面向初学者的Python计算机视觉（理论与项目）
理论与项目
学习内容：
• 计算机视觉（CV）的介绍和重要性。
• 为何CV如今如此受欢迎？
• 从一开始就全面阐述基本概念，并使用Python示例进行讲解。
• 使用Python进行实际解释和实时编码。
• 通过练习掌握彩色和黑白图像的概念。
• 深入了解计算机视觉的细节，并从头开始提供每个概念的示例。
• TensorFlow（谷歌的深度学习框架）。
• 最先进的计算机视觉的使用和应用（在最先进的框架Numpy和TensorFlow中实现）。
• 全景图像的理论与实现。
• 几何变换。
• 使用Python实现的图像过滤。
• 边缘检测、形状检测和角点检测。
• 物体跟踪和物体检测。
• 3D图像。
• 使用Python的计算机视觉技术构建自己的应用程序，用于检测摄像机实时馈送中的变化。
• 使用Python开发一个完整的项目来制作一个非常智能且高效的DVR。
课程内容主题：
1. 简介
a. 什么是计算机视觉？
2. 图像转换
a. 图像数据结构
b. 彩色图像
c. 灰度图像
d. 色彩空间
e. OpenCV中的颜色空间转换
f. 使用颜色空间变换进行图像分割
b. 二维几何变换
i. 缩放
ii. 旋转
iii. 剪切
iv. 反射
v. 平移
vi. 仿射变换
vii. 射影几何
viii. 仿射变换作为矩阵
ix. SVD的应用（可选）
x. 射影变换（单应性）
c. 几何变换估计
i. 估计仿射变换
ii. 估计单应性
iii. 直接线性变换（DLT）
iv. 通过手动选择关键点构建全景图
3. 图像滤波和形态学
a. 图像滤波
i. 低通滤波器
ii. 高通滤波器
iii. 带通滤波器
iv. 图像平滑
v. 图像锐化
vi. 图像渐变
vii. 高斯滤波器
viii. 高斯导数
b. 形态学
i. 图像二值化
ii. 图像膨胀
iii. 图像侵蚀
iv. 图像细化和骨架化
v. 图像开闭运算
4. 形状检测
a. 边缘检测
i. 边缘的定义
ii. 朴素边缘检测器
iii. Canny边缘检测器
1. 高效的梯度计算
2. 使用梯度方向进行非最大值抑制
3. 多级阈值——滞后阈值
b. 几何形状检测
i. RANSAC
ii. 通过RANSAC进行直线检测
iii. 通过RANSAC进行多线检测
iv. 通过RANSAC进行圆检测
v. 通过RANSAC进行参数形状检测
vi. 霍夫变换（HT）
vii. 通过HT进行线检测
viii. 通过HT进行多线检测
ix. 通过HT进行圆检测
x. 通过HT进行参数形状检测
xi. 通过RANSAC估计仿射变换
xii. 非参数形状和广义霍夫变换
5. 关键点检测与匹配
a. 角点检测（关键点检测）
i. 定义角点
ii. 朴素角点检测器
iii. Harris角点检测器
1. 连续方向
2. 泰勒近似
3. 结构张量
4. 方差近似
5. 多尺度检测
b. 项目：构建自动全景图
i. 自动关键点检测
ii. 尺度分配
iii. 旋转分配
iv. 特征提取（SIFT）
v. 特征匹配
vi. 图像拼接
6. 运动
a. 光流、全局流
i. 亮度恒常性假设
ii. 线性近似
iii. Lucas–Kanade方法
iv. 全局流动
v. 运动分割
b. 物体跟踪
i. 基于直方图的跟踪
ii. KLT追踪器
iii. 多目标跟踪
iv. 追踪器比较
7. 物体检测
a. 经典方法
i. 滑动窗口
ii. 尺度空间
iii. 旋转空间
iv. 局限性
b. 深度学习方法
i. YOLO案例研究
8. 3D计算机视觉
a. 3D重建
i. 两个摄像头设置
ii. 关键点匹配
iii. 三角剖分和结构计算
b. 应用
i. 动作捕捉
ii. 3D动画
9. 项目
a. 闭路电视摄像机的变化检测（实时）
b. 智能DVR（实时）
课程要求：
• 无需任何先验知识。您将从基础开始，慢慢积累计算机视觉方面的知识。
• 愿意学习和实践。
• 具备Python知识将是一个优势。
• 因为我们通过实际操作来进行教学，所以实践是必须的。
课程详细描述：
• 计算机视觉（CV）是计算机科学的一个分支，专注于复制人类视觉系统的复杂功能。在CV过程中，现实世界的图像和视频被捕获、处理和分析，以便机器从物理世界中提取有用的上下文信息。
• 本课程将帮助您学习CV领域的核心概念，了解数字成像过程，并确定CV的关键应用领域。课程内容包括：
– 容易理解。
– 描述性。
– 综合性。
– 具有实时编码的实用性。
– 拥有丰富的该领域最新和最新的知识。
• 课程包含320多个高清视频，总时长超过27小时，并附有详细的代码笔记。
• 课程采用“边学边做”的教学方法，从基础开始，结合理论与实践，鼓励学员通过实践创造新内容。
• 课程材料包括在线视频、课程笔记、动手练习、项目作业、测验和讲义，并提供学习支持。
• 课程包含两个动手项目：CCTV摄像机中的变化检测（实时）和智能DVR（实时），帮助学员提升实践技能并丰富作品集。
• 成功完成课程后，学员将能够：
– 将计算机视觉中的概念和理论与现实世界的问题联系起来。
– 从头开始实施任何需要计算机视觉知识的项目。
– 了解计算机视觉概念的理论和实践方面。
• 课程适合完全无基础的初学者、希望用真实数据学习CV的人、数据科学家和机器学习专家。
