
计算机视觉是一门研究和应用学科,它研究如何使用计算机来处理和理解图像与视频,该研究领域涵盖了从图像采集和处理到图像分析和识别等多项技术。它的目标是使计算机能够像人类一样理解视觉信息,并且能够自动执行视觉任务。本书是一本以应用为导向的计算机视觉案例教材,全书共分11章。第1章讲述计算机视觉概述;第2章讲述系统环境搭建;第3章主要讲述图像处理基础;第4章主要讲述图像滤波;第5章讲述图像特征提取和匹配;第6章讲述图像分割基础;第7章讲述基于经典机器学习的图像分类;第8章讲述基于全连接网络和卷积神经网络的图像分类基础;第9章讲述基于卷积神经网络的图像分类程序的规范写法;第10章讲述基于YOLO的目标检测和物体追踪;第11章讲述基于深度学习的人脸检测、人脸识别和表情识别。前7章主要讲述必要的理论基础和基于经典机器学习的计算机视觉;后4章主要讲述基于深度学习的计算机视觉。学习本书学生有必要的Python基础知识即可,无须事先学习深度学习课程,最好具备一定的机器学习基础。本书希望做到:知识技能较系统,写法深入浅出,案例有较好的实用性;能帮助学生入门,能帮助学生树立解决问题的信心。
在英国皇家学会举行的“2014图灵测试”大会上,聊天程序“尤金·古斯特曼”(Eugene Goostman)首次通过了图灵测试,预示着人工智能进入全新时代。随后的几年,人工智能一词频频被包括深圳职业技术大学在内的各教育机构提起。作为向人工智能转型的举措之一,深圳职业技术大学软件技术专业从2018级开始,在拓展课程中加入了“人工智能视觉”课程,该课程的任务是讲授在人工智能背景下,计算机视觉的基础知识和基本技能以及初步应用。接受任务的任课教师们很快发现:尽管计算机视觉是一门相当传统的学科,但要在书籍市场上找到一本适合职业教育的计算机视觉教材是相当困难的事,无奈之下,任课教师们勉强选用了某翻译版的基于OpenCV3的计算机视觉书籍。使用后任课教师们发现该翻译版书籍错误不少,且案例不以应用为目标,应用准确性严重偏低,失去了实用价值。在随后的教学过程中,任课教师们对人工智能背景下计算机视觉的基础知识、基本技能进行了梳理,并结合日常生活中的一些典型案例对它们进行了应用展示。案例的准确性很高,具有较好的实用性。 本书以讲义的形式在深圳职业技术大学人工智能学院使用了三个学期。学生在第一个学期的使用反馈是综合案例偏简单,于是作者对综合案例做了调整,增加了代码量,提高了综合性和工程化水平。学生在第二、第三学期的使用反馈是课程有一定难度,紧跟教师能够学到东西,对树立解决问题的信心有一定的帮助。本书部分实践拓展问题和解决方法来自于深圳职业技术大学师生课堂交互。 全书共分11章。 第1章:从人类视觉系统讲到计算机视觉,概述其原理,简单介绍其主要应用。 第2章:学习搭建计算机视觉应用所需的开发环境,以Windows系统下的开发环境为例进行讲解,Linux系统下的开发环境及GPU的使用放到附录中。 第3章:图像处理基础,向读者介绍数字图像的组成、ROI、色彩空间等概念,通过按位操作完成贴图项目。 第4章:空间图像滤波,本章学习卷积、去噪、傅里叶变换、数学形态学、哈夫变换等的基本原理和应用,完成可用于自动驾驶的视频车道线提取项目。 第5章:图像特征提取与匹配,本章学习图像特征、特征提取、描述符匹配等的基本原理和应用,对不同特征提取方法进行比较,完成可乐标志视频搜索项目。 第6章:图像的经典分割,本章学习Otsu方法、自适应阈值法以及分水岭算法等,最终以专业翔实的过程完成数独图片中数字分割项目。 第7章:使用经典机器学习的图像分类,从这一章开始引入训练的概念,使用经典机器学习中的KNN和SVM算法完成数独数字识别(是第6章项目的延续)和汽车目标检测项目。 第8章:基于深度学习的图像分类,本章通过两个基础案例,为读者展示了基于全连接网络和CNN的图像分类的入门知识和技能。 第9章:基于本地数据的猫狗图像分类,本章以工程化方法展示了在企业开发中搭建深度学习计算机视觉项目的步骤。 第10章:基于YOLO的行人追踪,本章进入CNN的热门系列应用YOLO,向读者展示了CNN的深入应用技巧以及用于目标检测和物体追踪的方法。 第11章:人脸检测、人脸识别和表情识别,本章向读者展示了采用CNN技术的专业级的人脸检测、人脸识别和表情识别方法。 本书有以下特点: ? 注重基础知识和技能的系统性。作者深入研究了国内外知名课程平台上计算机视觉类课程,提炼出了这些课程中的共性知识与技能。本书内容既有图像处理的入门知识,又有结合经典机器学习的应用案例,还有与卷积神经网络紧密结合的应用案例。 ? 注重综合案例的工程化水平。书中部分案例已不是“玩具”案例,作者努力把部分中大型项目中的关键技巧写出来。 ? 注重总结和对比。这使得本书既适合入门,又适合有一定基础的学生进行章节选读。 ? 注重内涵和细节。书中有足够的“干货”,例如,结合可靠的应用研究者的研究结论,GPU在应用项目中的使用等。 ? 本书结构体例采用案例式写法,但如果仅写案例,则容易造成基础知识、基本技能的不系统,所以作者在每章的知识链接中对相关基础知识和技能进行了较系统的阐述,同时又不会过分偏离案例主题。在写作案例时,不仅有翔实的步骤,还重视解题思路研究和难点剖析,强调代码不同部分之间的联系,注重逻辑的完备性。 本书的读者定位于职业教育专科层次学生,也可作为相关职业本科专业计算机视觉课程的实践教材。 本书第3章、第4章、第6章的项目部分、第7章由刘小华编写,第1章、第2章、第9章、第11章由杨晨编写,第5章、第8章、第10章由胡兴鸿编写,第6章的知识链接部分由鄢小虎编写,每章后面的习题由刘小华、杨晨编写。每章的课后习题均为客观题(单选题、多选题或判断题),每章的任务拓展均为主观题或编程题。 本教材建议使用学时为64学时,各章学时分配可参考表1。 表1 各章学时分配建议表 序 号 章 名 讲 授 实 践 每章学时 01 第1章 2 0 2 02 第2章 1 1 2 03 第3章 4 4 8 04 第4章 5 5 10 05 第5章 2 2 4 06 第6章 2 4 6 07 第7章 2 4 6 08 第8章 3 3 6 09 第9章 4 4 8 10 第10章 3 3 6 11 第11章(选学) 2 4 6 累计和 30 34 64 致谢:深圳职业技术大学人工智能学院20级软件技术专业部分学生参与了本书的试读工作,并给出了宝贵的建议,在此向他们表示衷心的感谢! 编者
第1章 计算机视觉概述 1 1.1 从人类视觉系统到计算机视觉 1 1.2 计算机视觉与人工智能 7 1.3 计算机视觉应用 9 1.4 课后习题 13 1.5 本章小结 15 第2章 系统环境搭建 16 2.1 项目1 搭建计算机视觉应用开发的系统环境 16 2.2 课后习题 35 2.3 本章小结 35 第3章 图像处理基础 36 3.1 项目2 把logo贴到大图右下角 36 3.2 课后习题 61 3.3 本章小结 64 第4章 图像滤波 65 4.1 项目3 交通视频中的车道线检测和绘制 65 4.2 课后习题 102 4.3 本章小结 106 第5章 图像特征提取和匹配 107 5.1 项目4 基于特征提取的logo定位 107 5.2 课后习题 120 5.3 本章小结 121 第6章 图像分割基础 122 6.1 项目5 数独图像中题干已知数字的分割 122 6.2 课后习题 142 6.3 本章小结 144 第7章 使用经典机器学习方法的目标检测和图像分类 145 7.1 项目6 使用SVM完成图片中的多车检测 145 7.2 项目7 使用KNN识别印刷体数字 157 7.3 课后习题 165 7.4 本章小结 166 第8章 基于深度学习的图像分类基础 167 8.1 项目8 基于全连接网络的图像分类 167 8.2 项目9 基于卷积神经网络(CNN)的图像分类 187 8.3 课后习题 197 8.4 本章小结 199 第9章 复杂深度学习项目的规范写法 200 9.1 项目10 基于本地数据的猫狗图像分类 200 9.2 课后习题 232 9.3 本章小结 232 第10章 基于深度学习的物体追踪 233 10.1 项目11 基于YOLOv3的行人追踪 233 10.2 课后习题 246 10.3 本章小结 247 第11章 基于深度学习的人脸相关应用 248 11.1 项目12 人脸检测、人脸识别和表情识别 248 11.2 课后习题 295 11.3 本章小结 296 附录A:术语表 297 附录B:基于Ubuntu操作系统和CPU的系统环境搭建 300 附录C:基于Ubuntu操作系统和GPU的系统环境搭建 303 附录D:CPU下的TensorFlow和Python版本对应关系 311 附录E:GPU下的TensorFlow、Python、CUDA和cuDNN版本对应关系 313