深入理解OpenCV：实用计算机视觉项目解析

定　价：¥59.00

作　者：	（巴西）Daniel Lélis Baggio 等著；刘波译
出版社：	机械工业出版社
丛编项：	华章程序员书库
标　签：	编程语言与程序设计计算机与互联网

购买这本书可以去

ISBN：	9787111478188	出版时间：	2014-09-01	包装：	平装
开本：	16开	页数：	240	字数：

内容简介

　　OpenCV是一个开源的计算机视觉库，在计算机视觉的开发中扮演着重要的角色。它为计算机视觉应用开发提供了灵活、功能强大的开发接口，使其成为计算机视觉专业人员所依赖的重要开发工具。《深入理解OpenCV：实用计算机视觉项目解析》系统地介绍如何使用OpenCV来构建与计算机视觉相关的应用，如增强现实、车牌识别、人脸检测等。每章都会介绍一个典型的计算机视觉应用问题，并并提供相关的背景介绍及全部源代码，为快速解决实际计算机视觉项目遇到的问题提供系统实用指南。　《深入理解OpenCV：实用计算机视觉项目解析》共9章：第1章介绍Android系统上的卡通化和皮肤变换；第2章讲解如何针对iPhone或iPad设备来构建基于标记的增强现实（AR）应用；第3章讲解怎样开发无标记增强现实桌面应用；第4章介绍如何从2D图像重构3D几何结构，以及如何估计摄像机位置；第5章讲解如何通过模式识别算法来判断一幅图像是否为车牌；第6章构建一个动态人脸跟踪系统；第7章讲解如何根据AAM提供的拟和能力来匹配给定帧；第8章介绍基于特征脸或Fisher脸的人脸识别技术；第9章包含一个互动流体模拟器（称为流体墙）的完整开发流程。

作者简介

　　Daniel Lélis Baggio，最初通过圣保罗的InCor（Instituto do Corao-心脏研究所）开始接触计算机视觉，在那里，他曾从事血管内超声图像分割。从那时起，他一直专注于GPGPU，并移植分割算法到NVIDIA的CUDA上工作。他也潜心研究个名为EHCI项目（http：//code.google.com/p/ehci/），该项目采用自然的用户界面来实现六自由度头部跟踪。他现在在巴西空军工作。刘波博士，重庆工商大学计算机科学与信息工程学院教师，主要从事机器学习的理论、计算机视觉和最优化技术研究，同时爱好Linux平台的编程和Oracle数据库。

图书目录

译者序前　言第1章　Android系统上的卡通化和皮肤变换 1 1.1　访问摄像机 2 1.2　桌面应用处理摄像机视频的主循环 3 1.3　生成黑白素描 4 1.4　生成彩色图像和卡通 5 1.5　用边缘滤波器来生成“怪物”模式 7 1.6　用皮肤检测来生成 “外星人”造型 8 1.6.1　皮肤检测算法 8 1.6.2　确定用户放置脸的位置 9 1.6.3　皮肤变色器的实现 10 1.7　把桌面应用移植到Android系统 14 1.7.1　安装使用OpenCV的Android项目 14 1.7.2　在Android NDK应用中添加卡通化代码 17 1.7.3　在Android系统中显示保存图像的消息 24 1.7.4　降低素描图像的随机椒盐噪声 27 1.8　总结 31 第2章　iPhone或iPad上基于标记的增强现实 32 2.1　使用OpenCV创建iOS项目 33 2.1.1　添加OpenCV框架 34 2.1.2　包含OpenCV头文件 35 2.2　应用程序的结构 36 2.3　标记检测 43 2.3.1　标记识别 44 2.3.2　标记编码识别 50 2.4　在三维空间放置标记 53 2.4.1　摄像机标定 53 2.4.2　标记姿态估计 54 2.5　渲染3D虚拟物体 56 2.5.1　创建OpenGL渲染层 56 2.5.2　渲染AR场景 59 2.6　总结 64 2.7　参考文献 64 第3章　无标记的增加现实 65 3.1　基于标记的AR与无标记的AR 65 3.2　使用特征描述符检测视频中的任意图像 66 3.2.1　特征提取 67 3.2.2　模式对象定义 69 3.2.3　特征点匹配 69 3.2.4　删除离群值 70 3.2.5　将示例项目各部分放在一起 76 3.3　模式姿态估计 77 3.3.1　PatternDetector.cpp 77 3.3.2　获取摄像机内矩阵 78 3.4　应用的基础架构 81 3.4.1　ARPipeline.hpp 82 3.4.2　ARPipeline.cpp 82 3.4.3　在OpenCV中启用三维可视化支持 83 3.4.4　使用OpenCV来创建OpenGL窗口 84 3.4.5　使用OpenCV捕获视频 85 3.4.6　渲染增强现实 85 3.4.7　演示应用程序 88 3.5　总结 91 3.6　参考文献 91 第4章　使用OpenCV研究从运动中恢复结构 92 4.1　从运动中恢复结构的概念 93 4.2　从两幅图像估计摄像机运动 94 4.2.1　通过丰富的特征描述符进行点匹配 94 4.2.2　通过光流进行点匹配 96 4.2.3　搜索摄像机矩阵 99 4.3　重构场景 102 4.4　从多视图中重构 105 4.5　重构的细化 108 4.6　用PCL来可视化3D点云 111 4.7　使用示例代码 113 4.8　总结 114 4.9　参考文献 115 第5章　基于SVM和神经网络的车牌识别 116 5.1　ANPR简介 116 5.2　ANPR算法 118 5.3　车牌检测 119 5.3.1　图像分割 120 5.3.2　分类 125 5.4　车牌号识别 127 5.4.1　OCR分割 127 5.4.2　特征提取 129 5.4.3　OCR分类 130 5.4.4　评价 133 5.5　总结 136 第6章　非刚性人脸跟踪 137 6.1　概述 138 6.2　实用工具 139 6.2.1　面向对象设计 139 6.2.2　数据收集：图像和视频标注 140 6.3　几何约束 145 6.3.1　Procrustes分析 146 6.3.2　线性形状模型 148 6.3.3　局部–全局相结合的表示 150 6.3.4　训练与可视化 152 6.4　面部特征检测器 154 6.4.1　相关性块模型 155 6.4.2　解释全局几何变换 159 6.4.3　训练与可视化 161 6.5　人脸检测与初始化 163 6.6　人脸跟踪 166 6.6.1　人脸跟踪实现 166 6.6.2　训练与可视化 168 6.6.3　通用与专用人脸模型 168 6.7　总结 169 6.8　参考文献 169 第7章　基于AAM和POSIT的三维头部姿态估计 170 7.1　主动外观模型概述 171 7.2　主动形状模型概述 172 7.2.1　感受PCA 174 7.2.2　三角剖分 177 7.2.3　扭曲三角化结构 179 7.3　模型实例化——试试主动外观模型 180 7.4　主动外观模型搜索和拟合 181 7.5　POSIT算法 182 7.5.1　深入理解POSIT算法 183 7.5.2　POSIT与头部模型 185 7.5.3　对摄像机或视频文件进行跟踪 185 7.6　总结 187 7.7　参考文献 187 第8章　基于特征脸或Fisher脸的人脸识别 189 8.1　人脸识别与人脸检测介绍 189 8.1.1　第一步：人脸检测 191 8.1.2　检测人脸 194 8.1.3　第2步：人脸预处理 196 8.1.4　第3步：收集并训练人脸 204 8.1.5　第4步：人脸识别 212 8.1.6　收尾工作：保存和加载文件 215 8.1.7　收尾工作：制作一个漂亮的交互式GUI 215 8.2　总结 225 8.3　参考文献 225