图像识别技术与实战(OpenCV+dlib+Keras+Sklearn+TensorFlow)

第1章 图像识别技术基础 1

1.1 图像识别概述 2

1.1.1 什么是图像识别 2

1.1.2 图像识别的应用 2

1.2 图像识别原理 3

1.3 图像识别技术 4

1.3.1 AI(人工智能) 5

1.3.2 机器学习 5

1.3.3 深度学习 6

1.3.4 基于神经网络的图像识别 6

1.3.5 基于非线性降维的图像识别 7

第2章 scikit-image数字图像处理 9

2.1 scikit-image基础 10

2.1.1 安装scikit-image 10

2.1.2 scikit-image中的模块 10

2.2 显示图像 11

2.2.1 使用skimage读入并显示外部图像 11

2.2.2 读取并显示外部灰度图像 12

2.2.3 显示内置星空图片 13

2.2.4 读取并保存内置星空图片 14

2.2.5 显示内置星空图片的基本信息 15

2.2.6 实现内置猫图片的红色通道的效果 16

2.3 常见的图像操作 17

2.3.1 对内置猫图片进行二值化操作 17

2.3.2 对内置猫图片进行裁剪处理 18

2.3.3 将RGB图转换为灰度图 19

2.3.4 使用skimage实现绘制图片功能 20

2.3.5 使用subplot()函数绘制多视图窗口 20

2.3.6 使用subplots()函数绘制多视图窗口 22

2.3.7 改变指定图片的大小 24

2.3.8 使用函数rescale()缩放图片 25

2.3.9 使用函数rotate()旋转图片 25

第3章 OpenCV图像视觉处理 27

3.1 OpenCV基础 28

3.1.1 OpenCV介绍 28

3.1.2 OpenCV-Python介绍 28

3.1.3 安装OpenCV-Python 29

3.2 OpenCV-Python图像操作 29

3.2.1 读取并显示图像 29

3.2.2 保存图像 31

3.2.3 在Matplotlib中显示图像 32

3.2.4 绘图 33

3.2.5 将鼠标作为画笔 37

3.2.6 调色板程序 38

3.2.7 基本的属性操作 40

3.2.8 图像的几何变换 42

3.2.9 图像直方图 45

3.2.10 特征识别：Harris(哈里斯)角检测 49

3.3 OpenCV-Python视频操作 51

3.3.1 读取视频 51

3.3.2 播放视频 53

3.3.3 保存视频 54

3.3.4 改变颜色空间 55

3.3.5 视频的背景分离 56

3.4 简易车牌识别系统 59

3.4.1 系统介绍 59

3.4.2 通用程序 59

3.4.3 主程序 64

第4章 dlib机器学习和图像处理算法 67

4.1 dlib介绍 68

4.2 dlib基本的人脸检测 68

4.2.1 人脸检测 68

4.2.2 使用命令行的人脸识别 70

4.2.3 检测人脸关键点 72

4.2.4 基于CNN的人脸检测器 74

4.2.5 在摄像头中识别人脸 76

4.2.6 人脸识别验证 77

4.2.7 全局优化 79

4.2.8 人脸聚类 81

4.2.9 抖动采样和增强 82

4.2.10 人脸和姿势采集 84

4.2.11 物体追踪 86

4.3 SVM分类算法 87

4.3.1 二进制SVM分类器 87

4.3.2 Ranking SVM算法 89

4.3.3 Struct SVM多分类器 92

4.4 自训练模型 95

4.4.1 训练自己的模型 95

4.4.2 自制对象检测器 98

第5章 face_recognition人脸识别 103

5.1 安装face_recognition 104

5.2 实现基本的人脸检测 104

5.2.1 输出显示指定人像人脸特征 104

5.2.2 在指定照片中识别标记出人脸 107

5.2.3 识别出照片中的所有人脸 108

5.2.4 判断在照片中是否包含某个人脸 111

5.2.5 识别出在照片中的人到底是谁 113

5.2.6 摄像头实时识别 114

5.3 深入face_recognition人脸检测 120

5.3.1 检测人脸眼睛的状态 120

5.3.2 模糊处理人脸 122

5.3.3 检测两个人脸是否匹配 123

5.3.4 识别视频中的人脸 125

5.3.5 网页版人脸识别器 127

第6章 Scikit-Learn机器学习和人脸识别 131

6.1 Scikit-Learn基础 132

6.1.1 Scikit-Learn介绍 132

6.1.2 安装Scikit-Learn 132

6.2 基于Scikit-Learn的常用算法 132

6.2.1 Scikit-Learn机器学习的基本流程 133

6.2.2 分类算法 134

6.2.3 聚类算法 137

6.2.4 分解算法 139

6.3 Scikit-Learn和人脸识别 144

6.3.1 SVM算法人脸识别 144

6.3.2 KNN算法人脸识别 145

6.3.3 KNN算法实时识别 151

第7章 TensorFlow机器学习和图像识别 155

7.1 TensorFlow基础 156

7.1.1　TensorFlow介绍 156

7.1.2 TensorFlow的优势 156

7.1.3 安装TensorFlow 157

7.2 创建**个机器学习程序 160

7.2.1 在PyCharm环境实现 160

7.2.2 在Colaboratory环境实现 162

7.3 使用内置方法进行训练和评估 164

7.3.1 **个端到端训练和评估示例 164

7.3.2 使用compile()训练模型 167

7.3.3 自定义损失 169

7.3.4 自定义指标 171

7.3.5 处理不适合标准签名的损失和指标 173

7.3.6 自动分离验证预留集 176

7.3.7 通过tf.data数据集进行训练和评估 177

7.3.8 使用样本加权和类加权 181

7.4 TensorFlow图像视觉处理 183

7.4.1 导入需要的库 183

7.4.2 导入 Fashion MNIST 数据集 184

7.4.3 浏览数据 186

7.4.4 预处理数据 186

7.4.5 构建模型 188

7.4.6 编译模型 189

7.4.7 训练模型 189

7.4.8 使用训练好的模型 195

第8章 国内常用的第三方人脸识别平台 197

8.1 百度AI开放平台 198

8.1.1 百度AI开放平台介绍 198

8.1.2 使用百度AI之前的准备工作 198

8.1.3 基于百度AI平台的人脸识别 203

8.2 科大讯飞AI开放平台 207

8.2.1 科大讯飞AI开放平台介绍 207

8.2.2 申请试用 208

8.2.3 基于科大讯飞AI的人脸识别 209

第9章 AI人脸识别签到打卡系统(PyQt5+百度AI+OpenCV-Python+SQLite3实现) 217

9.1 需求分析 218

9.1.1 背景介绍 218

9.1.2 任务目标 218

9.2 模块架构 219

9.3 使用Qt Designer实现主窗口界面 220

9.3.1 设计系统UI主界面 220

9.3.2 将Qt Designer文件转换为Python文件 221

9.4 签到打卡、用户操作和用户组操作 225

9.4.1 设计UI界面 226

9.4.2 创建摄像头类 228

9.4.3 UI界面的操作处理 230

9.4.4 多线程操作和人脸识别 241

9.4.5 导出打卡签到信息 245

9.5 调试运行 247

第10章 基于深度学习的AI人脸识别系统(Flask+ OpenCV-Python+Keras+Sklearn实现) 251

10.1 系统需求分析 252

10.1.1 系统功能分析 252

10.1.2 实现流程分析 252

10.1.3 技术分析 253

10.2 照片样本采集 254

10.3 深度学习和训练 256

10.3.1 原始图像预处理 256

10.3.2 构建人脸识别模块 258

10.4 人脸识别 263

10.5 Flask Web人脸识别接口 264

10.5.1 导入库文件 264

10.5.2 识别上传照片 265

10.5.3 在线识别 267

第11章 AI考勤管理系统(face-recognition+Matplotlib+ Django+Scikit-Learn+dlib实现) 269

11.1 背景介绍 270

11.2 系统需求分析 270

11.2.1 可行性分析 270

11.2.2 系统操作流程分析 270

11.2.3 系统模块设计 271

11.3 系统配置 272

11.3.1 Django配置文件 272

11.3.2 路径导航文件 272

11.4 用户注册和登录验证 273

11.4.1 登录验证 273

11.4.2 添加新用户 275

11.4.3 设计数据模型 276

11.5 采集照片和机器学习 277

11.5.1 设置采集对象 277

11.5.2 采集照片 279

11.5.3 训练照片模型 281

11.6 考勤打卡 283

11.6.1 上班打卡签到 283

11.6.2 下班打卡 285

11.7 可视化考勤数据 287

11.7.1 统计*近两周的考勤数据 288

11.7.2 查看本人指定时间范围内的考勤统计图 292

11.7.3 查看某员工在指定时间范围内的考勤统计图 298

第12章 AI小区停车计费管理系统 303

12.1 背景介绍 304

12.2 系统功能分析和模块设计 304

12.2.1 功能分析 304

12.2.2 系统模块设计 305

12.3 系统GUI 305

12.3.1 设置基本信息 305

12.3.2 绘制操作按钮 306

12.3.3 绘制背景和文字 307

12.4 车牌识别和收费 308

12.4.1 登记业主的车辆信息 308

12.4.2 识别车牌 308

12.4.3 计算停车时间 309

12.4.4 识别车牌并计费 310

12.5 主程序 314