OpenCV4.0+Python机器学习与计算机视觉实战

$ pip install -r requirements.txt

上述requirement.txt在本书项目的GitHub存储库中有提供，并且包含以下内容（这其实就是表P-1中的依赖项列表）：

wxPython==4.0.5 
numpy==1.18.1 
scipy==1.4.1 
matplotlib==3.1.2 
requests==2.22.0
opencv-contrib-python==4.2.0.32 
opencv-python==4.2.0.32 
rawpy==0.14.0
ExifRead==2.1.2 
tensorflow==2.0.1

或者，你也可以按照附录B“设置Docker容器”中的说明进行操作，以使所有代码都可以在Docker容器中运行。
下载示例代码文件
读者可以从www.packtpub.com下载本书的示例代码文件。具体步骤如下：
（1）注册并登录www.packtpub.com。
（2）在页面顶部的搜索框中输入图书名称OpenCV 4 with Python Blueprints（不区分大小写，也不必输入完整），即可看到本书，单击打开链接，如图P-1所示。

图P-1 搜索图书名
（3）在本书详情页面中，找到并单击Download code from GitHub（从GitHub下载代码文件）按钮，如图P-2所示。
 提示：
如果你看不到该下载按钮，可能是没有登录packtpub账号。该站点可免费注册账号。

图P-2 单击下载代码的按钮
（4）在本书GitHub源代码下载页面中，单击右侧的Code（代码）按钮，在弹出的下拉菜单中选择Download ZIP（下载压缩包），如图P-3所示。
下载文件后，请确保使用版本解压缩或解压缩文件夹：
? WinRAR/7-Zip（Windows系统）。
? Zipeg/iZip/UnRarX（Mac系统）。
? 7-Zip/PeaZip（Linux系统）。
你也可以直接访问本书在GitHub上的存储库，其网址如下：

如果代码有更新，则也会在现有GitHub存储库上更新。

图P-3 下载GitHub存储库中的代码压缩包
下载彩色图像
我们还提供了一个PDF文件，其中包含本书中使用的屏幕截图/图表的彩色图像。可以通过以下地址下载：

你可以在以下GitHub存储库中找到本章介绍的代码：

（2）有关代码块的设置如下所示：

import argparse

import cv2
import numpy as np

from classes import CLASSES_90 
from sort import Sort

（3）任何命令行输入或输出都采用如下所示的粗体代码形式：

$ python chapter8.py collect

（4）术语或重要单词采用中英文对照形式，在括号内保留其英文原文。示例如下：

在计算机视觉中，在图像中找到感兴趣区域的过程称为特征检测（Feature Detection）。在后台，对于图像中的每个点，特征检测算法都会确定图像点是否包含感兴趣的特征。OpenCV提供了范围广泛的特征检测算法。

（5）对于界面词汇将保留英文原文，在括号内添加其中文翻译。示例如下：

其具体思路是，单击6个单选按钮之一以指示你要录制的面部表情，然后将头部放在边界框内，再单击Take Snapshot（拍摄快照）按钮。

（6）本书还使用了以下两个图标。
 表示警告或重要的注意事项。
 表示提示或小技巧。
关于作者
Menua Gevorgyan博士是一位经验丰富的研究人员，具有信息技术和服务行业的长期工作经历。他精通计算机视觉、深度学习、机器学习和数据科学，并且在OpenCV和Python编程方面拥有丰富的经验。他对机器感知和机器理解问题感兴趣，并有意探索让机器像人类一样感知世界。
“感谢Rosal Colaco为提高本书质量所做的辛苦努力，也感谢Sandeep Mishra对于本书的良好建议。” 
Arsen Mamikonyan是一位经验丰富的机器学习专家，曾在硅谷和伦敦工作，还曾在亚美尼亚美国大学（奥克兰）任教。他精通应用机器学习和数据科学，并使用Python和 OpenCV等构建了现实应用程序。他拥有麻省理工学院的工程学硕士学位，专攻人工智能。
“感谢我的妻子Lusine，以及我的父母Gayane和Andranik，他们在我写作这本书的过程中不断鼓励我。还要感谢我的合著者Menua，他在忙碌的工作日程中始终与我保持紧密联系，并在我们从事这个项目的过程中保持了很高的积极性。” 
Michael Beyeler是华盛顿大学神经工程和数据科学的博士后研究员，他正在研究仿生视觉的计算模型，以改善植入视网膜假体（仿生眼）的盲人的知觉体验。
他的工作处于神经科学、计算机工程、计算机视觉和机器学习的交叉领域。他还是多个开源软件项目的积极贡献者，并且在Python、C/C 、CUDA、MATLAB和Android等方面拥有专业的编程经验。Michael拥有加州大学尔湾分校的计算机科学博士学位，以及瑞士苏黎世联邦理工学院的生物医学工程理学硕士学位和电气工程理学学士学位。
关于审稿人
Sri Manikanta Palakollu是一名在JNTUH SICET攻读计算机科学与工程学士学位的本科生。他是他所在大学的OpenStack开发人员社区的创始人。
他已经开始了自己的职业程序员生涯。他喜欢解决与数据科学领域有关的问题。他的兴趣包括数据科学、应用程序开发、Web开发、网络安全和技术写作。他在Hacker Noon、freeCodeCamp、Towards Data Science和DDI等出版物上发表了许多有关数据科学、机器学习、编程和网络安全的文章。

《OpenCV 4.0 Python机器学习与计算机视觉实战》详细阐述了机器学习与计算机视觉相关的基本解决方案，主要包括滤镜、深度传感器和手势识别、通过特征匹配和透视变换查找对象、使用运动恢复结构重建3D场景、在OpenCV中使用计算摄影、跟踪视觉上的显著对象、识别交通标志、识别面部表情、对象分类和定位、检测和跟踪对象等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。 本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。