注册 | 登录读书好,好读书,读好书!
读书网-DuShu.com
当前位置: 首页出版图书科学技术计算机/网络图形图像、多媒体、网页制作图像识别技术与实战(OpenCV+dlib+Keras+Sklearn+TensorFlow)

图像识别技术与实战(OpenCV+dlib+Keras+Sklearn+TensorFlow)

图像识别技术与实战(OpenCV+dlib+Keras+Sklearn+TensorFlow)

定 价:¥89.00

作 者: 扶松柏 著
出版社: 清华大学出版社
丛编项:
标 签: 暂缺

购买这本书可以去


ISBN: 9787302594086 出版时间: 2022-01-01 包装:
开本: 16开 页数: 318 字数:  

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ping台,AI人脸识别签到打卡系统(PyQt5 百度AI OpenCV-Python SQLite3实现),基于深度学习的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,内容丰富全面,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ping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。

作者简介

  扶松柏,华中科技大学计算机硕士,通信工程硕士,Python开发工程师,Android开发工程师,热衷于移动开底层系统架构、驱动开发、AI开发的研究和具体工作,对Python人工智能的架构设计和实现原理有非常深刻的认识和理解,应用开发经验也十分丰富。

图书目录

第1章   图像识别技术基础 1
1.1  图像识别概述 2
1.1.1  什么是图像识别 2
1.1.2  图像识别的应用 2
1.2  图像识别原理 3
1.3  图像识别技术 4
1.3.1  AI(人工智能) 5
1.3.2  机器学习 5
1.3.3  深度学习 6
1.3.4  基于神经网络的图像识别 6
1.3.5  基于非线性降维的图像识别 7
第2章   scikit-image数字图像处理 9
2.1  scikit-image基础 10
2.1.1  安装scikit-image 10
2.1.2  scikit-image中的模块 10
2.2  显示图像 11
2.2.1  使用skimage读入并显示外部图像 11
2.2.2  读取并显示外部灰度图像 12
2.2.3  显示内置星空图片 13
2.2.4  读取并保存内置星空图片 14
2.2.5  显示内置星空图片的基本信息 15
2.2.6  实现内置猫图片的红色通道的效果 16
2.3  常见的图像操作 17
2.3.1  对内置猫图片进行二值化操作 17
2.3.2  对内置猫图片进行裁剪处理 18
2.3.3  将RGB图转换为灰度图 19
2.3.4  使用skimage实现绘制图片功能 20
2.3.5  使用subplot()函数绘制多视图窗口 20
2.3.6  使用subplots()函数绘制多视图窗口 22
2.3.7  改变指定图片的大小 24
2.3.8  使用函数rescale()缩放图片 25
2.3.9  使用函数rotate()旋转图片 25
第3章   OpenCV图像视觉处理 27
3.1  OpenCV基础 28
3.1.1  OpenCV介绍 28
3.1.2  OpenCV-Python介绍 28
3.1.3  安装OpenCV-Python 29
3.2  OpenCV-Python图像操作 29
3.2.1  读取并显示图像 29
3.2.2  保存图像 31
3.2.3  在Matplotlib中显示图像 32
3.2.4  绘图 33
3.2.5  将鼠标作为画笔 37
3.2.6  调色板程序 38
3.2.7  基本的属性操作 40
3.2.8  图像的几何变换 42
3.2.9  图像直方图 45
3.2.10  特征识别:Harris(哈里斯)角检测 49
3.3  OpenCV-Python视频操作 51
3.3.1  读取视频 51
3.3.2  播放视频 53
3.3.3  保存视频 54
3.3.4  改变颜色空间 55
3.3.5  视频的背景分离 56
3.4  简易车牌识别系统 59
3.4.1  系统介绍 59
3.4.2  通用程序 59
3.4.3  主程序 64
第4章   dlib机器学习和图像处理算法 67
4.1  dlib介绍 68
4.2  dlib基本的人脸检测 68
4.2.1  人脸检测 68
4.2.2  使用命令行的人脸识别 70
4.2.3  检测人脸关键点 72
4.2.4  基于CNN的人脸检测器 74
4.2.5  在摄像头中识别人脸 76
4.2.6  人脸识别验证 77
4.2.7  全局优化 79
4.2.8  人脸聚类 81
4.2.9  抖动采样和增强 82
4.2.10  人脸和姿势采集 84
4.2.11  物体追踪 86
4.3  SVM分类算法 87
4.3.1  二进制SVM分类器 87
4.3.2  Ranking SVM算法 89
4.3.3  Struct SVM多分类器 92
4.4  自训练模型 95
4.4.1  训练自己的模型 95
4.4.2  自制对象检测器 98
第5章   face_recognition人脸识别 103
5.1  安装face_recognition 104
5.2  实现基本的人脸检测 104
5.2.1  输出显示指定人像人脸特征 104
5.2.2  在指定照片中识别标记出人脸 107
5.2.3  识别出照片中的所有人脸 108
5.2.4  判断在照片中是否包含某个人脸 111
5.2.5  识别出在照片中的人到底是谁 113
5.2.6  摄像头实时识别 114
5.3  深入face_recognition人脸检测 120
5.3.1  检测人脸眼睛的状态 120
5.3.2  模糊处理人脸 122
5.3.3  检测两个人脸是否匹配 123
5.3.4  识别视频中的人脸 125
5.3.5  网页版人脸识别器 127
第6章   Scikit-Learn机器学习和人脸识别 131
6.1  Scikit-Learn基础 132
6.1.1  Scikit-Learn介绍 132
6.1.2  安装Scikit-Learn 132
6.2  基于Scikit-Learn的常用算法 132
6.2.1  Scikit-Learn机器学习的基本流程 133
6.2.2  分类算法 134
6.2.3  聚类算法 137
6.2.4  分解算法 139
6.3  Scikit-Learn和人脸识别 144
6.3.1  SVM算法人脸识别 144
6.3.2  KNN算法人脸识别 145
6.3.3  KNN算法实时识别 151
第7章   TensorFlow机器学习和图像识别 155
7.1  TensorFlow基础 156
7.1.1 TensorFlow介绍 156
7.1.2  TensorFlow的优势 156
7.1.3  安装TensorFlow 157
7.2  创建个机器学习程序 160
7.2.1  在PyCharm环境实现 160
7.2.2  在Colaboratory环境实现 162
7.3  使用内置方法进行训练和评估 164
7.3.1  个端到端训练和评估示例 164
7.3.2  使用compile()训练模型 167
7.3.3  自定义损失 169
7.3.4  自定义指标 171
7.3.5  处理不适合标准签名的损失和指标 173
7.3.6  自动分离验证预留集 176
7.3.7  通过tf.data数据集进行训练和评估 177
7.3.8  使用样本加权和类加权 181
7.4  TensorFlow图像视觉处理 183
7.4.1  导入需要的库 183
7.4.2  导入 Fashion MNIST 数据集 184
7.4.3  浏览数据 186
7.4.4  预处理数据 186
7.4.5  构建模型 188
7.4.6  编译模型 189
7.4.7  训练模型 189
7.4.8  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 197
8.1  百度AI开放平台 198
8.1.1  百度AI开放平台介绍 198
8.1.2  使用百度AI之前的准备工作 198
8.1.3  基于百度AI平台的人脸识别 203
8.2  科大讯飞AI开放平台 207
8.2.1  科大讯飞AI开放平台介绍 207
8.2.2  申请试用 208
8.2.3  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) 217
9.1  需求分析 218
9.1.1  背景介绍 218
9.1.2  任务目标 218
9.2  模块架构 219
9.3  使用Qt Designer实现主窗口界面 220
9.3.1  设计系统UI主界面 220
9.3.2  将Qt Designer文件转换为Python文件 221
9.4  签到打卡、用户操作和用户组操作 225
9.4.1  设计UI界面 226
9.4.2  创建摄像头类 228
9.4.3  UI界面的操作处理 230
9.4.4  多线程操作和人脸识别 241
9.4.5  导出打卡签到信息 245
9.5  调试运行 247
第10章   基于深度学习的AI人脸识别系统(Flask OpenCV-Python Keras Sklearn实现) 251
10.1  系统需求分析 252
10.1.1  系统功能分析 252
10.1.2  实现流程分析 252
10.1.3  技术分析 253
10.2  照片样本采集 254
10.3  深度学习和训练 256
10.3.1  原始图像预处理 256
10.3.2  构建人脸识别模块 258
10.4  人脸识别 263
10.5  Flask Web人脸识别接口 264
10.5.1  导入库文件 264
10.5.2  识别上传照片 265
10.5.3  在线识别 267
第11章   AI考勤管理系统(face-recognition Matplotlib Django Scikit-Learn dlib实现) 269
11.1  背景介绍 270
11.2  系统需求分析 270
11.2.1  可行性分析 270
11.2.2  系统操作流程分析 270
11.2.3  系统模块设计 271
11.3  系统配置 272
11.3.1  Django配置文件 272
11.3.2  路径导航文件 272
11.4  用户注册和登录验证 273
11.4.1  登录验证 273
11.4.2  添加新用户 275
11.4.3  设计数据模型 276
11.5  采集照片和机器学习 277
11.5.1  设置采集对象 277
11.5.2  采集照片 279
11.5.3  训练照片模型 281
11.6  考勤打卡 283
11.6.1  上班打卡签到 283
11.6.2  下班打卡 285
11.7  可视化考勤数据 287
11.7.1  统计近两周的考勤数据 288
11.7.2  查看本人指定时间范围内的考勤统计图 292
11.7.3  查看某员工在指定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 303
12.1  背景介绍 304
12.2  系统功能分析和模块设计 304
12.2.1  功能分析 304
12.2.2  系统模块设计 305
12.3  系统GUI 305
12.3.1  设置基本信息 305
12.3.2  绘制操作按钮 306
12.3.3  绘制背景和文字 307
12.4  车牌识别和收费 308
12.4.1  登记业主的车辆信息 308
12.4.2  识别车牌 308
12.4.3  计算停车时间 309
12.4.4  识别车牌并计费 310
12.5  主程序 314

本目录推荐