计算机视觉——OpenCV项目实战

一、课程简介与环境配置 - 1.Python与Opencv配置安装 - 2.Notebook与IDE环境 二、图像基本操作 - 1.图像的属性与基本操作 - 2.视频的读取与处理 - 3.边界填充 - 4.数值计算 三、阈值与平滑处理 - 1.图像阈值 - 2.图像平滑处理 - 3.高斯与中值滤波 四、图像形态学操作 - 1.腐蚀操作 - 2.膨胀操作 - 3.开运算与闭运算 - 4.梯度计算 - 5.礼帽与黑帽 五、图像梯度计算 - 1.Sobel算子 - 2.梯度计算方法 - 3.scharr与lapkacian算子 六、边缘检测 - 1.Canny边缘检测流程 - 2.非极大值抑制 - 3.边缘检测效果 七、图像金字塔与轮廓检测 - 1.图像金字塔定义 - 2.金字塔制作方法 - 3.轮廓检测方法 - 4.轮廓检测结果 - 5.轮廓特征与近似 - 6.模板匹配方法 - 7.匹配效果展示 八、直方图与傅里叶变换 - 1.直方图定义 - 2.均衡化原理 - 3.均衡化效果 - 4.傅里叶概述 - 5.频域变换结果 - 6.低通与高通滤波 九、Opencv项目实战：信用卡数字识别 - 1.总体流程与方法讲解 - 2.环境配置与预处理 - 3.模板处理方法 - 4.输入数据处理方法 - 5.模板匹配得出识别结果 十、Opencv项目实战：文件扫描OCR识别 - 1.整体流程演示 - 2.文档轮廓提取 - 3.原始与变换坐标计算 - 4.透视变换结果 - 5.tesseract-ocr安装配置 - 6.文档扫描识别效果 十一、图像特征——harris - 1.角点检测基本原理 - 2.基本数学原理 - 3.求解化简 - 4.特征归属划分 - 5.opencv角点检测效果 十二、图像特征——sift - 1.尺度空间定义 - 2.高斯差分金字塔 - 3.特征关键点定位 - 4.生成特征描述 - 5.特征向量生成 - 6.Opencv中sift函数使用 十三、案例实战——全景图像拼接 - 1.特征匹配方法 - 2.图像拼接方法 - 3.RANSAC算法 - 4.流程解读 十四、OpenCV进阶项目实战：停车场车位识别 - 1.任务整体流程 - 2.所需数据介绍 - 3.图像数据预处理 - 4.车位直线检测 - 5.按列划分区域 - 6.车位区域划分 - 7.识别模型构建 - 8.基于视频的车位检测 十五、Opencv进阶项目实战：答题卡识别判卷 - 1.整体流程与效果概述 - 2.预处理操作 - 3.填涂轮廓检测 - 4.选项判断识别 十六、背景建模 - 1.背景消除——帧差法 - 2.混合高斯模型 - 3.学习步骤 - 4.背景建模实战 十七、光流估计 - 1.基本概念 - 2.Lucas-Kanade算法 - 3.推导求解 - 4.光流估计实战 十八、Opencv的DNN模块 - 1.DNN模块 - 2.模型加载结果输出 十九、项目实战——目标追踪 - 1.目标追踪概述 - 2.多目标追踪实战 - 3.深度学习检测框架加载 - 4.基于dlib与ssd的追踪 - 5.多进程目标追踪 - 6.多进程效率提升对比 二十、卷积原理与操作 - 1.卷积神经网络的应用 - 2.卷积操作详解 - 3.卷积计算过程 - 4.pading与stride - 5.卷积参数共享 - 6.池化层原理 - 7.卷积效果演示 - 8.卷积操作流程 二十一、疲劳检测项目实战 - 1.关键点定位概述 - 2.获取人脸关键点 - 3.定位效果演示 - 4.闭眼检测 - 5.检测效果 课后测试