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(jī)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(shí)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(yùn)動(dòng)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(jī)標(biāo)定和對(duì)極幾何 42
2.2.2　立體重建和SfM 45
2.3　在OpenCV中實(shí)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(diǎn)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(dòng)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(diǎn)檢測 65
3.4　基于特征點(diǎn)的人臉方向估計(jì) 68
3.4.1　估計(jì)姿態(tài)計(jì)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(shí)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(shí)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(shí)別 106
5.1　介紹人臉檢測和人臉識(shí)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(shí)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(gè)漂亮的、交互體驗(yàn)好的GUI 141
5.2　小結(jié) 153
5.3　參考文獻(xiàn) 154
第6章　Web計(jì)算機(jī)視覺之初識(shí)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(jí)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(jī)校準(zhǔn)和AR 182
7.1　技術(shù)要求 182
7.2　增強(qiáng)現(xiàn)實(shí)和姿態(tài)估計(jì) 183
7.2.1　相機(jī)校準(zhǔn) 184
7.2.2　用于平面重建的增強(qiáng)現(xiàn)實(shí)標(biāo)記 186
7.3　Android系統(tǒng)中的相機(jī)訪問 188
7.4　使用ArUco進(jìn)行相機(jī)校準(zhǔn) 191
7.5　使用jMonkeyEngine實(shí)現(xiàn)增強(qiáng)現(xiàn)實(shí) 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(xiàng)目概況 204
8.4　用CocoaPods設(shè)置iOS OpenCV項(xiàng)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(xiàng)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(xiàng) 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