Официальный подлинный интеллектуальный аппаратный и машинный зрение на основе малинового питона и opencv Chen Jialin обнаружение целей распознавание лица распознавание лица.
Цена: 721руб. (¥40.05)
Артикул: 632821303622
Цена указана со скидкой: 55%
Старая цена: 1601р.
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:济南常青藤图书专营店
Адрес:Шаньдун
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥ 49.8 32.8590руб.
¥ 15 10.5189руб.
¥ 198 128.82 316руб.
¥23.9430руб.
Параметры продукта
Интеллектуальное аппаратное и машинное зрение: на основе Raspberry Pi, Python и OpenCV
Издательство:Machinery Industry Press
Конечно цена:89
Версия Второй скорость:1
Дата публикации:Ноябрь 2020 года
открыть Книга:16
Пакет рамка:Оплата в мягкой обложке
Страница число:236
Характер число:
Тяжелый количество:
ISBN:9787111667698
Введение
краткое введение
Это практическая работа, которая объясняет, как использовать программное обеспечение и аппаратное обеспечение, такое как Raspberry Pi, OpenCV, Python и другие программные и аппаратные средства для создания интеллектуального аппаратного обеспечения и реализации анализа изображений, распознавания текста, распознавания лица и отслеживания, мониторинга видео и других визуальных машин. функции.
В общей сложности 11 глав в книге:
Глава 1 ~ 4 объясняет сценарии применения машинного зрения в области интеллектуального оборудования и четырех общих технических решений машины на интеллектуальном оборудовании; Читатели, как использовать OpenCV.
Глава с 5 по 11 является основным содержанием этой книги. Статистика потока камеры, распознавание текста дорожной информации, распознавание и отслеживание лица, центральное видео -наблюдение и т. Д.Приведенные выше случаи постепенные и взаимосвязанные.
Оглавление
Предисловие
Глава 1 Умное оборудование и машинное зрение 1
1.1 Применение машинного зрения в области интеллектуального оборудования 1
1.1.1 Применение машинного зрения в умных городах 2
1.1.2 Синергический эффект машинного зрения и 5G 4
1.2 Выбор схем машинного зрения на интеллектуальном оборудовании 5
1.2.1 План A: Raspberry Pi 5
1.2.2 План B: Beagleboard7
1.2.3 План C: nvidia jetson8
1.2.4 Схема D: плата Google Coral Dev + Edge TPU9
1.3 Резюме этой главы 10
Глава 2 Rasalburbiate Software and Adplaware Preparation 11
2.1 Система письма 11
2.2 Аппаратное соединение 14
2.3 Основная работа системы Linux 17
2.3.1 Linux обычно используется команда 17
2.3.2 Использование редактора VIM 19
2.4 Удаленное соединение Raspberry Pi 20
2.4.1 Используйте SSH для подключения Raspberry Pi 21
2.4.2 Используйте VNC для подключения Raspberry Pi 24
2.5 Используйте модуль камеры, чтобы сделать фото 28
2.6 Сводка этой главы 31
Глава 3 Установите OpenCV32
3.1 Используйте PIP для установки OpenCV32
3.1.1 Используйте PIP для установки OpenCV33 на Ubuntu
3.1.2 Используйте PIP для установки OpenCV35 на macOS
3.1.3 Используйте PIP для установки OpenCV36 на Raspberry Pi
3.1.4 Примечание 38
3.2 Компиляция исходного кода Berry PAI и установка OpenCV 439
3.2.1 Extension TF Card и зависимости установки 39
3.2.2 Скачать OpenCV 442
3.2.3 Создайте виртуальную среду 42 на основе Python 3 для OpenCV 4
3.2.4 СОЗДАТЬ И СОЗДАТЬ OPENCV 444
3.2.5 Тест OpenCV 447
3.2.6 Загадочные проблемы 47
3.3 Сводка этой главы 49
Глава 4 Пропустив руку к делу. Введение opencv50
4.1 Подготовка перед началом 50
4.1.1 Подготовка среды 50
4.1.2 Подготовка кода проекта 51
4.2 OpenCV Image Простая обработка 51
4.2.1 Загрузить и отображать изображения 51
4.2.2 Access Single Pixel 53
4.2.3 Массивное срез и разрезание 54
4.2.4 Отрегулируйте размер изображения 55
4.2.5 Вращающее изображение 57
4.2.6 Гладкое изображение 60
4.2.7 Нарисуйте 60 на изображении 60
4.2.8 Python Script 64 запускает первый учебник OpenCV
4.3 Подсчет объектов изображения OpenCV 64
4.3.1 Целевой объект 64
4.3.2. Преобразование изображения в серой уровень 65
4.3.3 Обнаружение преимущества 67
4.3.4 Пороговая обработка 68
4.3.5. Контур обнаружения и рисунка 68
4.3.6 Коррозия и расширение 70
4.3.7 Маска и операция положения 71
4.3.8 Python Script 72 запускает 2 -й учебник OpenCV
4.4 Резюме этой главы 72
Глава 5 Используйте Python, чтобы сфотографировать, видео 73
5.1 Установить среду Picamera 73
5.1.1 Установите систему Raspbian 73
5.1.2 Установите другую систему 74
5.1.3 Обновление прошивки камеры 74
5.1.4 Установите модуль камеры Raspberry Pi 75
5.1.5 Control V1 Версия светодиодного света 78
5.2 Используйте камеру, чтобы сфотографировать 78
5.2.1 Фотографии Capture Coexist как файл 79
5.2.2. Фотографии Capture Coexist как поток 79
5.2.3. Фотографии Capture Coexist как PIL Изображение 80
5.2.4 Захват и регулировка размера 80
5.2.5 Навыки и методы непрерывной стрельбы 81
5.2.6. Последовательность фотографий задержки захвата 82
5.2.7 Сделайте снимки под слабым светом 82
5.2.8 Web Live Transcast 83
5.3 Используйте камеру, чтобы снять видео 85
5.3.1 Запись видеофайла 85
5.3.2 Запись видеопоток 86
5.3.3 Запись сноса в несколько файлов 86
5.3.4 Видеополирование с циклом записи 87
5.3.5 Запись видеопотока сети 88
5.3.6 Видео предварительное просмотр наложенного изображения плюс Watermark 90
5.3.7 Video Output Text Text, TimeStamp 92
5.4 Сводка этой главы 93
Глава 6 Используйте Python для обработки камеры необработанные данные 94
6.1 Захват и закодирован непосредственно 94
6.1.1 Захват и кодируется в Numpy Array 94
6.1.2 Захват и закодирован как OpenCV объект 95
6.1.3 захват Uncoded Image (YUV) 96
6.1.4 Изображение кодирования захвата (RGB) 99
6.1.5 Пользовательский энкодер 100
6.2 Многочисленные методы захвата 102
6.2.1 Экраншот 102 во время видео
6.2.2 Запись 103 по нескольким разрешения 103
6.2.3 Специальный выходной выход 103
6.2.4 Данные Bayer-Raw получите 104
6.3 Фактическое применение камеры Raspberry Pi 109
6.3.1 Пользовательский вывод: движение для обнаружения кода камеры 109 109
6.3.2 Цикл потоковой передачи видео: Функция предупреждения о столкновении.
6.3.3 Быстрый захват и процесс
6.3.4 Запись неудовлетворительных видео: обнаружение цвета 116
6.3.5 Быстрый захват и передача: сетевой поток в прямом эфире трансляции 117
6.3.6 Онлайн -потоковая медиа: в сочетании с веб -технологиями в прямом эфире 119
6.3.7 Данные вектора движения записи: обнаружение жеста в видео 121
6.4 Общий сбор ошибок 125
6.5 Эта глава - резюме 128
Глава 7 Статистика статуса дороги и торгового центра 129
7.1 Оригинальный анализ 130
7.1.1 Обнаружение цели и отслеживание цели 130
7.1.2 Принципы алгоритма отслеживания XINGXIN 131
7.1.3 Принципы толпы счетчика 133
7.2 Подготовка программной среды 134
7.3 Используйте Python, чтобы внедрить Crowd Counter 135
7.3.1 Структура каталогов 135
7.3.2 Реализация реализации класса Heart Tracker.
7.3.3 Отслеживание реализации целевого класса TrackableObject 141
7.3.4 Реализация толпы счетчика 141
7.3.5 Rasburbus Pi Crowd Counter Test 149
7.4 Резюме этой главы 149
ГЛАВА 8 УПРАВЛЕНИЕ ТЕКСТРАЦИИ ДОРОГА 150
8.1 Восточная модель глубокого обучения 151
8.1.1 Восточная модель Введение 151
8.1.2 Установка соответствующих программных пакетов 152
8.1.3 Проектная инженерная структура 153
8.2 Проверьте текст на картинке 153
8.2.1 Написание и интерпретация кода 153
8.2.2 Тест эффекта 157
8.3 Текст в видео 159
8.3.1 Написание и интерпретация кода 159
8.3.2 Тест эффекта 163
8.4 Идентификация текстового содержимого 164
8.4.1 Tesseract Введение и установка 164
8.4.2 Принципы распознавания текста с помощью Tesseract 166
8.4.3 Написание и интерпретация кода 168
8.4.4 Тест эффекта 173
8.5 Сводка этой главы 175
Глава 9 Простые отслеживание лица 176
9.1 Основной принцип и профиль эффекта 176
9.2 Подготовка среды и написание кода 177
9.2.1 Используйте Python для реализации алгоритма отслеживания формы 177
9.2.2 Реализация отслеживания лица 182
9.3 Тестировать эффект отслеживания лица 186
9.3.1 Эффект испытаний 186
9.3.2 Дефекты и менее 187
9.4 Резюме этой главы 187
ГЛАВА 1 Отслеживание лица камера безопасности 188
10.1 Общие идеи дизайна 188
10.1.1 Список сборки оборудования 188
10.1.2 Алгоритм обратной связи с контролем PID 189
1
Глава 1 Умное оборудование и машинное зрение 1
1.1 Применение машинного зрения в области интеллектуального оборудования 1
1.1.1 Применение машинного зрения в умных городах 2
1.1.2 Синергический эффект машинного зрения и 5G 4
1.2 Выбор схем машинного зрения на интеллектуальном оборудовании 5
1.2.1 План A: Raspberry Pi 5
1.2.2 План B: Beagleboard7
1.2.3 План C: nvidia jetson8
1.2.4 Схема D: плата Google Coral Dev + Edge TPU9
1.3 Резюме этой главы 10
Глава 2 Rasalburbiate Software and Adplaware Preparation 11
2.1 Система письма 11
2.2 Аппаратное соединение 14
2.3 Основная работа системы Linux 17
2.3.1 Linux обычно используется команда 17
2.3.2 Использование редактора VIM 19
2.4 Удаленное соединение Raspberry Pi 20
2.4.1 Используйте SSH для подключения Raspberry Pi 21
2.4.2 Используйте VNC для подключения Raspberry Pi 24
2.5 Используйте модуль камеры, чтобы сделать фото 28
2.6 Сводка этой главы 31
Глава 3 Установите OpenCV32
3.1 Используйте PIP для установки OpenCV32
3.1.1 Используйте PIP для установки OpenCV33 на Ubuntu
3.1.2 Используйте PIP для установки OpenCV35 на macOS
3.1.3 Используйте PIP для установки OpenCV36 на Raspberry Pi
3.1.4 Примечание 38
3.2 Компиляция исходного кода Berry PAI и установка OpenCV 439
3.2.1 Extension TF Card и зависимости установки 39
3.2.2 Скачать OpenCV 442
3.2.3 Создайте виртуальную среду 42 на основе Python 3 для OpenCV 4
3.2.4 СОЗДАТЬ И СОЗДАТЬ OPENCV 444
3.2.5 Тест OpenCV 447
3.2.6 Загадочные проблемы 47
3.3 Сводка этой главы 49
Глава 4 Пропустив руку к делу. Введение opencv50
4.1 Подготовка перед началом 50
4.1.1 Подготовка среды 50
4.1.2 Подготовка кода проекта 51
4.2 OpenCV Image Простая обработка 51
4.2.1 Загрузить и отображать изображения 51
4.2.2 Access Single Pixel 53
4.2.3 Массивное срез и разрезание 54
4.2.4 Отрегулируйте размер изображения 55
4.2.5 Вращающее изображение 57
4.2.6 Гладкое изображение 60
4.2.7 Нарисуйте 60 на изображении 60
4.2.8 Python Script 64 запускает первый учебник OpenCV
4.3 Подсчет объектов изображения OpenCV 64
4.3.1 Целевой объект 64
4.3.2. Преобразование изображения в серой уровень 65
4.3.3 Обнаружение преимущества 67
4.3.4 Пороговая обработка 68
4.3.5. Контур обнаружения и рисунка 68
4.3.6 Коррозия и расширение 70
4.3.7 Маска и операция положения 71
4.3.8 Python Script 72 запускает 2 -й учебник OpenCV
4.4 Резюме этой главы 72
Глава 5 Используйте Python, чтобы сфотографировать, видео 73
5.1 Установить среду Picamera 73
5.1.1 Установите систему Raspbian 73
5.1.2 Установите другую систему 74
5.1.3 Обновление прошивки камеры 74
5.1.4 Установите модуль камеры Raspberry Pi 75
5.1.5 Control V1 Версия светодиодного света 78
5.2 Используйте камеру, чтобы сфотографировать 78
5.2.1 Фотографии Capture Coexist как файл 79
5.2.2. Фотографии Capture Coexist как поток 79
5.2.3. Фотографии Capture Coexist как PIL Изображение 80
5.2.4 Захват и регулировка размера 80
5.2.5 Навыки и методы непрерывной стрельбы 81
5.2.6. Последовательность фотографий задержки захвата 82
5.2.7 Сделайте снимки под слабым светом 82
5.2.8 Web Live Transcast 83
5.3 Используйте камеру, чтобы снять видео 85
5.3.1 Запись видеофайла 85
5.3.2 Запись видеопоток 86
5.3.3 Запись сноса в несколько файлов 86
5.3.4 Видеополирование с циклом записи 87
5.3.5 Запись видеопотока сети 88
5.3.6 Видео предварительное просмотр наложенного изображения плюс Watermark 90
5.3.7 Video Output Text Text, TimeStamp 92
5.4 Сводка этой главы 93
Глава 6 Используйте Python для обработки камеры необработанные данные 94
6.1 Захват и закодирован непосредственно 94
6.1.1 Захват и кодируется в Numpy Array 94
6.1.2 Захват и закодирован как OpenCV объект 95
6.1.3 захват Uncoded Image (YUV) 96
6.1.4 Изображение кодирования захвата (RGB) 99
6.1.5 Пользовательский энкодер 100
6.2 Многочисленные методы захвата 102
6.2.1 Экраншот 102 во время видео
6.2.2 Запись 103 по нескольким разрешения 103
6.2.3 Специальный выходной выход 103
6.2.4 Данные Bayer-Raw получите 104
6.3 Фактическое применение камеры Raspberry Pi 109
6.3.1 Пользовательский вывод: движение для обнаружения кода камеры 109 109
6.3.2 Цикл потоковой передачи видео: Функция предупреждения о столкновении.
6.3.3 Быстрый захват и процесс
6.3.4 Запись неудовлетворительных видео: обнаружение цвета 116
6.3.5 Быстрый захват и передача: сетевой поток в прямом эфире трансляции 117
6.3.6 Онлайн -потоковая медиа: в сочетании с веб -технологиями в прямом эфире 119
6.3.7 Данные вектора движения записи: обнаружение жеста в видео 121
6.4 Общий сбор ошибок 125
6.5 Эта глава - резюме 128
Глава 7 Статистика статуса дороги и торгового центра 129
7.1 Оригинальный анализ 130
7.1.1 Обнаружение цели и отслеживание цели 130
7.1.2 Принципы алгоритма отслеживания XINGXIN 131
7.1.3 Принципы толпы счетчика 133
7.2 Подготовка программной среды 134
7.3 Используйте Python, чтобы внедрить Crowd Counter 135
7.3.1 Структура каталогов 135
7.3.2 Реализация реализации класса Heart Tracker.
7.3.3 Отслеживание реализации целевого класса TrackableObject 141
7.3.4 Реализация толпы счетчика 141
7.3.5 Rasburbus Pi Crowd Counter Test 149
7.4 Резюме этой главы 149
ГЛАВА 8 УПРАВЛЕНИЕ ТЕКСТРАЦИИ ДОРОГА 150
8.1 Восточная модель глубокого обучения 151
8.1.1 Восточная модель Введение 151
8.1.2 Установка соответствующих программных пакетов 152
8.1.3 Проектная инженерная структура 153
8.2 Проверьте текст на картинке 153
8.2.1 Написание и интерпретация кода 153
8.2.2 Тест эффекта 157
8.3 Текст в видео 159
8.3.1 Написание и интерпретация кода 159
8.3.2 Тест эффекта 163
8.4 Идентификация текстового содержимого 164
8.4.1 Tesseract Введение и установка 164
8.4.2 Принципы распознавания текста с помощью Tesseract 166
8.4.3 Написание и интерпретация кода 168
8.4.4 Тест эффекта 173
8.5 Сводка этой главы 175
Глава 9 Простые отслеживание лица 176
9.1 Основной принцип и профиль эффекта 176
9.2 Подготовка среды и написание кода 177
9.2.1 Используйте Python для реализации алгоритма отслеживания формы 177
9.2.2 Реализация отслеживания лица 182
9.3 Тестировать эффект отслеживания лица 186
9.3.1 Эффект испытаний 186
9.3.2 Дефекты и менее 187
9.4 Резюме этой главы 187
ГЛАВА 1 Отслеживание лица камера безопасности 188
10.1 Общие идеи дизайна 188
10.1.1 Список сборки оборудования 188
10.1.2 Алгоритм обратной связи с контролем PID 189
1