視頻圖像技術原理與案例教程

李熙瑩

  • 出版商: 電子工業
  • 出版日期: 2020-12-01
  • 售價: $299
  • 貴賓價: 9.5$284
  • 語言: 簡體中文
  • 頁數: 264
  • ISBN: 7121400413
  • ISBN-13: 9787121400414

立即出貨 (庫存 < 3)

買這商品的人也買了...

相關主題

商品描述

視頻圖像技術是人工智能、電腦科學、光學、電子信息等領域的基礎技術,相關的原理知識涉及面較廣,應用性很強。本書基於視頻圖像技術的基本原理、相關設備、算法和應用等內容編寫,主要分為三部分。第一部分為視頻圖像技術原理與設備操作,主要介紹視頻信號“採-傳-存-顯-控”的基本原理;第二部分為視頻圖像智能化分析算法與工程實踐,涵蓋經典算法和基於深度學習的主流算法,包括視頻圖像數據預處理、圖像增強、圖像分割、圖像分類、運動目標檢測、目標檢測與識別、運動目標跟蹤、雙目視覺測距、圖像無縫拼接、圖像三維重建,其中不乏電腦視覺技術的應用;第三部分為視頻圖像技術基礎開發環境的搭建,主要介紹視頻圖像技術常用的編程語言,為讀者實現各種視頻圖像技術提供快速的編程指導和環境配置方法,包括MATLAB編程基礎、OpenCV編程基礎、Python編程基礎和麵向深度學習的智能化圖像處理環境搭建。本書每章都按照“學習目的、實踐內容、準備材料、預備知識、實踐步驟”的結構進行編寫,旨在使讀者快速掌握並應用視頻圖像技術,能夠圍繞實際應用場景,循序漸進地使用本書中介紹的方法解決部分實際問題,從而具備面向工程應用的綜合分析與實踐能力。本書可作為高等學校本科生、研究生視頻圖像處理相關課程的教材和參考書,也可為相關領域的工程技術人員提供參考。

目錄大綱

第一部分 視頻圖像技術原理與設備操作 第1章 視頻採集 2 1.1 學習目的 2 1.2 實踐內容 2 1.3 準備材料 2 1.4 預備知識 3 1.4.1 視頻圖像技術概述 3 1.4.2 光源 7 1.4.3 鏡頭 10 1.4.4 圖像補償與降噪 11 1.4.5 攝像機類型 13 1.4.6 數字示波器 14 1.5 實施步驟 15 1.5.1 觀察攝像機的外觀、形狀、接口,瞭解其功能 15 1.5.2 連接設備,採集視頻 15 1.5.3 觀察鏡頭參數變化的成像效果 16 1.5.4 觀察光照條件變化的成像效果 16 1.5.5 觀察不同類型攝像機的成像效果 16 1.5.6 調整攝像機參數,觀察視頻效果 16 1.5.7 利用示波器觀察視頻信號 17 第2章 視頻傳輸 18 2.1 學習目的 18 2.2 實踐內容 18 2.3 準備材料 18 2.4 預備知識 19 2.4.1 傳輸介質 19 2.4.2 視頻雙絞線傳輸器 21 2.4.3 視頻光端機 22 2.4.4 交換機和網絡視頻適配器 22 2.4.5 無線網橋 23 2.4.6 PoE供電 23 2.4.7 網絡損傷儀 24 2.5 實施步驟 24 2.5.1 同軸電纜和雙絞器傳輸 24 2.5.2 交換機傳輸 24 2.5.3 無線網橋傳輸 27 2.5.4 網絡損傷環境下不同編碼方式的傳輸 28 第3章 視頻存儲 30 3.1 學習目的 30 3.2 實踐內容 30 3.3 準備材料 30 3.4 預備知識 31 3.4.1 數字存儲技術 31 3.4.2 RAID技術 34 3.4.3 雲存儲 39 3.5 實施步驟 40 3.5.1 高清硬盤錄像機多路視頻輸入 40 3.5.2 高清硬盤錄像機抓拍畫面 41 3.5.3 高清硬盤錄像機錄像存儲 41 3.5.4 高清硬盤錄像機錄像回放 42 3.5.5 高清硬盤錄像機錄像文件導出 43 3.5.6 遠程登錄網絡錄像機 44 3.5.7 設置RAID功能 45 3.5.8 雲存儲設備的基本操作 46 第4章 視頻顯示 47 4.1 學習目的 47 4.2 實踐內容 47 4.3 準備材料 47 4.4 預備知識 48 4.4.1 顯示器的類型 48 4.4.2 液晶顯示器 49 4.4.3 顯示器的技術參數 51 4.4.4 顯示器的常用接口 52 4.4.5 分辨率 54 4.5 實施步驟 56 4.5.1 觀察多種顯示器的外觀 56 4.5.2 熟悉信號輸入接口 56 4.5.3 更改液晶顯示器的參數 57 第5章 中心與雲台控制 58 5.1 學習目的 58 5.2 實踐內容 58 5.3 準備材料 58 5.4 預備知識 59 5.4.1 中心控制設備 59 5.4.2 雲台 60 5.4.3 雲台控制協議 62 5.5 實施步驟 63 5.5.1 將多種視頻設備接入監控中心,並控制視頻信號上電視牆 63 5.5.2 觀察攝像機雲台及接口 65 5.5.3 利用視頻監控設備實現雲台控制 65 5.5.4 編程實現雲台控制(選做) 68 第6章 視頻監控系統 69 6.1 學習目的 69 6.2 實踐內容 69 6.3 準備材料 69 6.4 預備知識 69 6.4.1 視頻監控系統介紹 69 6.4.2 視頻監控系統方案選型指導 72 6.5 實施步驟 76 6.5.1 不同視頻監控系統的對比 76 6.5.2 室內視頻監控系統方案設計 76 6.5.3 室內視頻監控系統方案實現 76 6.5.4 室外視頻監控系統方案設計 76 6.5.5 室外視頻監控系統方案實現 77 第7章 機器視覺 78 7.1 學習目的 78 7.2 實踐內容 78 7.3 準備材料 78 7.4 預備知識 79 7.4.1 機器視覺系統簡介 79 7.4.2 機器視覺系統的組成 80 7.4.3 機器視覺系統設備選型 85 7.5 實施步驟 86 7.5.1 觀察、熟悉工業相機 86 7.5.2 工業相機視頻數據的存儲和處理 86 7.5.3 選用合適的工業相機和鏡頭 90 7.5.4 對比成像效果 91 7.5.5 手機屏幕壞點檢測 92 第二部分 視頻圖像智能化分析算法與工程實踐 第8章 視頻圖像數據預處理:數據增強與標註 94 8.1 學習目的 94 8.2 實踐內容 94 8.3 準備材料 94 8.4 預備知識 94 8.4.1 常用的數據增強方法 95 8.4.2 圖像標註工具VGG Image Annotator的使用 100 8.5 實施步驟 104 8.5.1 編程實現批量圖像的預處理 104 8.5.2 對批量圖像進行在線標註 104 第9章 圖像增強 105 9.1 學習目的 105 9.2 實踐內容 105 9.3 準備材料 105 9.4 預備知識 105 9.4.1 灰度變換增強 106 9.4.2 直方圖增強 107 9.4.3 圖像平滑 108 9.4.4 圖像銳化 108 9.4.5 暗通道先驗去霧算法 109 9.4.6 圖像質量評價指標 110 9.5 實施步驟 111 9.5.1 編程實現不同的圖像增強方法 111 9.5.2 編程實現暗通道先驗去霧算法 111 第10章 圖像分割 112 10.1 學習目的 112 10.2 實踐內容 112 10.3 準備材料 112 10.4 預備知識 112 10.4.1 圖像分割算法的研究現狀 112 10.4.2 基於閾值的圖像分割算法 113 10.4.3 基於圖論的圖像分割算法 116 10.4.4 選擇性搜索算法 117 10.5 實施步驟 119 10.5.1 採集並標註數據 119 10.5.2 編程實現基於閾值的圖像分割算法 119 10.5.3 編程實現選擇性搜索算法並進行圖像分割測試 120 第11章 圖像分類 121 11.1 學習目的 121 11.2 實踐內容 121 11.3 準備材料 121 11.4 預備知識 121 11.4.1 CIFAR-10簡介 122 11.4.2 捲積神經網絡簡介 122 11.4.3 經典的網絡模型 124 11.4.4 利用PyTorch構建捲積神經網絡對CIFAR-10進行分類 132 11.5 實施步驟 136 第12章 運動目標檢測 137 12.1 學習目的 137 12.2 實踐內容 137 12.3 實驗準備 137 12.4 預備知識 137 12.4.1 常用的運動目標檢測方法——背景差法 138 12.4.2 常用的運動目標檢測方法——幀差法 140 12.4.3 運動目標檢測的優化策略——形態學處理 141 12.4.4 運動目標檢測的評價指標1——IoU 145 12.4.5 運動目標檢測的評價指標2——檢出率、漏檢率和多檢率 147 12.4.6 運動目標檢測算法流程示例 149 12.5 實施步驟 150 12.5.1 編程實現背景差法 150 12.5.2 編程實現幀差法 150 12.5.3 編程實現目標檢測IoU的計算 150 12.5.4 編程實現目標檢測評價指標的計算 150 第13章 目標檢測與識別 151 13.1 學習目的 151 13.2 實踐內容 151 13.3 準備材料 151 13.4 預備知識 151 13.4.1 傳統目標檢測與識別算法 151 13.4.2 滑動窗口(Sliding Window)法 152 13.4.3 基於深度神經網絡的目標檢測與識別算法 154 13.5 實施步驟 159 13.5.1 訓練集準備 159 13.5.2 將KITTI格式轉化為VOC格式 160 13.5.3 利用PyTorch搭建一個基於YOLO v3的目標檢測與識別網絡 160 13.5.4 利用已有網絡模型及參數實現在線交通目標的檢測與識別 162 第14章 運動目標跟蹤 165 14.1 學習目的 165 14.2 實踐內容 165 14.3 準備材料 165 14.4 預備知識 165 14.4.1 運動目標跟蹤算法 165 14.4.2 運動目標跟蹤數據集 171 14.4.3 運動目標跟蹤算法的評價準則與方法 171 14.5 實施步驟(任意選擇一個算法實現) 173 14.5.1 實現卡爾曼濾波器 173 14.5.2 實現DeepSORT算法 173 第15章 視頻圖像雙目視覺測距 174 15.1 學習目的 174 15.2 實踐內容 174 15.3 準備材料 174 15.4 預備知識 174 15.4.1 雙目立體視覺的成像原理 175 15.4.2 雙目立體視覺的標定和矯正 175 15.4.3 立體匹配算法 179 15.4.4 深度圖計算 181 15.4.5 雙目視覺測距流程 181 15.4.6 Kinect 182 15.5 實施步驟 183 15.5.1 雙目圖像獲取 183 15.5.2 標定 183 15.5.3 編程實現雙目視覺測距算法 183 第16章 圖像無縫拼接 184 16.1 學習目的 184 16.2 實踐內容 184 16.3 準備材料 184 16.4 預備知識 184 16.4.1 圖像拼接的基本原理 184 16.4.2 基於單應性變換的圖像拼接算法 185 16.4.3 APAP算法 192 16.5 實施步驟(任意選擇一個算法實現) 194 16.5.1 採集圖像 194 16.5.2 編程實現基於單應性變換的圖像拼接算法 194 16.5.3 編程實現APAP算法 194 第17章 圖像三維重建 195 17.1 學習目的 195 17.2 實踐內容 195 17.3 準備材料 195 17.4 預備知識 195 17.4.1 圖像三維重建技術 195 17.4.2 基於運動的三維重建算法中關鍵幀的篩選 196 17.4.3 圖像三維重建的基本流程 197 17.4.4 圖像三維重建軟件 203 17.5 實施步驟 205 17.5.1 使用無人機採集視頻並提取關鍵幀 205 17.5.2 編程實現圖像三維重建 206 17.5.3 使用Pix4D Mapper軟件實現圖像三維重建 206 第三部分 視頻圖像技術基礎開發環境的搭建 第18章 MATLAB編程基礎 210 18.1 學習目的 210 18.2 實踐內容 210 18.3 準備材料 210 18.4 預備知識 210 18.4.1 MATLAB簡介 210 18.4.2 MATLAB安裝 211 18.4.3 MATLAB的基本使用 215 18.4.4 MATLAB圖像處理基本操作 218 18.5 實施步驟 219 18.5.1 使用MATLAB 219 18.5.2 MATLAB圖像處理 220 18.5.3 總結 221 第19章 OpenCV編程基礎 222 19.1 學習目的 222 19.2 實踐內容 222 19.3 準備材料 222 19.4 預備知識 222 19.4.1 OpenCV簡介 222 19.4.2 OpenCV安裝 222 19.5 實施步驟 225 19.5.1 圖像直方圖處理 225 19.5.2 空間域濾波與頻域變換 226 第20章 Python編程基礎 230 20.1 學習目的 230 20.2 實踐內容 230 20.3 準備材料 230 20.4 預備知識 230 20.4.1 Python 3.7.3安裝 230 20.4.2 Python常用函數 232 20.5 實施步驟 232 20.5.1 用Python創建一個csv文件 232 20.5.2 用Python寫一個腳本 233 20.5.3 多邊形面積求解 233 20.5.4 ?的計算 233 20.5.5 下載圖像、分類保存並拼接 234 第21章 面向深度學習的智能化圖像處理環境搭建 235 21.1 學習目的 235 21.2 項目內容 235 21.3 準備材料 235 21.4 預備知識 235 21.4.1 Windows 10環境下PyTorch的安裝 235 21.4.2 Ubuntu 18.04環境下PyTorch的安裝 239 21.5 實施步驟 240 21.5.1 編程測試是否有GPU 240 21.5.2 編程實現梯度計算 241 21.5.3 搭建基本的分類神經網絡 241 致 謝 244 參考文獻 245 附錄A 實驗報告 250 附錄B 實驗記錄表 251