掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
智能系統與技術叢書深入理解OpenCV:實用計算機視覺項目解析(原書第3版) 版權信息
- ISBN：9787111645771
- 條形碼：9787111645771 ; 978-7-111-64577-1
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
智能系統與技術叢書深入理解OpenCV:實用計算機視覺項目解析(原書第3版) 本書特色
本書秉承“幫助計算機視覺工程師邁出掌握OpenCV的*步”的初心，在保留必要的數學公式的情況下，針對當前熱門的計算機視覺主題，如面部識別、關鍵點檢測、姿態估計，以及基于深度卷積網絡的車牌識別，展示了從構思到運行的全過程，并提供了完整的項目代碼。
無論你來自學術界還是工業界，都將從經驗豐富的OpenCV專家那里學習如何輕松地實現計算機視覺產品和項目。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計和選型，從而超越計算機視覺的基礎，從更高的層次上實現復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，你將學會：
使用有效的OpenCV代碼對真實世界的計算機視覺問題進行建模
發現OpenCV項目及維護的*實踐本書秉承“幫助計算機視覺工程師邁出掌握OpenCV的*步”的初心，在保留必要的數學公式的情況下，針對當前熱門的計算機視覺主題，如面部識別、關鍵點檢測、姿態估計，以及基于深度卷積網絡的車牌識別，展示了從構思到運行的全過程，并提供了完整的項目代碼。
無論你來自學術界還是工業界，都將從經驗豐富的OpenCV專家那里學習如何輕松地實現計算機視覺產品和項目。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計和選型，從而超越計算機視覺的基礎，從更高的層次上實現復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，你將學會：
使用有效的OpenCV代碼對真實世界的計算機視覺問題進行建模
發現OpenCV項目及維護的*實踐
探索用于復雜計算機視覺任務的算法設計方法
使用OpenCV新的API（v4.0.0）
從運動中理解3D場景結構和重建3D場景（SfM）
使用ArUco模塊進行相機標定并疊加AR物體
智能系統與技術叢書深入理解OpenCV:實用計算機視覺項目解析(原書第3版) 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，如人臉及特征點檢測、姿態估計，以及基于深度卷積網絡的車牌識別，展示了從構思到運行的全過程，并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”兩個章節幫助程序員從成百上千的API中進行需求權衡、設計、技術選型、優化和避免陷阱。
智能系統與技術叢書深入理解OpenCV:實用計算機視覺項目解析(原書第3版) 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 桌面應用程序的相機處理主循環 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 用于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模塊從運動中恢復結構 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 60
第3章 使用人臉模塊進行人臉特征點及姿態檢測 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 基于深度卷積網絡的車牌識別 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 基于卷積神經網絡的字符分類 89
4.5 小結 105
第5章 通過DNN模塊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 收集人臉并從中學習 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 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 什么是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模塊的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 用于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 帶有拼接模塊的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 全景圖的特征提取和魯棒匹配 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 212
8.8 進一步閱讀 212
第9章 為項目找到*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*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
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 桌面應用程序的相機處理主循環 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 用于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模塊從運動中恢復結構 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 60
第3章 使用人臉模塊進行人臉特征點及姿態檢測 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 基于深度卷積網絡的車牌識別 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 基于卷積神經網絡的字符分類 89
4.5 小結 105
第5章 通過DNN模塊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 收集人臉并從中學習 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 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 什么是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模塊的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 用于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 帶有拼接模塊的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 全景圖的特征提取和魯棒匹配 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 212
8.8 進一步閱讀 212
第9章 為項目找到*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*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
展開全部
智能系統與技術叢書深入理解OpenCV:實用計算機視覺項目解析(原書第3版) 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）。他畢業于麻省理工學院（MIT）并獲得博士學位，致力于計算機視覺、人機界面以及其交叉領域的研究，撰寫論文超過25篇。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，并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博客的作者，在那里他發表有關OpenCV、計算機視覺和光學字符識別算法的研究文章和教程。
書友推薦
- >
月亮與六便士
- >
唐代進士錄
- >
名家帶你讀魯迅:故事新編
- >
煙與鏡
- >
二體千字文
- >
隨園食單
- >
有舍有得是人生
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
本類暢銷
