VIP会员
内容简介
《图像识别技术与实战(OpenCV+dlib+Keras+Sklearn+TensorFlow)》循序渐进地讲解了使用Python语言实现图像视觉识别的核心知识，并通过具体实例的实现过程演练了图像视觉识别的方法和流程。全书共12章，分别讲解了图像识别技术基础，scikit-image数字图像处理，OpenCV图像视觉处理，dlib机器学习和图像处理算法，face_recognition人脸识别，Scikit-Learn机器学习和人脸识别，TensorFlow机器学习和图像识别，国内常用的第三方人脸识别平台，AI人脸识别签到打卡系统(PyQt5+百度AI+OpenCV-Python+SQLite3实现)，基于深度学AI人脸识别系统(Flask+OpenCV-Python+Keras+Sklearn实现)，AI考勤管理系统(face-recognition+Matplotlib+Django+Scikit-Learn+dlib实现)，AI小区停车计费管理系统。全书讲解简洁而不失技术深度，内容丰富，并且易于阅读，以极简的文字介绍了复杂的案例，是学习Python图像视觉识别的实用教程。《图像识别技术与实战(OpenCV+dlib+Keras+Sklearn+TensorFlow)》适用于已经了解Python语言基础语法的读者，并且适应于希望进一步提高自己Python开发水平的读者，还可以作为大专院校相关专业的师生用书和培训机构的专业教材。
目录
第1章 图像识别技术基础 11.1 图像识别概述 21.1.1 什么是图像识别 21.1.2 图像识别的应用 21.2 图像识别原理 31.3 图像识别技术 41.3.1 AI(人工智能) 51.3.2 机器学习 51.3.3 深度学习 61.3.4 基于神经网络的图像识别 61.3.5 基于非线降维的图像识别 7第2章 scikit-image数字图像处理 92.1 scikit-image基础 102.1.1 安装scikit-image 102.1.2 scikit-image中的模块 102.2 显示图像 112.2.1 使用skimage读入并显示外部图像 112.2.2 读取并显示外部灰度图像 122.2.3 显示内置星空图片 132.2.4 读取并保存内置星空图片 142.2.5 显示内置星空图片的基本信息 152.2.6 实现内置猫图片的红色通道的效果 162.3 常见的图像操作 172.3.1 对内置猫图片进行二值化操作 172.3.2 对内置猫图片进行裁剪处理 182.3.3 将RGB图转换为灰度图 192.3.4 使用skimage实现绘制图能 202.3.5 使用plot()函数绘制多视图窗口 202.3.6 使用plots()函数绘制多视图窗口 222.3.7 改变图片的大小 242.3.8 使用函数rescale()缩放图片 252.3.9 使用函数rotate()旋转图片 25第3章 OpenCV图像视觉处理 273.1 OpenCV基础 283.1.1 OpenCV介绍 283.1.2 OpenCV-Python介绍 283.1.3 安装OpenCV-Python 293.2 OpenCV-Python图像操作 293.2.1 读取并显示图像 293.2.2 保存图像 313.2.3 在Matplotlib中显示图像 323.2.4 绘图 333.2.5 将鼠标作为画笔 373.2.6 调色板程序 383.2.7 基本的属操作 403.2.8 图像的几何变换 423.2.9 图像直方图 453.2.10 ：Harris(哈里斯)角检测 493.3 OpenCV-Python操作 513.3.1 读取 513.3.2 播放 533.3.3 保存 543.3.4 改变颜色空间 553.3.5 的背景分离 563.4 简易车牌识别系统 593.4.1 系统介绍 593.4.2 通用程序 593.4.3 主程序 64第4章 dlib机器学习和图像处理算法 674.1 dlib介绍 684.2 dlib基本的人脸检测 684.2.1 人脸检测 684.2.2 使用命令行的人脸识别 704.2.3 检测人脸关键点 724.2.4 基于N的人脸检测器 744.2.5 在摄像头中识别人脸 764.2.6 人脸识别验证 774.2.7 全局优化 794.2.8 人脸聚类 814.2.9 抖动采样和增强 824.2.10 人脸和姿势采集 844.2.11 物体追踪 864.3 SVM分类算法 874.3.1 二进制SVM分类器 874.3.2 Ra SVM算法 894.3.3 Struct SVM多分类器 924.4 自训练模型 954.4.1 训练自己的模型 954.4.2 自制对象检测器 98第5章 face_recognition人脸识别 1035.1 安装face_recognition 1045.2 实现基本的人脸检测 1045.2.1 输出显示人像人脸特征 1045.2.2 在照片中识别标记出人脸 1075.2.3 识别出照片中的所有人脸 1085.2.4 判断在照片中是含某个人脸 1115.2.5 识别出在照片中的人到底是谁 1135.2.6 摄像头实时识别 1145.3 深入face_recognition人脸检测 1205.3.1 检测人脸眼睛的状态 1205.3.2 模糊处理人脸 1225.3.3 检测两个人脸是否匹配 1235.3.4 识别中的人脸 1255.3.5 网页版人脸识别器 127第6章 Scikit-Learn机器学习和人脸识别 1316.1 Scikit-Learn基础 1326.1.1 Scikit-Learn介绍 1326.1.2 安装Scikit-Learn 1326.2 基于Scikit-Learn的常用算法 1326.2.1 Scikit-Learn机器学基本流程 1336.2.2 分类算法 1346.2.3 聚类算法 1376.2.4 分解算法 1396.3 Scikit-Learn和人脸识别 1446.3.1 SVM算法人脸识别 1446.3.2 KNN算法人脸识别 1456.3.3 KNN算法实时识别 151第7章 TensorFlow机器学习和图像识别 1557.1 TensorFlow基础 1567.1.1 TensorFlow介绍 1567.1.2 TensorFlow的优势 1567.1.3 安装TensorFlow 1577.2 创建个机器学习程序 1607.2.1 在PyCharm环境实现 1607.2.2 在Colaboratory环境实现 1627.3 使用内置方法进行训练和评估 1647.3.1 个端到端训练和评估示例 1647.3.2 使用compile()训练模型 1677.3.3 自定义损失 1697.3.4 自定义指标 1717.3.5 处理不适合标准签名的损失和指标 1737.3.6 自动分离验证预留集 1767.3.7 通过tf.data数据集进行训练和评估 1777.3.8 使用样本加权和类加权 1817.4 TensorFlow图像视觉处理 1837.4.1 导入需要的库 1837.4.2 导入 Fashion MNIST 数据集 1847.4.3 浏览数据 1867.4.4 预处理数据 1867.4.5 构建模型 1887.4.6 编译模型 1897.4.7 训练模型 1897.4.8 使用训练好的模型 195第8章 国内常用的第三方人脸识别平台 1978.1 百度AI开放平台 1988.1.1 百度AI开放平台介绍 1988.1.2 使用百度AI之前的准备工作 1988.1.3 基于百度AI平台的人脸识别 2038.2 科大讯飞AI开放平台 2078.2.1 科大讯飞AI开放平台介绍 2078.2.2 申请 2088.2.3 基于科大讯飞AI的人脸识别 209第9章 AI人脸识别签到打卡系统(PyQt5+百度AI+OpenCV-Python+SQLite3实现) 2179.1 需求分析 2189.1.1 背景介绍 2189.1.2 任务目标 2189.2 模块架构 2199.3 使用Qt Designer实现主窗口界面 2209.3.1 设计系统UI主界面 2209.3.2 将Qt Designer文件转换为Pyt件 2219.4 签到打卡、用户操作和用户组操作 2259.4.1 设计UI界面 2269.4.2 创建摄像头类 2289.4.3 UI界面的操作处理 2309.4.4 多线程操作和人脸识别 2419.4.5 导出打卡签到信息 2459.5 调试运行 247第10章 基于深度学AI人脸识别系统(Flask+ OpenCV-Python+Keras+Sklearn实现) 25110.1 系统需求分析 25210.1.1 系能分析 25210.1.2 实现流程分析 25210.1.3 技术分析 25310.2 照片样本采集 25410.3 深度学习和训练 25610.3.1 原始图像预处理 25610.3.2 构建人脸识别模块 25810.4 人脸识别 26310.5 Flask Web人脸识别接口 26410.5.1 导入库文件 26410.5.2 识别上传照片 26510.5.3 在线识别 267第11章 AI考勤管理系统(face-recognition+Matplotlib+ Django+Scikit-Learn+dlib实现) 26911.1 背景介绍 27011.2 系统需求分析 27011.2.1 可行分析 27011.2.2 系统操作流程分析 27011.2.3 系统模块设计 27111.3 系统配置 27211.3.1 Django配置文件 27211.3.2 路径导航文件 27211.4 用户注册和登录验证 27311.4.1 登录验证 27311.4.2 添加新用户 27511.4.3 设计数据模型 27611.5 采集照片和机器学习 27711.5.1 设置采集对象 27711.5.2 采集照片 27911.5.3 训练照片模型 28111.6 考勤打卡 28311.6.1 上班打卡签到 28311.6.2 下班打卡 28511.7 可视化考勤数据 28711.7.1 统计两周的考勤数据 28811.7.2 查看本人时间范围内的考勤统计图 29211.7.3 查看某员工在时间范围内的考勤统计图 298第12章 AI小区停车计费管理系统 30312.1 背景介绍 30412.2 系能分析和模块设计 30412.2.1 能分析 30412.2.2 系统模块设计 30512.3 系统GUI 30512.3.1 设置基本信息 30512.3.2 绘制操作按钮 30612.3.3 绘制背景和文字 30712.4 车牌识别和收费 30812.4.1 登记业主的车辆信息 30812.4.2 识别车牌 30812.4.3 计算停车时间 30912.4.4 识别车牌并计费 31012.5 主程序 314