譯者序
前言
第1章 Android系統上的卡通化和皮膚變換
1.1訪問攝像機
1.2桌面應用處理攝像機視頻的主循環
1.3生成黑白素描
1.4生成彩色圖像和卡通
1.5用邊緣濾波器來生成「怪物」模式
1.6用皮膚檢測來生成「外星人」造型
1.6.1皮膚檢測算法
1.6.2確定用戶放置臉的位置
1.6.3皮膚變色器的實現
1.7把桌面應用移植到Android系統
1.7.1安裝使用OpenCV的Android項目
1.7.2在AndroidNDK應用中添加卡通化代碼
1.7.3在Android系統中顯示保存圖像的消息
1.7.4降低素描圖像的隨機椒鹽噪聲
1.8總結
第2章 iPhone或iPad上基於標記的增強現實
2.1使用OpenCV創建iOS項目
2.1.1添加OpenCV框架
2.1.2包含OpenCV頭文件
2.2應用程序的結構
2.3標記檢測
2.3.1標記識別
2.3.2標記編碼識別
2.4在三維空間放置標記
2.4.1攝像機標定
2.4.2標記姿態估計
2.5渲染3D虛擬物體
2.5.1創建OpenGL渲染層
2.5.2渲染AR場景
2.6總結
2.7參考文獻
第3章 無標記的增加現實
3.1基於標記的AR與
無標記的AR
3.2使用特征描述符檢測視頻中的任意圖像
3.2.1特征提取
3.2.2模式對象定義
3.2.3特征點匹配
3.2.4刪除離群值
3.2.5將示例項目各部分放在一起
3.3模式姿態估計
3.3.1PatternDetector.cpp
3.3.2獲取攝像機內矩陣
3.4應用的基礎架構
3.4.1ARPipeline.hpp
3.4.2ARPipeline.cpp”’’
3.4.3在OpenCV中啟用三維可視化支持
3.4.4使用OpenCV來創建OpenGL窗口
3.4.5使用OpenCV捕獲視頻
3.4.6渲染增強現實
3.4.7演示應用程序
3.5總結
3.6參考文獻
第4章 使用OpenCV研究從運動中恢復結構
4.1從運動中恢復結構的概念
4.2從兩幅圖像估計攝像機運動
4.2.1通過豐富的特征描述符進行點匹配
4.2.2通過光流進行點匹配
4.2.3搜索攝像機矩陣
4.3重構場景
4.4從多視圖中重構
4.5重構的細化
4.6用PCL來可視化3D點雲
4.7使用示例代碼
4.8總結
4.9參考文獻
第5章 基於SVM和神經網絡的車牌識別
5.1ANPR簡介
5.2ANPR算法
5.3車牌檢測
5.3.1圖像分割
5.3.2分類
5.4車牌號識別
5.4.10CR分割
5.4.2特征提取
5.4.30CR分類
5.4.4評價
5.5總結
第6章 非剛性人臉跟蹤
6.1概述
6.2實用工具
6.2.1面向對象設計
6.2.2數據收集：圖像和視頻標注
6.3幾何約束
6.3.1Procrustes分析
6.3.2線性形狀模型
6.3.3局部一全局相結合的表示
6.3.4訓練與可視化
6.4面部特征檢測器
6.4.1相關性塊模型
6.4.2解釋全局幾何變換
6.4.3訓練與可視化
6.5人臉檢測與初始化
6.6人臉跟蹤
6.6.1人臉跟蹤實現
6.6.2訓練與可視化
6.6.3通用與專用人臉模型
6.7總結
6.8參考文獻
第7章 基於AAM和POSIT的三維頭部姿態估計
7.1主動外觀模型概述
7.2主動形狀模型概述
7.2.1感受PCA
7.2.2三角剖分
7.2.3扭曲三角化結構
7.3模型實例化——試試主動外觀模型
7.4主動外觀模型搜索和擬合
7.5POSIT算法
7.5.1深入理解POSIT算法
7.5.2POSIT與頭部模型
7.5.3對攝像機或視頻文件進行跟蹤
7.6總結
7.7參考文獻
第8章 基於特征臉或Fisher臉的人臉識別
8.1人臉識別與人臉檢測介紹
8.1.1第一步：人臉檢測
8.1.2檢測人臉
8.1.3第2步：人臉預處理
8.1.4第3步：收集並訓練人臉
8.1.5第4步：人臉識別
8.1.6收尾工作：保存和加載文件
8.1.7收尾工作：制作一個漂亮的交互式GUI
8.2總結
8.3參考文獻
