圖像識別技術(shù)與實戰(zhàn)（OpenCV+dlib+Keras+Sklearn+TensorFlow）

第1章   圖像識別技術(shù)基礎(chǔ) 1
1.1  圖像識別概述 2
1.1.1  什么是圖像識別 2
1.1.2  圖像識別的應用 2
1.2  圖像識別原理 3
1.3  圖像識別技術(shù) 4
1.3.1  AI(人工智能) 5
1.3.2  機器學習 5
1.3.3  深度學習 6
1.3.4  基于神經(jīng)網(wǎng)絡(luò)的圖像識別 6
1.3.5  基于非線性降維的圖像識別 7
第2章   scikit-image數(shù)字圖像處理 9
2.1  scikit-image基礎(chǔ) 10
2.1.1  安裝scikit-image 10
2.1.2  scikit-image中的模塊 10
2.2  顯示圖像 11
2.2.1  使用skimage讀入并顯示外部圖像 11
2.2.2  讀取并顯示外部灰度圖像 12
2.2.3  顯示內(nèi)置星空圖片 13
2.2.4  讀取并保存內(nèi)置星空圖片 14
2.2.5  顯示內(nèi)置星空圖片的基本信息 15
2.2.6  實現(xiàn)內(nèi)置貓圖片的紅色通道的效果 16
2.3  常見的圖像操作 17
2.3.1  對內(nèi)置貓圖片進行二值化操作 17
2.3.2  對內(nèi)置貓圖片進行裁剪處理 18
2.3.3  將RGB圖轉(zhuǎn)換為灰度圖 19
2.3.4  使用skimage實現(xiàn)繪制圖片功能 20
2.3.5  使用subplot()函數(shù)繪制多視圖窗口 20
2.3.6  使用subplots()函數(shù)繪制多視圖窗口 22
2.3.7  改變指定圖片的大小 24
2.3.8  使用函數(shù)rescale()縮放圖片 25
2.3.9  使用函數(shù)rotate()旋轉(zhuǎn)圖片 25
第3章   OpenCV圖像視覺處理 27
3.1  OpenCV基礎(chǔ) 28
3.1.1  OpenCV介紹 28
3.1.2  OpenCV-Python介紹 28
3.1.3  安裝OpenCV-Python 29
3.2  OpenCV-Python圖像操作 29
3.2.1  讀取并顯示圖像 29
3.2.2  保存圖像 31
3.2.3  在Matplotlib中顯示圖像 32
3.2.4  繪圖 33
3.2.5  將鼠標作為畫筆 37
3.2.6  調(diào)色板程序 38
3.2.7  基本的屬性操作 40
3.2.8  圖像的幾何變換 42
3.2.9  圖像直方圖 45
3.2.10  特征識別：Harris(哈里斯)角檢測 49
3.3  OpenCV-Python視頻操作 51
3.3.1  讀取視頻 51
3.3.2  播放視頻 53
3.3.3  保存視頻 54
3.3.4  改變顏色空間 55
3.3.5  視頻的背景分離 56
3.4  簡易車牌識別系統(tǒng) 59
3.4.1  系統(tǒng)介紹 59
3.4.2  通用程序 59
3.4.3  主程序 64
第4章   dlib機器學習和圖像處理算法 67
4.1  dlib介紹 68
4.2  dlib基本的人臉檢測 68
4.2.1  人臉檢測 68
4.2.2  使用命令行的人臉識別 70
4.2.3  檢測人臉關(guān)鍵點 72
4.2.4  基于CNN的人臉檢測器 74
4.2.5  在攝像頭中識別人臉 76
4.2.6  人臉識別驗證 77
4.2.7  全局優(yōu)化 79
4.2.8  人臉聚類 81
4.2.9  抖動采樣和增強 82
4.2.10  人臉和姿勢采集 84
4.2.11  物體追蹤 86
4.3  SVM分類算法 87
4.3.1  二進制SVM分類器 87
4.3.2  Ranking SVM算法 89
4.3.3  Struct SVM多分類器 92
4.4  自訓練模型 95
4.4.1  訓練自己的模型 95
4.4.2  自制對象檢測器 98
第5章   face_recognition人臉識別 103
5.1  安裝face_recognition 104
5.2  實現(xiàn)基本的人臉檢測 104
5.2.1  輸出顯示指定人像人臉特征 104
5.2.2  在指定照片中識別標記出人臉 107
5.2.3  識別出照片中的所有人臉 108
5.2.4  判斷在照片中是否包含某個人臉 111
5.2.5  識別出在照片中的人到底是誰 113
5.2.6  攝像頭實時識別 114
5.3  深入face_recognition人臉檢測 120
5.3.1  檢測人臉眼睛的狀態(tài) 120
5.3.2  模糊處理人臉 122
5.3.3  檢測兩個人臉是否匹配 123
5.3.4  識別視頻中的人臉 125
5.3.5  網(wǎng)頁版人臉識別器 127
第6章   Scikit-Learn機器學習和人臉識別 131
6.1  Scikit-Learn基礎(chǔ) 132
6.1.1  Scikit-Learn介紹 132
6.1.2  安裝Scikit-Learn 132
6.2  基于Scikit-Learn的常用算法 132
6.2.1  Scikit-Learn機器學習的基本流程 133
6.2.2  分類算法 134
6.2.3  聚類算法 137
6.2.4  分解算法 139
6.3  Scikit-Learn和人臉識別 144
6.3.1  SVM算法人臉識別 144
6.3.2  KNN算法人臉識別 145
6.3.3  KNN算法實時識別 151
第7章   TensorFlow機器學習和圖像識別 155
7.1  TensorFlow基礎(chǔ) 156
7.1.1　TensorFlow介紹 156
7.1.2  TensorFlow的優(yōu)勢 156
7.1.3  安裝TensorFlow 157
7.2  創(chuàng)建個機器學習程序 160
7.2.1  在PyCharm環(huán)境實現(xiàn) 160
7.2.2  在Colaboratory環(huán)境實現(xiàn) 162
7.3  使用內(nèi)置方法進行訓練和評估 164
7.3.1  個端到端訓練和評估示例 164
7.3.2  使用compile()訓練模型 167
7.3.3  自定義損失 169
7.3.4  自定義指標 171
7.3.5  處理不適合標準簽名的損失和指標 173
7.3.6  自動分離驗證預留集 176
7.3.7  通過tf.data數(shù)據(jù)集進行訓練和評估 177
7.3.8  使用樣本加權(quán)和類加權(quán) 181
7.4  TensorFlow圖像視覺處理 183
7.4.1  導入需要的庫 183
7.4.2  導入 Fashion MNIST 數(shù)據(jù)集 184
7.4.3  瀏覽數(shù)據(jù) 186
7.4.4  預處理數(shù)據(jù) 186
7.4.5  構(gòu)建模型 188
7.4.6  編譯模型 189
7.4.7  訓練模型 189
7.4.8  使用訓練好的模型 195
第8章   國內(nèi)常用的第三方人臉識別平臺 197
8.1  百度AI開放平臺 198
8.1.1  百度AI開放平臺介紹 198
8.1.2  使用百度AI之前的準備工作 198
8.1.3  基于百度AI平臺的人臉識別 203
8.2  科大訊飛AI開放平臺 207
8.2.1  科大訊飛AI開放平臺介紹 207
8.2.2  申請試用 208
8.2.3  基于科大訊飛AI的人臉識別 209
第9章   AI人臉識別簽到打卡系統(tǒng)(PyQt5 百度AI OpenCV-Python SQLite3實現(xiàn)) 217
9.1  需求分析 218
9.1.1  背景介紹 218
9.1.2  任務(wù)目標 218
9.2  模塊架構(gòu) 219
9.3  使用Qt Designer實現(xiàn)主窗口界面 220
9.3.1  設(shè)計系統(tǒng)UI主界面 220
9.3.2  將Qt Designer文件轉(zhuǎn)換為Python文件 221
9.4  簽到打卡、用戶操作和用戶組操作 225
9.4.1  設(shè)計UI界面 226
9.4.2  創(chuàng)建攝像頭類 228
9.4.3  UI界面的操作處理 230
9.4.4  多線程操作和人臉識別 241
9.4.5  導出打卡簽到信息 245
9.5  調(diào)試運行 247
第10章   基于深度學習的AI人臉識別系統(tǒng)(Flask OpenCV-Python Keras Sklearn實現(xiàn)) 251
10.1  系統(tǒng)需求分析 252
10.1.1  系統(tǒng)功能分析 252
10.1.2  實現(xiàn)流程分析 252
10.1.3  技術(shù)分析 253
10.2  照片樣本采集 254
10.3  深度學習和訓練 256
10.3.1  原始圖像預處理 256
10.3.2  構(gòu)建人臉識別模塊 258
10.4  人臉識別 263
10.5  Flask Web人臉識別接口 264
10.5.1  導入庫文件 264
10.5.2  識別上傳照片 265
10.5.3  在線識別 267
第11章   AI考勤管理系統(tǒng)(face-recognition Matplotlib Django Scikit-Learn dlib實現(xiàn)) 269
11.1  背景介紹 270
11.2  系統(tǒng)需求分析 270
11.2.1  可行性分析 270
11.2.2  系統(tǒng)操作流程分析 270
11.2.3  系統(tǒng)模塊設(shè)計 271
11.3  系統(tǒng)配置 272
11.3.1  Django配置文件 272
11.3.2  路徑導航文件 272
11.4  用戶注冊和登錄驗證 273
11.4.1  登錄驗證 273
11.4.2  添加新用戶 275
11.4.3  設(shè)計數(shù)據(jù)模型 276
11.5  采集照片和機器學習 277
11.5.1  設(shè)置采集對象 277
11.5.2  采集照片 279
11.5.3  訓練照片模型 281
11.6  考勤打卡 283
11.6.1  上班打卡簽到 283
11.6.2  下班打卡 285
11.7  可視化考勤數(shù)據(jù) 287
11.7.1  統(tǒng)計近兩周的考勤數(shù)據(jù) 288
11.7.2  查看本人指定時間范圍內(nèi)的考勤統(tǒng)計圖 292
11.7.3  查看某員工在指定時間范圍內(nèi)的考勤統(tǒng)計圖 298
第12章  AI小區(qū)停車計費管理系統(tǒng) 303
12.1  背景介紹 304
12.2  系統(tǒng)功能分析和模塊設(shè)計 304
12.2.1  功能分析 304
12.2.2  系統(tǒng)模塊設(shè)計 305
12.3  系統(tǒng)GUI 305
12.3.1  設(shè)置基本信息 305
12.3.2  繪制操作按鈕 306
12.3.3  繪制背景和文字 307
12.4  車牌識別和收費 308
12.4.1  登記業(yè)主的車輛信息 308
12.4.2  識別車牌 308
12.4.3  計算停車時間 309
12.4.4  識別車牌并計費 310
12.5  主程序 314