圖像識別技術與實戰（OpenCV+dlib+Keras+Sklearn+TensorFlow）

《圖像識別技術與實戰（OpenCV+dlib+Keras +Sklearn+TensorFlow）》循序漸進地講解了使用 Python語言實現圖像視覺識別的核心知識，並通過 具體實例的實現過程演練了圖像視覺識別的方法和流程。

全書共12章，分別講解了圖像識別技術基礎，scikit-image數位影像處理，OpenCV圖像視覺處理，dlib機器學習和影像處理演算法，face_recognition人臉識別，Scikit-Learn機器學 習和人臉識別，TensorFlow機器學習和圖像識別， 常用的協力廠商人臉識別平臺，AI人臉識別簽到 打卡系統(PyQt5+百度AI+OpenCV-Python+SQLite3 實現)，基於深度學習的AI人臉識別系統(Flask +OpenCV-Python+Keras+Sklearn實現)，AI考勤管 理系統(face-recognition+Matplotlib+Django +Scikit-Learn+dlib實現)，AI社區停車計費管理系統。

全書講解簡潔而不失技術深度，內容豐富全 面，並且易於閱讀，以極簡的文字介紹了複雜的案 例，是學習Python圖像視覺識別的實用教程。《圖像識別技術與實戰（OpenCV+dlib+Keras +Sklearn+TensorFlow）》適用於已經瞭解Python 語言基礎語法的讀者，並且適應於希望進一步提高 自己Python開發水準的讀者，還可以作為大專院校 相關專業的師生用書和培訓機構的專業教材。

1章   圖像識別技術基礎 1
1.1  圖像識別概述 2
1.1.1  什麼是圖像識別 2
1.1.2  圖像識別的應用 2
1.2  圖像識別原理 3
1.3  圖像識別技術 4
1.3.1  AI(人工智慧) 5
1.3.2  機器學習 5
1.3.3  深度學習 6
1.3.4  基於神經網路的圖像識別 6
1.3.5  基於非線性降維的圖像識別 7

2章   scikit-image數字影像處理 9
2.1  scikit-image基礎 10
2.1.1  安裝scikit-image 10
2.1.2  scikit-image中的模組 10
2.2  顯示圖像 11
2.2.1  使用skimage讀入並顯示外部圖像 11
2.2.2  讀取並顯示外部灰度圖像 12
2.2.3  顯示內置星空圖片 13
2.2.4  讀取並保存內置星空圖片 14
2.2.5  顯示內置星空圖片的基本資訊 15
2.2.6  實現內置貓圖片的紅色通道的效果 16
2.3  常見的圖像作 17
2.3.1  對內置貓圖片進行二值化作 17
2.3.2  對內置貓圖片進行裁剪處理 18
2.3.3  將RGB圖轉換為灰度圖 19
2.3.4  使用skimage實現繪製圖片功能 20
2.3.5  使用subplot()函數繪製多視圖視窗 20
2.3.6  使用subplots()函數繪製多視圖視窗 22
2.3.7  改變指定圖片的大小 24
2.3.8  使用函數rescale()縮放圖片 25
2.3.9  使用函數rotate()旋轉圖片 25

3章   OpenCV圖像視覺處理 27
3.1  OpenCV基礎 28
3.1.1  OpenCV介紹 28
3.1.2  OpenCV-Python介紹 28
3.1.3  安裝OpenCV-Python 29
3.2  OpenCV-Python圖像作 29
3.2.1  讀取並顯示圖像 29
3.2.2  保存圖像 31
3.2.3  在Matplotlib中顯示圖像 32
3.2.4  繪圖 33
3.2.5  將滑鼠作為畫筆 37
3.2.6  調色板程式 38
3.2.7  基本的屬性作 40
3.2.8  圖像的幾何變換 42
3.2.9  圖像長條圖 45
3.2.10  特徵識別：Harris(哈裡斯)角檢測 49
3.3  OpenCV-Python視頻作 51
3.3.1  讀取視頻 51
3.3.2  播放視頻 53
3.3.3  保存視頻 54
3.3.4  改變顏色空間 55
3.3.5  視頻的背景分離 56
3.4  簡易車牌識別系統 59
3.4.1  系統介紹 59
3.4.2  通用程式 59
3.4.3  主程序 64

4章   dlib機器學習和影像處理演算法 67
4.1  dlib介紹 68
4.2  dlib基本的人臉檢測 68
4.2.1  人臉檢測 68
4.2.2  使用命令列的人臉識別 70
4.2.3  檢測人臉關鍵點 72
4.2.4  基於CNN的人臉檢測器 74
4.2.5  在攝像頭中識別人臉 76
4.2.6  人臉識別驗證 77
4.2.7  全域優化 79
4.2.8  人臉聚類 81
4.2.9  抖動採樣和增強 82
4.2.10  人臉和姿勢採集 84
4.2.11  物體追蹤 86
4.3  SVM分類演算法 87
4.3.1  二進位SVM分類器 87
4.3.2  Ranking SVM演算法 89
4.3.3  Struct SVM多分類器 92
4.4  自訓練模型 95
4.4.1  訓練自己的模型 95
4.4.2  自製對象檢測器 98

5章   face_recognition人臉識別 103
5.1  安裝face_recognition 104
5.2  實現基本的人臉檢測 104
5.2.1  輸出顯示指定人像人臉特徵 104
5.2.2  在指定照片中識別標記出人臉 107
5.2.3  識別出照片中的所有人臉 108
5.2.4  判斷在照片中是否包含某個人臉 111
5.2.5  識別出在照片中的人到底是誰 113
5.2.6  攝像頭即時識別 114
5.3  深入face_recognition人臉檢測 120
5.3.1  檢測人臉眼睛的狀態 120
5.3.2  模糊處理人臉 122
5.3.3  檢測兩個人臉是否匹配 123
5.3.4  識別視頻中的人臉 125
5.3.5  網頁版人臉識別器 127

6章   Scikit-Learn機器學習和人臉識別 131
6.1  Scikit-Learn基礎 132
6.1.1  Scikit-Learn介紹 132
6.1.2  安裝Scikit-Learn 132
6.2  基於Scikit-Learn的常用演算法 132
6.2.1  Scikit-Learn機器學習的基本流程 133
6.2.2  分類演算法 134
6.2.3  聚類演算法 137
6.2.4  分解演算法 139
6.3  Scikit-Learn和人臉識別 144
6.3.1  SVM演算法人臉識別 144
6.3.2  KNN演算法人臉識別 145
6.3.3  KNN演算法即時識別 151

7章   TensorFlow機器學習和圖像識別 155
7.1  TensorFlow基礎 156
7.1.1 TensorFlow介紹 156
7.1.2  TensorFlow的優勢 156
7.1.3  安裝TensorFlow 157
7.2  創建一個機器學習程式 160
7.2.1  在PyCharm環境實現 160
7.2.2  在Colaboratory環境實現 162
7.3  使用內置方法進行訓練和評估 164
7.3.1  一個端到端訓練和評估示例 164
7.3.2  使用compile()訓練模型 167
7.3.3  自訂損失 169
7.3.4  自訂指標 171
7.3.5  處理不適合標準簽名的損失和指標 173
7.3.6  自動分離驗證預留集 176
7.3.7  通過tf.data資料集進行訓練和評估 177
7.3.8  使用樣本加權和類加權 181
7.4  TensorFlow圖像視覺處理 183
7.4.1  導入需要的庫 183
7.4.2  導入 Fashion MNIST 資料集 184
7.4.3  流覽資料 186
7.4.4  預處理數據 186
7.4.5  構建模型 188
7.4.6  編譯模型 189
7.4.7  訓練模型 189
7.4.8  使用訓練好的模型 195

8章   國內常用的三方人臉識別平臺 197
8.1  百度AI開放平臺 198
8.1.1  百度AI開放平臺介紹 198
8.1.2  使用百度AI之前的準備工作 198
8.1.3  基於百度AI平臺的人臉識別 203
8.2  科大訊飛AI開放平臺 207
8.2.1  科大訊飛AI開放平臺介紹 207
8.2.2  申請試用 208
8.2.3  基於科大訊飛AI的人臉識別 209

9章   AI人臉識別簽到打卡系統(PyQt5+百度AI+OpenCV-Python+SQLite3實現) 217
9.1  需求分析 218
9.1.1  背景介紹 218
9.1.2  任務目標 218
9.2  模組架構 219
9.3  使用Qt Designer實現主視窗介面 220
9.3.1  設計系統UI主介面 220
9.3.2  將Qt Designer檔轉換為Python檔 221
9.4  簽到打卡、用戶作和用戶組作 225
9.4.1  設計UI介面 226
9.4.2  創建攝像頭類 228
9.4.3  UI介面的作處理 230
9.4.4  多執行緒作和人臉識別 241
9.4.5  匯出打卡簽到信息 245
9.5  調試運行 247

10章   基於深度學習的AI人臉識別系統(Flask+ OpenCV-Python+Keras+Sklearn實現) 251
10.1  系統需求分析 252
10.1.1  系統功能分析 252
10.1.2  實現流程分析 252
10.1.3  技術分析 253
10.2  照片樣本採集 254
10.3  深度學習和訓練 256
10.3.1  原始圖像預處理 256
10.3.2  構建人臉識別模組 258
10.4  人臉識別 263
10.5  Flask Web人臉識別介面 264
10.5.1  導入庫文件 264
10.5.2  識別上傳照片 265
10.5.3  線上識別 267

11章   AI考勤管理系統(face-recognition+Matplotlib+ Django+Scikit-Learn+dlib實現) 269
11.1  背景介紹 270
11.2  系統需求分析 270
11.2.1  可行性分析 270
11.2.2  系統作流程分析 270
11.2.3  系統模組設計 271
11.3  系統組態 272
11.3.1  Django設定檔 272
11.3.2  路徑導航檔 272
11.4  用戶註冊和登錄驗證 273
11.4.1  登錄驗證 273
11.4.2  添加新用戶 275
11.4.3  設計資料模型 276
11.5  採集照片和機器學習 277
11.5.1  設置採集對象 277
11.5.2  採集照片 279
11.5.3  訓練照片模型 281
11.6  考勤打卡 283
11.6.1  上班打卡簽到 283
11.6.2  下班打卡 285
11.7  視覺化考勤數據 287
11.7.1  統計近兩周的考勤資料 288
11.7.2  查看本人指定時間範圍內的考勤統計圖 292
11.7.3  查看某員工在指定時間範圍內的考勤統計圖 298

12章  AI社區停車計費管理系統 303
12.1  背景介紹 304
12.2  系統功能分析和模組設計 304
12.2.1  功能分析 304
12.2.2  系統模組設計 305
12.3  系統GUI 305
12.3.1  設置基本資訊 305
12.3.2  繪製作按鈕 306
12.3.3  繪製背景和文字 307
12.4  車牌識別和收費 308
12.4.1  登記業主的車輛資訊 308
12.4.2  識別車牌 308
12.4.3  計算停車時間 309
12.4.4  識別車牌並計費 310
12.5  主程序 314