深入理解OpenCV：實(shí)用計(jì)算機(jī)視覺項(xiàng)目解析

譯者序 前　言 第1章　Android系統(tǒng)上的卡通化和皮膚變換 1 1.1　訪問攝像機(jī) 2 1.2　桌面應(yīng)用處理攝像機(jī)視頻的主循環(huán) 3 1.3　生成黑白素描 4 1.4　生成彩色圖像和卡通 5 1.5　用邊緣濾波器來生成“怪物”模式 7 1.6　用皮膚檢測來生成 “外星人”造型 8 1.6.1　皮膚檢測算法 8 1.6.2　確定用戶放置臉的位置 9 1.6.3　皮膚變色器的實(shí)現(xiàn) 10 1.7　把桌面應(yīng)用移植到Android系統(tǒng) 14 1.7.1　安裝使用OpenCV的Android項(xiàng)目 14 1.7.2　在Android NDK應(yīng)用中添加卡通化代碼 17 1.7.3　在Android系統(tǒng)中顯示保存圖像的消息 24 1.7.4　降低素描圖像的隨機(jī)椒鹽噪聲 27 1.8　總結(jié) 31 第2章　iPhone或iPad上基于標(biāo)記的增強(qiáng)現(xiàn)實(shí) 32 2.1　使用OpenCV創(chuàng)建iOS項(xiàng)目 33 2.1.1　添加OpenCV框架 34 2.1.2　包含OpenCV頭文件 35 2.2　應(yīng)用程序的結(jié)構(gòu) 36 2.3　標(biāo)記檢測 43 2.3.1　標(biāo)記識別 44 2.3.2　標(biāo)記編碼識別 50 2.4　在三維空間放置標(biāo)記 53 2.4.1　攝像機(jī)標(biāo)定 53 2.4.2　標(biāo)記姿態(tài)估計(jì) 54 2.5　渲染3D虛擬物體 56 2.5.1　創(chuàng)建OpenGL渲染層 56 2.5.2　渲染AR場景 59 2.6　總結(jié) 64 2.7　參考文獻(xiàn) 64 第3章　無標(biāo)記的增加現(xiàn)實(shí) 65 3.1　基于標(biāo)記的AR與無標(biāo)記的AR 65 3.2　使用特征描述符檢測視頻中的任意圖像 66 3.2.1　特征提取 67 3.2.2　模式對象定義 69 3.2.3　特征點(diǎn)匹配 69 3.2.4　刪除離群值 70 3.2.5　將示例項(xiàng)目各部分放在一起 76 3.3　模式姿態(tài)估計(jì) 77 3.3.1　PatternDetector.cpp 77 3.3.2　獲取攝像機(jī)內(nèi)矩陣 78 3.4　應(yīng)用的基礎(chǔ)架構(gòu) 81 3.4.1　ARPipeline.hpp 82 3.4.2　ARPipeline.cpp 82 3.4.3　在OpenCV中啟用三維可視化支持 83 3.4.4　使用OpenCV來創(chuàng)建OpenGL窗口 84 3.4.5　使用OpenCV捕獲視頻 85 3.4.6　渲染增強(qiáng)現(xiàn)實(shí) 85 3.4.7　演示應(yīng)用程序 88 3.5　總結(jié) 91 3.6　參考文獻(xiàn) 91 第4章　使用OpenCV研究從運(yùn)動中恢復(fù)結(jié)構(gòu) 92 4.1　從運(yùn)動中恢復(fù)結(jié)構(gòu)的概念 93 4.2　從兩幅圖像估計(jì)攝像機(jī)運(yùn)動 94 4.2.1　通過豐富的特征描述符進(jìn)行點(diǎn)匹配 94 4.2.2　通過光流進(jìn)行點(diǎn)匹配 96 4.2.3　搜索攝像機(jī)矩陣 99 4.3　重構(gòu)場景 102 4.4　從多視圖中重構(gòu) 105 4.5　重構(gòu)的細(xì)化 108 4.6　用PCL來可視化3D點(diǎn)云 111 4.7　使用示例代碼 113 4.8　總結(jié) 114 4.9　參考文獻(xiàn) 115 第5章　基于SVM和神經(jīng)網(wǎng)絡(luò)的車牌識別 116 5.1　ANPR簡介 116 5.2　ANPR算法 118 5.3　車牌檢測 119 5.3.1　圖像分割 120 5.3.2　分類 125 5.4　車牌號識別 127 5.4.1　OCR分割 127 5.4.2　特征提取 129 5.4.3　OCR分類 130 5.4.4　評價 133 5.5　總結(jié) 136 第6章　非剛性人臉跟蹤 137 6.1　概述 138 6.2　實(shí)用工具 139 6.2.1　面向?qū)ο笤O(shè)計(jì) 139 6.2.2　數(shù)據(jù)收集：圖像和視頻標(biāo)注 140 6.3　幾何約束 145 6.3.1　Procrustes分析 146 6.3.2　線性形狀模型 148 6.3.3　局部–全局相結(jié)合的表示 150 6.3.4　訓(xùn)練與可視化 152 6.4　面部特征檢測器 154 6.4.1　相關(guān)性塊模型 155 6.4.2　解釋全局幾何變換 159 6.4.3　訓(xùn)練與可視化 161 6.5　人臉檢測與初始化 163 6.6　人臉跟蹤 166 6.6.1　人臉跟蹤實(shí)現(xiàn) 166 6.6.2　訓(xùn)練與可視化 168 6.6.3　通用與專用人臉模型 168 6.7　總結(jié) 169 6.8　參考文獻(xiàn) 169 第7章　基于AAM和POSIT的 三維頭部姿態(tài)估計(jì) 170 7.1　主動外觀模型概述 171 7.2　主動形狀模型概述 172 7.2.1　感受PCA 174 7.2.2　三角剖分 177 7.2.3　扭曲三角化結(jié)構(gòu) 179 7.3　模型實(shí)例化——試試主動外觀模型 180 7.4　主動外觀模型搜索和擬合 181 7.5　POSIT算法 182 7.5.1　深入理解POSIT算法 183 7.5.2　POSIT與頭部模型 185 7.5.3　對攝像機(jī)或視頻文件進(jìn)行跟蹤 185 7.6　總結(jié) 187 7.7　參考文獻(xiàn) 187 第8章　基于特征臉或Fisher臉的人臉識別 189 8.1　人臉識別與人臉檢測介紹 189 8.1.1　第一步：人臉檢測 191 8.1.2　檢測人臉 194 8.1.3　第2步：人臉預(yù)處理 196 8.1.4　第3步：收集并訓(xùn)練人臉 204 8.1.5　第4步：人臉識別 212 8.1.6　收尾工作：保存和加載文件 215 8.1.7　收尾工作：制作一個漂亮的交互式GUI 215 8.2　總結(jié) 225 8.3　參考文獻(xiàn) 225