智能硬件与机器视觉：基于树莓派、Python和OpenCV

智能硬件与机器视觉：基于树莓派、Python和OpenCV读书笔记模板01思维导图读书笔记作者介绍内容摘要目录分析精彩摘录目录0305020406思维导图视觉硬件树莓视觉机器机器视频案例小结视频树莓图像第章代码检测准备网络相机人脸本书关键字分析思维导图内容摘要内容摘要本书围绕“低成本玩转树莓派”这个主题，讲解了如何利用树莓派、OpenCV和Python等软硬件搭建一个低成本的智能硬件平台，并在其上实现图像分析、文字识别、人脸识别与追踪、视频监控等机器视觉功能。全书一共11章。第1～4章首先讲解了机器视觉在智能硬件领域的应用场景以及智能硬件上4种常见的机器视觉技术方案；然后讲解了树莓派和OpenCV的安装、配置以及其他准备工作；最后通过一些简单的案例和代码教读者使用OpenCV。第5～11章是本书的核心内容，通过几个具体的综合案例讲解了如何使用树莓派低成本玩转如下机器视觉场景：拍摄照片和视频、处理相机的原始数据、道路和商场的人流统计、道路信息的文字识别、人脸识别与追踪、中央AI视频监控等。以上案例循序渐进，环环相扣，所有代码均可在树莓派上运行，并可轻松移植到任何ARM开发板上。读书笔记读书笔记读起来很顺畅，内容也是我最近特别感兴趣的方面。目录分析1.1机器视觉在智能硬件领域的应用1.3本章小结1.2智能硬件上的机器视觉技术方案选型第1章智能硬件与机器视觉1.1机器视觉在智能硬件领域的应用1.1.1机器视觉在智慧城市的应用1.1.2机器视觉与5G的协同效应1.2智能硬件上的机器视觉技术方案选型1.2.1方案A：树莓派1.2.2方案B：BeagleBoard1.2.3方案C：NVIDIAJetson1.2.4方案D：GoogleCoralDevBoard+EdgeTPU2.1刷写系统2.2硬件连接2.3Linux系统的基本操作2.4远程连接树莓派第2章树莓派软硬件准备2.6本章小结2.5使用相机模块拍摄一张照片第2章树莓派软硬件准备2.3Linux系统的基本操作2.3.1Linux常用命令2.3.2Vim编辑器的使用2.4远程连接树莓派2.4.1使用SSH连接树莓派2.4.2使用VNC连接树莓派3.1使用pip安装OpenCV3.3本章小结3.2树莓派源码编译安装OpenCV4第3章安装OpenCV3.1使用pip安装OpenCV3.1.1在Ubuntu上使用pip安装OpenCV3.1.2在macOS上使用pip安装OpenCV3.1.3在树莓派上使用pip安装OpenCV3.1.4注意事项3.2树莓派源码编译安装OpenCV43.2.1扩展TF卡并安装依赖3.2.2下载OpenCV43.2.3为OpenCV4搭建基于Python3的虚拟环境3.2.4构建和编译OpenCV43.2.5测试OpenCV43.2.6可能遇到的问题4.1开始前的准备4.2OpenCV图像简单处理4.3OpenCV图像对象计数4.4本章小结第4章通过案例手把手入门OpenCV4.1开始前的准备4.1.1环境准备4.1.2项目代码准备4.2OpenCV图像简单处理4.2.1加载和显示图像4.2.2访问单个像素4.2.3数组切片和裁剪4.2.4调整图像大小4.2.5旋转图像4.2.6平滑图像4.2.7在图像上绘图4.2.8运行第一个OpenCV教程的Python脚本4.3OpenCV图像对象计数4.3.1目标对象计数4.3.2将图像转换为灰阶4.3.3边缘检测4.3.4阈值处理4.3.5检测和绘制轮廓4.3.6腐蚀和膨胀4.3.7蒙版和按位操作4.3.8运行第二个OpenCV教程的Python脚本5.2使用摄像头拍摄照片5.1安装picamera环境第5章使用Python拍摄照片、视频5.4本章小结5.3使用摄像头拍摄视频第5章使用Python拍摄照片、视频5.1安装picamera环境5.1.1安装Raspbian系统5.1.2安装其他系统5.1.3升级相机固件5.1.4安装树莓派摄像头模组5.1.5控制V1版的LED灯5.2使用摄像头拍摄照片5.2.1捕获照片并存为文件5.2.2捕获照片并存为流5.2.3捕获照片并存为PIL图像5.2.4捕获调整了大小的图像5.2.5快拍和连拍的技巧5.2.6捕获延时摄影序列5.2.7弱光下拍照5.2.8网络直播5.3使用摄像头拍摄视频5.3.1录制视频文件5.3.2录制视频流5.3.3录制拆分为多个文件5.3.4录制循环视频流5.3.5录制网络视频流5.3.6视频预览叠加图像加水印5.3.7视频输出叠加文本、时间戳6.1捕获并直接编码6.2多种捕获方法6.3树莓派相机的实际应用6.4常见错误集锦6.5本章小结12345第6章使用Python处理相机原始数据6.1捕获并直接编码6.1.1捕获并编码为numpy数组6.1.2捕获并编码为opencv对象6.1.3捕获未编码图像（YUV）6.1.4捕获编码图像（RGB）6.1.5自定义编码器6.2多种捕获方法6.2.1录像时截屏6.2.2多种分辨率下录制6.2.3特殊文件输出6.2.4Bayer-Raw数据获取6.3树莓派相机的实际应用6.3.1自定义输出：运动检测相机的代码实现6.3.2循环视频流切割：行车记录仪碰撞预警功能6.3.3快速捕获和处理：连拍算法实现6.3.4录制未经编码的视频：颜色检测6.3.5快速捕获和流传输：网络流直播6.3.6网络流媒体：结合网页技术直播6.3.7录制运动矢量数据：检测视频中的手势7.1原理解析7.2软件环境准备7.3使用Python实现人群计数器7.4本章小结第7章道路、商场人流统计7.1原理解析7.1.1目标检测与目标追踪7.1.2形心追踪算法原理7.1.3人群计数器原理7.3使用Python实现人群计数器7.3.1目录结构7.3.2形心追踪器类CentroidTracker的实现7.3.3追踪目标类TrackableObject的实现7.3.4人群计数器的实现7.3.5树莓派人群计数器测试8.1EAST深度学习模型8.2检测图片中的文字8.3检测视频中的文字8.4对文字内容进行识别8.5本章小结12345第8章道路信息文字识别8.1EAST深度学习模型8.1.1EAST模型简介8.1.2相关软件包的安装8.1.3项目工程结构8.2检测图片中的文字8.2.1代码编写和解读8.2.2效果测试8.3检测视频中的文字8.3.1代码编写和解读8.3.2效果测试8.4对文字内容进行识别8.4.1Tesseract介绍和安装8.4.2使用Tesseract实现文字识别的原理8.4.3代码编写和解读8.4.4效果测试9.1核心原理和效果简介9.2环境准备和代码编写9.3测试人脸跟踪效果9.4本章小结第9章简单人脸追踪9.2环境准备和代码编写9.2.1使用Python实现形心追踪算法9.2.2人脸追踪的实现9.3测试人脸跟踪效果9.3.1测试效果9.3.2缺陷与不足10.1总体设计思路10.2软件环境准备10.3编写代码10.4使用PID调节二自由度云台10.5本章小结12345第10章人脸追踪安防摄像头10.1总体设计思路10.1.1硬件组装清单10.1.2PID控制反馈算法10.1.3人脸识别算法：基于Haar特征的级联分类器10.2软件环境准备10.2.1将smbus安装在py3cv3环境中10.2.2打开树莓派的Camera接口并安装驱动10.2.3安装gpiozero10.2.4安装imutils10.3编写代码10.3.1项目结构10.3.2实时调节反馈机制：PIDController10.3.3在视频中检测到人脸10.3.4使用GPIOZERO进行舵机控制10.4使用PID调节二自由度云台10.4.1PID参数调试10.4.2运行二自由度人脸追踪摄像头11.1网络传输OpenCV帧11.2ImageZMQ消息传递系统11.3多路树莓派摄像头配置11.4配置中央监控室服务器端和Caffe框架第11章多路摄像头中央AI监控11.6本章小结11.5使用OpenCV实现视频流网络传输第11章多路摄像头中央AI监控11.1网络传输OpenCV帧11.1.1实现目标和方法11.1.2消息传递的概念11.1.3项目实现流程11.2ImageZMQ消息传递系统11.2.1什么是ZMQ11.2.2基于ZMQ的图片消息传递库：ImageZMQ11.2.3ImageZMQ依赖的软件包11.2.4项目整体介绍11.3多路树莓派摄像头配置11.3.1配置树莓派客户端的主机名11.3.2树莓派发送OpenCV视频流11.3.3将代码放到树莓派目录中11.4配置中央监控室服务器端和Caffe