深入理解OpenCV：实用计算机视觉项目解析

　　本书包含9章，每章都用一个完整项目作为教程，并提供全部源代码，这些源代码包含了用C++实现的OpenCV接口。每章都出自作者在OpenCV社区对某一主题所做出的令人瞩目的贡献， OpenCV的主要开发者也审阅了本书。本书没有解释OpenCV函数的基本功能，而是第一本介绍如何使用OpenCV来解决整个问题的书，其中包括几个3D摄像机项目（增强现实、从运动中恢复3D结构、Kinect交互）和几个面部表情分析项目（例如：皮肤检测、简单的面部和眼部检测、复杂的面部特征跟踪、三维头部姿势估计和人脸识别）。因此，本书能很好地与现有OpenCV书籍配合使用。 
　　本书的主要内容 
　　第1章包含一个针对桌面应用和Android应用的完整教程及相关源代码，这些应用可从真实摄像机图像中自动生成一幅卡通画或图画。在生成过程中，包括皮肤颜色变换在内的几种卡通类型可供选择。 
　　第2章包含一个完整教程，该教程讲解如何针对iPhone或iPad设备来构建基于标记的增强现实(AR)应用，并给出每个步骤和源代码的解释。 
　　第3章包含一个怎样开发无标记增强现实桌面应用的完整教程，并解释了无标记增强现实（AR）和其源代码。 
　　第4章通过OpenCV实现运动中结构恢复的概念来介绍运动中的结构（SfM）。读者将学习如何从2D图像重构3D几何结构以及如何估计摄像机位置。 
　　第5章包含一个完整教程及相关源代码，该教程是通过模式识别算法（支持向量机和人工神经网络）而建立的自动车牌识别应用。读者将学习如何训练和预测模式识别算法来判断一幅图像是否为车牌。这对通过一组特征来识别字符也有帮助。 
　　第6章包含构建一个动态人脸跟踪系统的完整教程及相关源代码，该系统能模拟和跟踪人脸的一些复杂部位。 
　　第7章包含理解主动外观模型（AAM）和通过OpenCV来根据有不同脸部表情的数据帧创建AAM的所有背景知识。除此以外，该章解释如何根据AAM提供的拟合能力来匹配给定帧。然后采用POSIT算法来找到3D头部姿态。 
　　第8章包含实时人脸识别应用的完整教程和源代码，该应用包括基本的脸部和眼部检测算法，能处理图像中的人脸旋转和不同光照条件。 
　　第9章包含一个交互式流体模拟器(称为流体墙)的完整开发流程，它采用Kinect传感器。该章将解释怎样通过OpenCV的光学流方法来使用Kinect数据并将其集成到一个流体求解算法中。 
　　阅读前的准备工作 
　　阅读本书不需要具有计算机视觉的专业知识，但在阅读本书之前应该有良好的C / C ++编程技能和OpenCV的基本经验。没有OpenCV经验的读者不妨阅读《Learning OpenCV》来了解OpenCV的特性或阅读《OpenCV 2 Cookbook》来了解如何以受推崇的C++方式来使用OpenCV，因为本书将展示如何解决现实问题，并假定读者熟悉OpenCV和C/C++开发的基础知识。 
　　除具有C/C++和OpenCV的经验外，读者还需要一台计算机和相应的IDE环境（例如： Visual Studio、 XCode、 Eclipse、QtCreator，它们可以运行在Windows、Mac或者Linux上）。有些章节有进一步的要求，特别是： 
　　为了开发Android应用，读者需要一台Android设备、多种Android开发工具和基本的Android开发经验。 
　　为了开发iOS应用，读者需要iPhone、iPad或iPod Touch设备、iOS开发工具（包含一台苹果电脑、XCode IDE、苹果开发者证书）以及基本的iOS和Objective-C的开发经验。 
　　几个桌面项目需要一台与计算机相连的摄像机。任何普通的USB摄像机就足够了，但它至少是100万像素。 
　　某些项目(包括OpenCV本身)会使用CMake来构建以支持跨平台和跨编译器。需要对构建系统有基本的理解，最好具有跨平台构建的知识。 
　　需要了解线性代数方面的知识，例如：向量和矩阵的基本操作以及特征分解。 
　　本书的读者对象 
　　本书对想用基本的OpenCV知识来创建实际的计算机视觉项目的开发者来说是一本绝佳指南，此外，对于经验丰富并想获得更多计算机视觉主题的OpenCV专家而言也是非常好的一本书。本书向计算机科学相关专业的高年级本科生和研究生，以及研究人员和想用OpenCV C/C++ 接口来解决实际问题的计算机视频专家提供循序渐进的实用教程。 

　　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、计算机视觉和优化技术研究，同时爱好Linux平台的编程和Oracle数据库。

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

　　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。 

　　OpenCV的主要开发者和OpenCV社区的主要贡献者携手，深入解析OpenCV技术在计算机视觉项目中的应用，网站广泛好评
　　通过典型计算机视觉项目，系统讲解使用OpenCV技术构建计算机视觉相关应用的各种技术细节、方法和实践，并提供全部实现源码，为读者快速实践OpenCV技术提供翔实指导。