最新章節

• 11.6 本章小結
• 11.5 使用OpenCV實現視頻流網絡傳輸
• 11.4.3 使用MobileNet SSD對幀進行推理
• 11.4.2 實現OpenCV視頻監控接收器
• 11.4.1 安裝Caffe框架
• 11.4 配置中央監控室服務器端和Caffe框架

• 11.6 本章小結 更新時間：2020-11-12 17:42:14
• 11.5 使用OpenCV實現視頻流網絡傳輸
• 11.4.3 使用MobileNet SSD對幀進行推理
• 11.4.2 實現OpenCV視頻監控接收器
• 11.4.1 安裝Caffe框架
• 11.4 配置中央監控室服務器端和Caffe框架
• 11.3.3 將代碼放到樹莓派目錄中
• 11.3.2 樹莓派發送OpenCV視頻流
• 11.3.1 配置樹莓派客戶端的主機名
• 11.3 多路樹莓派攝像頭配置
• 11.2.4 項目整體介紹
• 11.2.3 ImageZMQ依賴的軟件包
• 11.2.2 基于ZMQ的圖片消息傳遞庫：ImageZMQ
• 11.2.1 什么是ZMQ
• 11.2 ImageZMQ消息傳遞系統
• 11.1.3 項目實現流程
• 11.1.2 消息傳遞的概念
• 11.1.1 實現目標和方法
• 11.1 網絡傳輸OpenCV幀
• 第11章 多路攝像頭中央AI監控
• 10.5 本章小結
• 10.4.2 運行二自由度人臉追蹤攝像頭
• 10.4.1 PID參數調試
• 10.4 使用PID調節二自由度云臺
• 10.3.4 使用GPIOZERO進行舵機控制
• 10.3.3 在視頻中檢測到人臉
• 10.3.2 實時調節反饋機制：PID Controller
• 10.3.1 項目結構
• 10.3 編寫代碼
• 10.2.4 安裝imutils
• 10.2.3 安裝gpiozero
• 10.2.2 打開樹莓派的Camera接口并安裝驅動
• 10.2.1 將smbus安裝在py3cv3環境中
• 10.2 軟件環境準備
• 10.1.3 人臉識別算法：基于Haar特征的級聯分類器
• 10.1.2 PID控制反饋算法
• 10.1.1 硬件組裝清單
• 10.1 總體設計思路
• 第10章 人臉追蹤安防攝像頭
• 9.4 本章小結
• 9.3.2 缺陷與不足
• 9.3.1 測試效果
• 9.3 測試人臉跟蹤效果
• 9.2.2 人臉追蹤的實現
• 9.2.1 使用Python實現形心追蹤算法
• 9.2 環境準備和代碼編寫
• 9.1 核心原理和效果簡介
• 第9章 簡單人臉追蹤
• 8.5 本章小結
• 8.4.4 效果測試
• 8.4.3 代碼編寫和解讀
• 8.4.2 使用Tesseract實現文字識別的原理
• 8.4.1 Tesseract介紹和安裝
• 8.4 對文字內容進行識別
• 8.3.2 效果測試
• 8.3.1 代碼編寫和解讀
• 8.3 檢測視頻中的文字
• 8.2.2 效果測試
• 8.2.1 代碼編寫和解讀
• 8.2 檢測圖片中的文字
• 8.1.3 項目工程結構
• 8.1.2 相關軟件包的安裝
• 8.1.1 EAST模型簡介
• 8.1 EAST深度學習模型
• 第8章 道路信息文字識別
• 7.4 本章小結
• 7.3.5 樹莓派人群計數器測試
• 7.3.4 人群計數器的實現
• 7.3.3 追蹤目標類TrackableObject的實現
• 7.3.2 形心追蹤器類CentroidTracker的實現
• 7.3.1 目錄結構
• 7.3 使用Python實現人群計數器
• 7.2 軟件環境準備
• 7.1.3 人群計數器原理
• 7.1.2 形心追蹤算法原理
• 7.1.1 目標檢測與目標追蹤
• 7.1 原理解析
• 第7章 道路、商場人流統計
• 6.5 本章小結
• 6.4 常見錯誤集錦
• 6.3.7 錄制運動矢量數據：檢測視頻中的手勢
• 6.3.6 網絡流媒體：結合網頁技術直播
• 6.3.5 快速捕獲和流傳輸：網絡流直播
• 6.3.4 錄制未經編碼的視頻：顏色檢測
• 6.3.3 快速捕獲和處理：連拍算法實現
• 6.3.2 循環視頻流切割：行車記錄儀碰撞預警功能
• 6.3.1 自定義輸出：運動檢測相機的代碼實現
• 6.3 樹莓派相機的實際應用
• 6.2.4 Bayer-Raw數據獲取
• 6.2.3 特殊文件輸出
• 6.2.2 多種分辨率下錄制
• 6.2.1 錄像時截屏
• 6.2 多種捕獲方法
• 6.1.5 自定義編碼器
• 6.1.4 捕獲編碼圖像（RGB）
• 6.1.3 捕獲未編碼圖像（YUV）
• 6.1.2 捕獲并編碼為opencv對象
• 6.1.1 捕獲并編碼為numpy數組
• 6.1 捕獲并直接編碼
• 第6章 使用Python處理相機原始數據
• 5.4 本章小結
• 5.3.7 視頻輸出疊加文本、時間戳
• 5.3.6 視頻預覽疊加圖像加水印
• 5.3.5 錄制網絡視頻流
• 5.3.4 錄制循環視頻流
• 5.3.3 錄制拆分為多個文件
• 5.3.2 錄制視頻流
• 5.3.1 錄制視頻文件
• 5.3 使用攝像頭拍攝視頻
• 5.2.8 網絡直播
• 5.2.7 弱光下拍照
• 5.2.6 捕獲延時攝影序列
• 5.2.5 快拍和連拍的技巧
• 5.2.4 捕獲調整了大小的圖像
• 5.2.3 捕獲照片并存為PIL圖像
• 5.2.2 捕獲照片并存為流
• 5.2.1 捕獲照片并存為文件
• 5.2 使用攝像頭拍攝照片
• 5.1.5 控制V1版的LED燈
• 5.1.4 安裝樹莓派攝像頭模組
• 5.1.3 升級相機固件
• 5.1.2 安裝其他系統
• 5.1.1 安裝Raspbian系統
• 5.1 安裝picamera環境
• 第5章 使用Python拍攝照片、視頻
• 4.4 本章小結
• 4.3.8 運行第二個OpenCV教程的Python腳本
• 4.3.7 蒙版和按位操作
• 4.3.6 腐蝕和膨脹
• 4.3.5 檢測和繪制輪廓
• 4.3.4 閾值處理
• 4.3.3 邊緣檢測
• 4.3.2 將圖像轉換為灰階
• 4.3.1 目標對象計數
• 4.3 OpenCV圖像對象計數
• 4.2.8 運行第一個OpenCV教程的Python腳本
• 4.2.7 在圖像上繪圖
• 4.2.6 平滑圖像
• 4.2.5 旋轉圖像
• 4.2.4 調整圖像大小
• 4.2.3 數組切片和裁剪
• 4.2.2 訪問單個像素
• 4.2.1 加載和顯示圖像
• 4.2 OpenCV圖像簡單處理
• 4.1.2 項目代碼準備
• 4.1.1 環境準備
• 4.1 開始前的準備
• 第4章 通過案例手把手入門OpenCV
• 3.3 本章小結
• 3.2.6 可能遇到的問題
• 3.2.5 測試OpenCV 4
• 3.2.4 構建和編譯OpenCV 4
• 3.2.3 為OpenCV 4搭建基于Python 3的虛擬環境
• 3.2.2 下載OpenCV 4
• 3.2.1 擴展TF卡并安裝依賴
• 3.2 樹莓派源碼編譯安裝OpenCV 4
• 3.1.4 注意事項
• 3.1.3 在樹莓派上使用pip安裝OpenCV
• 3.1.2 在macOS上使用pip安裝OpenCV
• 3.1.1 在Ubuntu上使用pip安裝OpenCV
• 3.1 使用pip安裝OpenCV
• 第3章 安裝OpenCV
• 2.6 本章小結
• 2.5 使用相機模塊拍攝一張照片
• 2.4.2 使用VNC連接樹莓派
• 2.4.1 使用SSH連接樹莓派
• 2.4 遠程連接樹莓派
• 2.3.2 Vim編輯器的使用
• 2.3.1 Linux常用命令
• 2.3 Linux系統的基本操作
• 2.2 硬件連接
• 2.1 刷寫系統
• 第2章 樹莓派軟硬件準備
• 1.3 本章小結
• 1.2.4 方案D：Google Coral Dev Board+Edge TPU
• 1.2.3 方案C：NVIDIA Jetson
• 1.2.2 方案B：BeagleBoard
• 1.2.1 方案A：樹莓派
• 1.2 智能硬件上的機器視覺技術方案選型
• 1.1.2 機器視覺與5G的協同效應
• 1.1.1 機器視覺在智慧城市的應用
• 1.1 機器視覺在智能硬件領域的應用
• 第1章 智能硬件與機器視覺
• 前言
• 版權信息
• 封面

• 封面
• 版權信息
• 前言
• 第1章 智能硬件與機器視覺
• 1.1 機器視覺在智能硬件領域的應用
• 1.1.1 機器視覺在智慧城市的應用
• 1.1.2 機器視覺與5G的協同效應
• 1.2 智能硬件上的機器視覺技術方案選型
• 1.2.1 方案A：樹莓派
• 1.2.2 方案B：BeagleBoard
• 1.2.3 方案C：NVIDIA Jetson
• 1.2.4 方案D：Google Coral Dev Board+Edge TPU
• 1.3 本章小結
• 第2章 樹莓派軟硬件準備
• 2.1 刷寫系統
• 2.2 硬件連接
• 2.3 Linux系統的基本操作
• 2.3.1 Linux常用命令
• 2.3.2 Vim編輯器的使用
• 2.4 遠程連接樹莓派
• 2.4.1 使用SSH連接樹莓派
• 2.4.2 使用VNC連接樹莓派
• 2.5 使用相機模塊拍攝一張照片
• 2.6 本章小結
• 第3章 安裝OpenCV
• 3.1 使用pip安裝OpenCV
• 3.1.1 在Ubuntu上使用pip安裝OpenCV
• 3.1.2 在macOS上使用pip安裝OpenCV
• 3.1.3 在樹莓派上使用pip安裝OpenCV
• 3.1.4 注意事項
• 3.2 樹莓派源碼編譯安裝OpenCV 4
• 3.2.1 擴展TF卡并安裝依賴
• 3.2.2 下載OpenCV 4
• 3.2.3 為OpenCV 4搭建基于Python 3的虛擬環境
• 3.2.4 構建和編譯OpenCV 4
• 3.2.5 測試OpenCV 4
• 3.2.6 可能遇到的問題
• 3.3 本章小結
• 第4章 通過案例手把手入門OpenCV
• 4.1 開始前的準備
• 4.1.1 環境準備
• 4.1.2 項目代碼準備
• 4.2 OpenCV圖像簡單處理
• 4.2.1 加載和顯示圖像
• 4.2.2 訪問單個像素
• 4.2.3 數組切片和裁剪
• 4.2.4 調整圖像大小
• 4.2.5 旋轉圖像
• 4.2.6 平滑圖像
• 4.2.7 在圖像上繪圖
• 4.2.8 運行第一個OpenCV教程的Python腳本
• 4.3 OpenCV圖像對象計數
• 4.3.1 目標對象計數
• 4.3.2 將圖像轉換為灰階
• 4.3.3 邊緣檢測
• 4.3.4 閾值處理
• 4.3.5 檢測和繪制輪廓
• 4.3.6 腐蝕和膨脹
• 4.3.7 蒙版和按位操作
• 4.3.8 運行第二個OpenCV教程的Python腳本
• 4.4 本章小結
• 第5章 使用Python拍攝照片、視頻
• 5.1 安裝picamera環境
• 5.1.1 安裝Raspbian系統
• 5.1.2 安裝其他系統
• 5.1.3 升級相機固件
• 5.1.4 安裝樹莓派攝像頭模組
• 5.1.5 控制V1版的LED燈
• 5.2 使用攝像頭拍攝照片
• 5.2.1 捕獲照片并存為文件
• 5.2.2 捕獲照片并存為流
• 5.2.3 捕獲照片并存為PIL圖像
• 5.2.4 捕獲調整了大小的圖像
• 5.2.5 快拍和連拍的技巧
• 5.2.6 捕獲延時攝影序列
• 5.2.7 弱光下拍照
• 5.2.8 網絡直播
• 5.3 使用攝像頭拍攝視頻
• 5.3.1 錄制視頻文件
• 5.3.2 錄制視頻流
• 5.3.3 錄制拆分為多個文件
• 5.3.4 錄制循環視頻流
• 5.3.5 錄制網絡視頻流
• 5.3.6 視頻預覽疊加圖像加水印
• 5.3.7 視頻輸出疊加文本、時間戳
• 5.4 本章小結
• 第6章 使用Python處理相機原始數據
• 6.1 捕獲并直接編碼
• 6.1.1 捕獲并編碼為numpy數組
• 6.1.2 捕獲并編碼為opencv對象
• 6.1.3 捕獲未編碼圖像（YUV）
• 6.1.4 捕獲編碼圖像（RGB）
• 6.1.5 自定義編碼器
• 6.2 多種捕獲方法
• 6.2.1 錄像時截屏
• 6.2.2 多種分辨率下錄制
• 6.2.3 特殊文件輸出
• 6.2.4 Bayer-Raw數據獲取
• 6.3 樹莓派相機的實際應用
• 6.3.1 自定義輸出：運動檢測相機的代碼實現
• 6.3.2 循環視頻流切割：行車記錄儀碰撞預警功能
• 6.3.3 快速捕獲和處理：連拍算法實現
• 6.3.4 錄制未經編碼的視頻：顏色檢測
• 6.3.5 快速捕獲和流傳輸：網絡流直播
• 6.3.6 網絡流媒體：結合網頁技術直播
• 6.3.7 錄制運動矢量數據：檢測視頻中的手勢
• 6.4 常見錯誤集錦
• 6.5 本章小結
• 第7章 道路、商場人流統計
• 7.1 原理解析
• 7.1.1 目標檢測與目標追蹤
• 7.1.2 形心追蹤算法原理
• 7.1.3 人群計數器原理
• 7.2 軟件環境準備
• 7.3 使用Python實現人群計數器
• 7.3.1 目錄結構
• 7.3.2 形心追蹤器類CentroidTracker的實現
• 7.3.3 追蹤目標類TrackableObject的實現
• 7.3.4 人群計數器的實現
• 7.3.5 樹莓派人群計數器測試
• 7.4 本章小結
• 第8章 道路信息文字識別
• 8.1 EAST深度學習模型
• 8.1.1 EAST模型簡介
• 8.1.2 相關軟件包的安裝
• 8.1.3 項目工程結構
• 8.2 檢測圖片中的文字
• 8.2.1 代碼編寫和解讀
• 8.2.2 效果測試
• 8.3 檢測視頻中的文字
• 8.3.1 代碼編寫和解讀
• 8.3.2 效果測試
• 8.4 對文字內容進行識別
• 8.4.1 Tesseract介紹和安裝
• 8.4.2 使用Tesseract實現文字識別的原理
• 8.4.3 代碼編寫和解讀
• 8.4.4 效果測試
• 8.5 本章小結
• 第9章 簡單人臉追蹤
• 9.1 核心原理和效果簡介
• 9.2 環境準備和代碼編寫
• 9.2.1 使用Python實現形心追蹤算法
• 9.2.2 人臉追蹤的實現
• 9.3 測試人臉跟蹤效果
• 9.3.1 測試效果
• 9.3.2 缺陷與不足
• 9.4 本章小結
• 第10章 人臉追蹤安防攝像頭
• 10.1 總體設計思路
• 10.1.1 硬件組裝清單
• 10.1.2 PID控制反饋算法
• 10.1.3 人臉識別算法：基于Haar特征的級聯分類器
• 10.2 軟件環境準備
• 10.2.1 將smbus安裝在py3cv3環境中
• 10.2.2 打開樹莓派的Camera接口并安裝驅動
• 10.2.3 安裝gpiozero
• 10.2.4 安裝imutils
• 10.3 編寫代碼
• 10.3.1 項目結構
• 10.3.2 實時調節反饋機制：PID Controller
• 10.3.3 在視頻中檢測到人臉
• 10.3.4 使用GPIOZERO進行舵機控制
• 10.4 使用PID調節二自由度云臺
• 10.4.1 PID參數調試
• 10.4.2 運行二自由度人臉追蹤攝像頭
• 10.5 本章小結
• 第11章 多路攝像頭中央AI監控
• 11.1 網絡傳輸OpenCV幀
• 11.1.1 實現目標和方法
• 11.1.2 消息傳遞的概念
• 11.1.3 項目實現流程
• 11.2 ImageZMQ消息傳遞系統
• 11.2.1 什么是ZMQ
• 11.2.2 基于ZMQ的圖片消息傳遞庫：ImageZMQ
• 11.2.3 ImageZMQ依賴的軟件包
• 11.2.4 項目整體介紹
• 11.3 多路樹莓派攝像頭配置
• 11.3.1 配置樹莓派客戶端的主機名
• 11.3.2 樹莓派發送OpenCV視頻流
• 11.3.3 將代碼放到樹莓派目錄中
• 11.4 配置中央監控室服務器端和Caffe框架
• 11.4.1 安裝Caffe框架
• 11.4.2 實現OpenCV視頻監控接收器
• 11.4.3 使用MobileNet SSD對幀進行推理
• 11.5 使用OpenCV實現視頻流網絡傳輸
• 11.6 本章小結 更新時間：2020-11-12 17:42:14