深入理解OpenCV：实用计算机视觉项目解析

译者序
前　言
第1章　Android系统上的卡通化和皮肤变换 
1.1　访问摄像机 
1.2　桌面应用处理摄像机视频的主循环 
1.3　生成黑白素描 
1.4　生成彩色图像和卡通 
1.5　用边缘滤波器来生成“怪物”模式 
1.6　用皮肤检测来生成
“外星人”造型 
1.6.1　皮肤检测算法 
1.6.2　确定用户放置脸的位置 
1.6.3　皮肤变色器的实现 
1.7　把桌面应用移植到Android系统 
1.7.1　安装使用OpenCV的Android项目 
1.7.2　在Android NDK应用中添加卡通化代码 
1.7.3　在Android系统中显示保存图像的消息 
1.7.4　降低素描图像的随机椒盐噪声 
1.8　总结 
第2章　iPhone或iPad上基于标记的增强现实 
2.1　使用OpenCV创建iOS项目 
2.1.1　添加OpenCV框架 
2.1.2　包含OpenCV头文件 
2.2　应用程序的结构 
2.3　标记检测 
2.3.1　标记识别 
2.3.2　标记编码识别 
2.4　在三维空间放置标记 
2.4.1　摄像机标定 
2.4.2　标记姿态估计 
2.5　渲染3D虚拟物体 
2.5.1　创建OpenGL渲染层 
2.5.2　渲染AR场景 
2.6　总结 
2.7　参考文献 
第3章　无标记的增加现实 
3.1　基于标记的AR与无标记的AR 
3.2　使用特征描述符检测视频中的任意图像 
3.2.1　特征提取 
3.2.2　模式对象定义 
3.2.3　特征点匹配 
3.2.4　删除离群值 
3.2.5　将示例项目各部分放在一起 
3.3　模式姿态估计 
3.3.1　PatternDetector.cpp 
3.3.2　获取摄像机内矩阵 
3.4　应用的基础架构 
3.4.1　ARPipeline.hpp 
3.4.2　ARPipeline.cpp 
3.4.3　在OpenCV中启用三维可视化支持 
3.4.4　使用OpenCV来创建OpenGL窗口 
3.4.5　使用OpenCV捕获视频 
3.4.6　渲染增强现实 
3.4.7　演示应用程序 
3.5　总结 
3.6　参考文献 
第4章　使用OpenCV研究从运动中恢复结构 
4.1　从运动中恢复结构的概念 
4.2　从两幅图像估计摄像机运动 
4.2.1　通过丰富的特征描述符进行点匹配 
4.2.2　通过光流进行点匹配 
4.2.3　搜索摄像机矩阵 
4.3　重构场景 
4.4　从多视图中重构 
4.5　重构的细化 
4.6　用PCL来可视化3D点云 
4.7　使用示例代码 
4.8　总结 
4.9　参考文献 
第5章　基于SVM和神经网络的车牌识别 
5.1　ANPR简介 
5.2　ANPR算法 
5.3　车牌检测 
5.3.1　图像分割 
5.3.2　分类 
5.4　车牌号识别 
5.4.1　OCR分割 
5.4.2　特征提取 
5.4.3　OCR分类 
5.4.4　评价 
5.5　总结 
第6章　非刚性人脸跟踪 
6.1　概述 
6.2　实用工具 
6.2.1　面向对象设计 
6.2.2　数据收集：图像和视频标注 
6.3　几何约束 
6.3.1　Procrustes分析 
6.3.2　线性形状模型 
6.3.3　局部–全局相结合的表示 
6.3.4　训练与可视化 
6.4　面部特征检测器 
6.4.1　相关性块模型 
6.4.2　解释全局几何变换 
6.4.3　训练与可视化 
6.5　人脸检测与初始化 
6.6　人脸跟踪 
6.6.1　人脸跟踪实现 
6.6.2　训练与可视化 
6.6.3　通用与专用人脸模型 
6.7　总结 
6.8　参考文献 
第7章　基于AAM和POSIT的
三维头部姿态估计 
7.1　主动外观模型概述 
7.2　主动形状模型概述 
7.2.1　感受PCA 
7.2.2　三角剖分 
7.2.3　扭曲三角化结构 
7.3　模型实例化——试试主动外观模型 
7.4　主动外观模型搜索和拟合 
7.5　POSIT算法 
7.5.1　深入理解POSIT算法 
7.5.2　POSIT与头部模型 
7.5.3　对摄像机或视频文件进行跟踪 
7.6　总结 
7.7　参考文献 
第8章　基于特征脸或Fisher脸的人脸识别 
8.1　人脸识别与人脸检测介绍 
8.1.1　第一步：人脸检测 
8.1.2　检测人脸 
8.1.3　第2步：人脸预处理 
8.1.4　第3步：收集并训练人脸 
8.1.5　第4步：人脸识别 
8.1.6　收尾工作：保存和加载文件 
8.1.7　收尾工作：制作一个漂亮的交互式GUI 
8.2　总结 
8.3　参考文献