| 作者 |
| 李熙莹 |
| 丛书名 |
| 出版社 |
| 电子工业出版社 |
| ISBN |
| 9787121400414 |
| 简要 |
| 简介 |
| 内容简介 视频图像技术是人工智能、计算机科学、光学、电子信息等领域的基础技术，相关的原理知识涉及面较广，应用性很强。本书基于视频图像技术的基本原理、相关设备、算法和应用等内容编写，主要分为三部分。第一部分为视频图像技术原理与设备操作，主要介绍视频信号“采-传-存-显-控”的基本原理；第二部分为视频图像智能化分析算法与工程实践，涵盖经典算法和基于深度学习的主流算法，包括视频图像数据预处理、图像增强、图像分割、图像分类、运动目标检测、目标检测与识别、运动目标跟踪、双目视觉测距、图像无缝拼接、图像三维重建，其中不乏计算机视觉技术的应用；第三部分为视频图像技术基础开发环境的搭建，主要介绍视频图像技术常用的编程语言，为读者实现各种视频图像技术提供快速的编程指导和环境配置方法，包括MATLAB编程基础、OpenCV编程基础、Python编程基础和面向深度学习的智能化图像处理环境搭建。本书每章都按照“学习目的、实践内容、准备材料、预备知识、实践步骤”的结构进行编写，旨在使读者快速掌握并应用视频图像技术，能够围绕实际应用场景，循序渐进地使用本书中介绍的方法解决部分实际问题，从而具备面向工程应用的综合分析与实践能力。本书可作为高等学校本科生、研究生视频图像处理相关课程的教材和参考书，也可为相关领域的工程技术人员提供参考。 |
| 目录 |
| 第一部分 视频图像技术原理与设备操作 第1章 视频采集 2 1．1 学习目的 2 1．2 实践内容 2 1．3 准备材料 2 1．4 预备知识 3 1．4．1 视频图像技术概述 3 1．4．2 光源 7 1．4．3 镜头 10 1．4．4 图像补偿与降噪 11 1．4．5 摄像机类型 13 1．4．6 数字示波器 14 1．5 实施步骤 15 1．5．1 观察摄像机的外观、形状、接口，了解其功能 15 1．5．2 连接设备，采集视频 15 1．5．3 观察镜头参数变化的成像效果 16 1．5．4 观察光照条件变化的成像效果 16 1．5．5 观察不同类型摄像机的成像效果 16 1．5．6 调整摄像机参数，观察视频效果 16 1．5．7 利用示波器观察视频信号 17 第2章 视频传输 18 2．1 学习目的 18 2．2 实践内容 18 2．3 准备材料 18 2．4 预备知识 19 2．4．1 传输介质 19 2．4．2 视频双绞线传输器 21 2．4．3 视频光端机 22 2．4．4 交换机和网络视频适配器 22 2．4．5 无线网桥 23 2．4．6 PoE供电 23 2．4．7 网络损伤仪 24 2．5 实施步骤 24 2．5．1 同轴电缆和双绞器传输 24 2．5．2 交换机传输 24 2．5．3 无线网桥传输 27 2．5．4 网络损伤环境下不同编码方式的传输 28 第3章 视频存储 30 3．1 学习目的 30 3．2 实践内容 30 3．3 准备材料 30 3．4 预备知识 31 3．4．1 数字存储技术 31 3．4．2 RAID技术 34 3．4．3 云存储 39 3．5 实施步骤 40 3．5．1 高清硬盘录像机多路视频输入 40 3．5．2 高清硬盘录像机抓拍画面 41 3．5．3 高清硬盘录像机录像存储 41 3．5．4 高清硬盘录像机录像回放 42 3．5．5 高清硬盘录像机录像文件导出 43 3．5．6 远程登录网络录像机 44 3．5．7 设置RAID功能 45 3．5．8 云存储设备的基本操作 46 第4章 视频显示 47 4．1 学习目的 47 4．2 实践内容 47 4．3 准备材料 47 4．4 预备知识 48 4．4．1 显示器的类型 48 4．4．2 液晶显示器 49 4．4．3 显示器的技术参数 51 4．4．4 显示器的常用接口 52 4．4．5 分辨率 54 4．5 实施步骤 56 4．5．1 观察多种显示器的外观 56 4．5．2 熟悉信号输入接口 56 4．5．3 更改液晶显示器的参数 57 第5章 中心与云台控制 58 5．1 学习目的 58 5．2 实践内容 58 5．3 准备材料 58 5．4 预备知识 59 5．4．1 中心控制设备 59 5．4．2 云台 60 5．4．3 云台控制协议 62 5．5 实施步骤 63 5．5．1 将多种视频设备接入监控中心，并控制视频信号上电视墙 63 5．5．2 观察摄像机云台及接口 65 5．5．3 利用视频监控设备实现云台控制 65 5．5．4 编程实现云台控制（选做） 68 第6章 视频监控系统 69 6．1 学习目的 69 6．2 实践内容 69 6．3 准备材料 69 6．4 预备知识 69 6．4．1 视频监控系统介绍 69 6．4．2 视频监控系统方案选型指导 72 6．5 实施步骤 76 6．5．1 不同视频监控系统的对比 76 6．5．2 室内视频监控系统方案设计 76 6．5．3 室内视频监控系统方案实现 76 6．5．4 室外视频监控系统方案设计 76 6．5．5 室外视频监控系统方案实现 77 第7章 机器视觉 78 7．1 学习目的 78 7．2 实践内容 78 7．3 准备材料 78 7．4 预备知识 79 7．4．1 机器视觉系统简介 79 7．4．2 机器视觉系统的组成 80 7．4．3 机器视觉系统设备选型 85 7．5 实施步骤 86 7．5．1 观察、熟悉工业相机 86 7．5．2 工业相机视频数据的存储和处理 86 7．5．3 选用合适的工业相机和镜头 90 7．5．4 对比成像效果 91 7．5．5 手机屏幕坏点检测 92 第二部分 视频图像智能化分析算法与工程实践 第8章 视频图像数据预处理：数据增强与标注 94 8．1 学习目的 94 8．2 实践内容 94 8．3 准备材料 94 8．4 预备知识 94 8．4．1 常用的数据增强方法 95 8．4．2 图像标注工具VGG Image Annotator的使用 100 8．5 实施步骤 104 8．5．1 编程实现批量图像的预处理 104 8．5．2 对批量图像进行在线标注 104 第9章 图像增强 105 9．1 学习目的 105 9．2 实践内容 105 9．3 准备材料 105 9．4 预备知识 105 9．4．1 灰度变换增强 106 9．4．2 直方图增强 107 9．4．3 图像平滑 108 9．4．4 图像锐化 108 9．4．5 暗通道先验去雾算法 109 9．4．6 图像质量评价指标 110 9．5 实施步骤 111 9．5．1 编程实现不同的图像增强方法 111 9．5．2 编程实现暗通道先验去雾算法 111 第10章 图像分割 112 10．1 学习目的 112 10．2 实践内容 112 10．3 准备材料 112 10．4 预备知识 112 10．4．1 图像分割算法的研究现状 112 10．4．2 基于阈值的图像分割算法 113 10．4．3 基于图论的图像分割算法 116 10．4．4 选择性搜索算法 117 10．5 实施步骤 119 10．5．1 采集并标注数据 119 10．5．2 编程实现基于阈值的图像分割算法 119 10．5．3 编程实现选择性搜索算法并进行图像分割测试 120 第11章 图像分类 121 11．1 学习目的 121 11．2 实践内容 121 11．3 准备材料 121 11．4 预备知识 121 11．4．1 CIFAR-10简介 122 11．4．2 卷积神经网络简介 122 11．4．3 经典的网络模型 124 11．4．4 利用PyTorch构建卷积神经网络对CIFAR-10进行分类 132 11．5 实施步骤 136 第12章 运动目标检测 137 12．1 学习目的 137 12．2 实践内容 137 12．3 实验准备 137 12．4 预备知识 137 12．4．1 常用的运动目标检测方法――背景差法 138 12．4．2 常用的运动目标检测方法――帧差法 140 12．4．3 运动目标检测的优化策略――形态学处理 141 12．4．4 运动目标检测的评价指标1――IoU 145 12．4．5 运动目标检测的评价指标2――检出率、漏检率和多检率 147 12．4．6 运动目标检测算法流程示例 149 12．5 实施步骤 150 12．5．1 编程实现背景差法 150 12．5．2 编程实现帧差法 150 12．5．3 编程实现目标检测IoU的计算 150 12．5．4 编程实现目标检测评价指标的计算 150 第13章 目标检测与识别 151 13．1 学习目的 151 13．2 实践内容 151 13．3 准备材料 151 13．4 预备知识 151 13．4．1 传统目标检测与识别算法 151 13．4．2 滑动窗口（Sliding Window）法 152 13．4．3 基于深度神经网络的目标检测与识别算法 154 13．5 实施步骤 159 13．5．1 训练集准备 159 13．5．2 将KITTI格式转化为VOC格式 160 13．5．3 利用PyTorch搭建一个基于YOLO v3的目标检测与识别网络 160 13．5．4 利用已有网络模型及参数实现在线交通目标的检测与识别 162 第14章 运动目标跟踪 165 14．1 学习目的 165 14．2 实践内容 165 14．3 准备材料 165 14．4 预备知识 165 14．4．1 运动目标跟踪算法 165 14．4．2 运动目标跟踪数据集 171 14．4．3 运动目标跟踪算法的评价准则与方法 171 14．5 实施步骤（任意选择一个算法实现） 173 14．5．1 实现卡尔曼滤波器 173 14．5．2 实现DeepSORT算法 173 第15章 视频图像双目视觉测距 174 15．1 学习目的 174 15．2 实践内容 174 15．3 准备材料 174 15．4 预备知识 174 15．4．1 双目立体视觉的成像原理 175 15．4．2 双目立体视觉的标定和矫正 175 15．4．3 立体匹配算法 179 15．4．4 深度图计算 181 15．4．5 双目视觉测距流程 181 15．4．6 Kinect 182 15．5 实施步骤 183 15．5．1 双目图像获取 183 15．5．2 标定 183 15．5．3 编程实现双目视觉测距算法 183 第16章 图像无缝拼接 184 16．1 学习目的 184 16．2 实践内容 184 16．3 准备材料 184 16．4 预备知识 184 16．4．1 图像拼接的基本原理 184 16．4．2 基于单应性变换的图像拼接算法 185 16．4．3 APAP算法 192 16．5 实施步骤（任意选择一个算法实现） 194 16．5．1 采集图像 194 16．5．2 编程实现基于单应性变换的图像拼接算法 194 16．5．3 编程实现APAP算法 194 第17章 图像三维重建 195 17．1 学习目的 195 17．2 实践内容 195 17．3 准备材料 195 17．4 预备知识 195 17．4．1 图像三维重建技术 195 17．4．2 基于运动的三维重建算法中关键帧的筛选 196 17．4．3 图像三维重建的基本流程 197 17．4．4 图像三维重建软件 203 17．5 实施步骤 205 17．5．1 使用无人机采集视频并提取关键帧 205 17．5．2 编程实现图像三维重建 206 17．5．3 使用Pix4D Mapper软件实现图像三维重建 206 第三部分 视频图像技术基础开发环境的搭建 第18章 MATLAB编程基础 210 18．1 学习目的 210 18．2 实践内容 210 18．3 准备材料 210 18．4 预备知识 210 18．4．1 MATLAB简介 210 18．4．2 MATLAB安装 211 18．4．3 MATLAB的基本使用 215 18．4．4 MATLAB图像处理基本操作 218 18．5 实施步骤 219 18．5．1 使用MATLAB 219 18．5．2 MATLAB图像处理 220 18．5．3 总结 221 第19章 OpenCV编程基础 222 19．1 学习目的 222 19．2 实践内容 222 19．3 准备材料 222 19．4 预备知识 222 19．4．1 OpenCV简介 222 19．4．2 OpenCV安装 222 19．5 实施步骤 225 19．5．1 图像直方图处理 225 19．5．2 空间域滤波与频域变换 226 第20章 Python编程基础 230 20．1 学习目的 230 20．2 实践内容 230 20．3 准备材料 230 20．4 预备知识 230 20．4．1 Python 3．7．3安装 230 20．4．2 Python常用函数 232 20．5 实施步骤 232 20．5．1 用Python创建一个csv文件 232 20．5．2 用Python写一个脚本 233 20．5．3 多边形面积求解 233 20．5．4 的计算 233 20．5．5 下载图像、分类保存并拼接 234 第21章 面向深度学习的智能化图像处理环境搭建 235 21．1 学习目的 235 21．2 项目内容 235 21．3 准备材料 235 21．4 预备知识 235 21．4．1 Windows 10环境下PyTorch的安装 235 21．4．2 Ubuntu 18．04环境下PyTorch的安装 239 21．5 实施步骤 240 21．5．1 编程测试是否有GPU 240 21．5．2 编程实现梯度计算 241 21．5．3 搭建基本的分类神经网络 241 致 谢 244 参考文献 245 附录A 实验报告 250 附录B 实验记录表 251 |