創(chuàng)建卡通效果 19
1.6 綜合演練 20
1.6.1 運(yùn)行應(yīng)用程序 20
1.6.2 映射GUI基類(lèi) 21
1.6.3 了解GUI構(gòu)造函數(shù) 22
1.6.4 了解基本的GUI布局 23
1.6.5 處理視頻流 24
1.6.6 創(chuàng)建自定義濾鏡布局 25
1.7 小結(jié) 27
1.8 許可 28
第2章 深度傳感器和手勢(shì)識(shí)別 29
2.1 準(zhǔn)備工作 30
2.2 規(guī)劃應(yīng)用程序 30
2.3 設(shè)置應(yīng)用程序 31
2.3.1 訪(fǎng)問(wèn)Kinect 3D傳感器 31
2.3.2 使用與OpenNI兼容的傳感器 32
2.3.3 運(yùn)行應(yīng)用程序和主函數(shù)例程 34
2.4 實(shí)時(shí)跟蹤手勢(shì) 35
2.5 了解手部區(qū)域分割 36
2.5.1 找到圖像中心區(qū)域最突出的深度 36
2.5.2 應(yīng)用形態(tài)學(xué)閉合操作平滑蒙版 38
2.5.3 在分割蒙版中查找連接的組件 39
2.6 執(zhí)行手形分析 41
2.6.1 確定分割之后手部區(qū)域的輪廓 41
2.6.2 查找輪廓區(qū)域的凸包 41
2.6.3 尋找凸包的凸缺陷 42
2.7 執(zhí)行手勢(shì)識(shí)別 43
2.7.1 區(qū)分凸缺陷的不同原因 44
2.7.2 根據(jù)伸出的手指數(shù)對(duì)手勢(shì)進(jìn)行分類(lèi) 45
2.8 小結(jié) 47
第3章 通過(guò)特征匹配和透視變換查找對(duì)象 49
3.1 準(zhǔn)備工作 50
3.2 列出應(yīng)用程序執(zhí)行的任務(wù) 50
3.3 規(guī)劃應(yīng)用程序 52
3.4 設(shè)置應(yīng)用程序 52
3.4.1 運(yùn)行應(yīng)用程序 52
3.4.2 顯示結(jié)果 53
3.5 了解處理流程 54
3.6 學(xué)習(xí)特征提取 56
3.6.1 特征檢測(cè) 56
3.6.2 使用SURF檢測(cè)圖像中的特征 57
3.6.3 使用SURF獲取特征描述子 58
3.7 了解特征匹配 59
3.7.1 使用FLANN算法匹配圖像特征 60
3.7.2 執(zhí)行比率檢驗(yàn)以消除異常值 60
3.7.3 可視化特征匹配 61
3.7.4 映射單應(yīng)性估計(jì) 64
3.7.5 扭曲圖像 67
3.8 了解特征跟蹤 69
3.9 理解早期異常值檢測(cè)和剔除 69
3.10 研究算法原理 72
3.11 小結(jié) 74
3.12 許可 75
第4章 使用運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)重建3D場(chǎng)景 77
4.1 準(zhǔn)備工作 77
4.2 規(guī)劃應(yīng)用程序 78
4.3 了解相機(jī)校準(zhǔn)知識(shí) 81
4.3.1 了解針孔相機(jī)模型 81
4.3.2 估算相機(jī)內(nèi)參 83
4.3.3 定義相機(jī)校準(zhǔn)圖形用戶(hù)界面 84
4.3.4 初始化相機(jī)校準(zhǔn)算法 84
4.3.5 收集圖像和對(duì)象點(diǎn) 86
4.3.6 尋找相機(jī)矩陣 87
4.4 設(shè)置應(yīng)用程序 88
4.4.1 理解main例程函數(shù) 89
4.4.2 實(shí)現(xiàn)SceneReconstruction3D類(lèi) 90
4.5 從一對(duì)圖像估計(jì)相機(jī)的運(yùn)動(dòng) 92
4.5.1 使用豐富特征描述子應(yīng)用點(diǎn)匹配 93
4.5.2 使用光流進(jìn)行點(diǎn)匹配 94
4.5.3 查找相機(jī)矩陣 97
4.5.4 應(yīng)用圖像校正 99
4.6 重建場(chǎng)景 101
4.7 了解3D點(diǎn)云可視化 102
4.8 了解運(yùn)動(dòng)恢復(fù)結(jié)構(gòu) 105
4.9 小結(jié) 105
第5章 在OpenCV中使用計(jì)算攝影 107
5.1 準(zhǔn)備工作 107
5.2 規(guī)劃應(yīng)用程序 107
5.3 了解8位問(wèn)題 108
5.3.1 了解RAW圖像 110
5.3.2 使用伽瑪校正 111
5.4 了解高動(dòng)態(tài)范圍成像 115
5.4.1 探索改變曝光度的方法 118
5.4.2 快門(mén)速度 119
5.4.3 光圈 119
5.4.4 ISO感光度 120
5.4.5 使用多重曝光圖像生成HDR圖像 120
5.4.6 從圖像中提取曝光強(qiáng)度值 122
5.4.7 估計(jì)相機(jī)響應(yīng)函數(shù) 123
5.4.8 使用OpenCV編寫(xiě)HDR腳本 124
5.4.9 顯示HDR圖像 125
5.5 了解全景拼接 126
5.5.1 編寫(xiě)腳本參數(shù)并過(guò)濾圖像 126
5.5.2 計(jì)算相對(duì)位置和最終圖片尺寸 128
5.5.3 查找相機(jī)參數(shù) 128
5.5.4 為全景圖創(chuàng)建畫(huà)布 129
5.5.5 將圖像合并在一起 129
5.5.6 改善全景拼接 131
5.6 小結(jié) 131
5.7 延伸閱讀 131
5.8 許可 132
第6章 跟蹤視覺(jué)上的顯著對(duì)象 133
6.1 準(zhǔn)備工作 133
6.2 了解視覺(jué)顯著性 134
6.3 規(guī)劃應(yīng)用程序 135
6.4 設(shè)置應(yīng)用程序 136
6.4.1 實(shí)現(xiàn)main函數(shù) 136
6.4.2 了解MultiObjectTracker類(lèi) 137
6.5 映射視覺(jué)顯著性 138
6.5.1 了解傅里葉分析 140
6.5.2 了解自然場(chǎng)景統(tǒng)計(jì) 142
6.5.3 使用頻譜殘差法生成顯著圖 145
6.5.4 檢測(cè)場(chǎng)景中的原型對(duì)象 148
6.6 了解均值漂移跟蹤 149
6.7 自動(dòng)跟蹤足球場(chǎng)上的所有球員 151
6.8 了解OpenCV跟蹤API 154
6.9 綜合演練 157
6.10 小結(jié) 158
6.11 數(shù)據(jù)集許可 158
第7章 識(shí)別交通標(biāo)志 159
7.1 準(zhǔn)備工作 160
7.2 規(guī)劃應(yīng)用程序 160
7.3 監(jiān)督學(xué)習(xí)概念簡(jiǎn)介 161
7.3.1 訓(xùn)練過(guò)程 161
7.3.2 測(cè)試過(guò)程 163
7.4 探索GTSRB數(shù)據(jù)集 164
7.5 解析數(shù)據(jù)集 166
7.6 了解數(shù)據(jù)集特征提取 169
7.6.1 理解常見(jiàn)的預(yù)處理 170
7.6.2 了解灰度特征 171
7.6.3 理解色彩空間 172
7.6.4 使用SURF描述子 172
7.6.5 映射HOG描述子 173
7.7 關(guān)于SVM 175
7.7.1 使用SVM進(jìn)行多類(lèi)分類(lèi) 176
7.7.2 訓(xùn)練SVM 177
7.7.3 測(cè)試SVM 178
7.7.4 準(zhǔn)確率 179
7.7.5 混淆矩陣 180
7.7.6 精確率 181
7.7.7 召回率 183
7.8 綜合演練 185
7.9 使用神經(jīng)網(wǎng)絡(luò)改善結(jié)果 187
7.10 小結(jié) 188
7.11 數(shù)據(jù)集許可 189
第8章 識(shí)別面部表情 191
8.1 準(zhǔn)備工作 191
8.2 規(guī)劃應(yīng)用程序 192
8.3 了解人臉檢測(cè) 194
8.3.1 了解基于Haar的級(jí)聯(lián)分類(lèi)器 194
8.3.2 理解預(yù)訓(xùn)練的級(jí)聯(lián)分類(lèi)器 195
8.3.3 使用預(yù)先訓(xùn)練的級(jí)聯(lián)分類(lèi)器 196
8.3.4 理解FaceDetector類(lèi) 198
8.3.5 在灰度圖像中檢測(cè)臉部 199
8.3.6 預(yù)處理檢測(cè)到的臉部 200
8.3.7 檢測(cè)眼睛部位 201
8.3.8 變換臉部 202
8.4 收集數(shù)據(jù) 203
8.4.1 收集訓(xùn)練數(shù)據(jù)集 203
8.4.2 運(yùn)行應(yīng)用程序 204
8.4.3 實(shí)現(xiàn)數(shù)據(jù)收集器的圖形用戶(hù)界面 205
8.4.4 擴(kuò)充基本布局 206
8.4.5 處理當(dāng)前幀 208
8.4.6 存儲(chǔ)數(shù)據(jù) 208
8.5 理解面部表情識(shí)別 210
8.5.1 處理數(shù)據(jù)集 210
8.5.2 了解PCA 211
8.5.3 理解MLP 213
8.5.4 理解感知器 213
8.5.5 了解深度架構(gòu) 215
8.5.6 制作用于面部表情識(shí)別的MLP 217
8.5.7 訓(xùn)練MLP 219
8.5.8 測(cè)試MLP 220
8.5.9 運(yùn)行腳本 220
8.6 綜合演練 221
8.7 小結(jié) 224
8.8 參考資料 224
8.9 許可 225
第9章 對(duì)象分類(lèi)和定位 227
9.1 準(zhǔn)備工作 228
9.2 規(guī)劃應(yīng)用程序 228
9.3 準(zhǔn)備推理腳本 228
9.4 準(zhǔn)備數(shù)據(jù)集 230
9.4.1 下載并解析數(shù)據(jù)集 230
9.4.2 創(chuàng)建一個(gè)TensorFlow數(shù)據(jù)集 233
9.5 使用卷積神經(jīng)網(wǎng)絡(luò)分類(lèi) 236
9.5.1 理解卷積神經(jīng)網(wǎng)絡(luò) 236
9.5.2 了解遷移學(xué)習(xí) 237
9.5.3 準(zhǔn)備寵物類(lèi)型和品種的分類(lèi)器 239
9.5.4 訓(xùn)練和評(píng)估分類(lèi)器網(wǎng)絡(luò) 240
9.6 使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行定位 242
9.6.1 準(zhǔn)備定位器模型 243
9.6.2 理解反向傳播算法 245
9.6.3 訓(xùn)練模型 247
9.7 推理的實(shí)際應(yīng)用 248
9.8 小結(jié) 249
9.9 數(shù)據(jù)集許可 249
第10章 檢測(cè)和跟蹤對(duì)象 251
10.1 準(zhǔn)備工作 252
10.2 規(guī)劃應(yīng)用程序 252
10.3 準(zhǔn)備主腳本 252
10.4 使用SSD模型檢測(cè)對(duì)象 254
10.5 使用其他檢測(cè)器 257
10.6 了解對(duì)象檢測(cè)器 260
10.6.1 單對(duì)象檢測(cè)器 260
10.6.2 滑動(dòng)窗口方法 260
10.6.3 單遍檢測(cè)器 261
10.6.4 了解交并比 263
10.6.5 訓(xùn)練SSD和YOLO式網(wǎng)絡(luò) 264
10.7 跟蹤檢測(cè)到的對(duì)象 265
10.7.1 實(shí)現(xiàn)SORT跟蹤器 267
10.7.2 理解卡爾曼濾波器 267
10.7.3 結(jié)合使用邊界框跟蹤器和卡爾曼濾波器 271
10.7.4 將邊界框轉(zhuǎn)換為觀察值 272
10.7.5 實(shí)現(xiàn)卡爾曼濾波器 273
10.7.6 將檢測(cè)結(jié)果與跟蹤器關(guān)聯(lián)在一起 276
10.7.7 定義跟蹤器的類(lèi) 277
10.8 查看程序的實(shí)際應(yīng)用效果 279
10.9 小結(jié) 280
附錄A 應(yīng)用程序性能分析和加速 281
A.1 用Numba加速 282
A.2 通過(guò)CPU加速 284
A.3 理解Numba、CUDA和GPU加速 286
附錄B 設(shè)置Docker容器 289
B.1 定義Dockerfile 289
B.2 使用GPU 293