封面 书名页 版权页 前言 目录页 第一部分 视频图像技术原理与设备操作 第1章 视频采集 1.1 学习目的 1.2 实践内容 1.3 准备材料 1.4 预备知识 1.4.1 视频图像技术概述 1.4.2 光源 1.4.3 镜头 1.4.4 图像补偿与降噪 1.4.5 摄像机类型 1.4.6 数字示波器 1.5 实施步骤 1.5.1 观察摄像机的外观、形状、接口，了解其功能 1.5.2 连接设备，采集视频 1.5.3 观察镜头参数变化的成像效果 1.5.4 观察光照条件变化的成像效果 1.5.5 观察不同类型摄像机的成像效果 1.5.6 调整摄像机参数，观察视频效果 1.5.7 利用示波器观察视频信号 第2章 视频传输 2.1 学习目的 2.2 实践内容 2.3 准备材料 2.4 预备知识 2.4.1 传输介质 2.4.2 视频双绞线传输器 2.4.3 视频光端机 2.4.4 交换机和网络视频适配器 2.4.5 无线网桥 2.4.6 PoE供电 2.4.7 网络损伤仪 2.5 实施步骤 2.5.1 同轴电缆和双绞器传输 2.5.2 交换机传输 2.5.3 无线网桥传输 2.5.4 网络损伤环境下不同编码方式的传输 第3章 视频存储 3.1 学习目的 3.2 实践内容 3.3 准备材料 3.4 预备知识 3.4.1 数字存储技术 3.4.2 RAID技术 3.4.3 云存储 3.5 实施步骤 3.5.1 高清硬盘录像机多路视频输入 3.5.2 高清硬盘录像机抓拍画面 3.5.3 高清硬盘录像机录像存储 3.5.4 高清硬盘录像机录像回放 3.5.5 高清硬盘录像机录像文件导出 3.5.6 远程登录网络录像机 3.5.7 设置RAID功能 3.5.8 云存储设备的基本操作 第4章 视频显示 4.1 学习目的 4.2 实践内容 4.3 准备材料 4.4 预备知识 4.4.1 显示器的类型 4.4.2 液晶显示器 4.4.3 显示器的技术参数 4.4.4 显示器的常用接口 4.4.5 分辨率 4.5 实施步骤 4.5.1 观察多种显示器的外观 4.5.2 熟悉信号输入接口 4.5.3 更改液晶显示器的参数 第5章 中心与云台控制 5.1 学习目的 5.2 实践内容 5.3 准备材料 5.4 预备知识 5.4.1 中心控制设备 5.4.2 云台 5.4.3 云台控制协议 5.5 实施步骤 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 5.5.2 观察摄像机云台及接口 5.5.3 利用视频监控设备实现云台控制 5.5.4 编程实现云台控制（选做） 第6章 视频监控系统 6.1 学习目的 6.2 实践内容 6.3 准备材料 6.4 预备知识 6.4.1 视频监控系统介绍 6.4.2 视频监控系统方案选型指导 6.5 实施步骤 6.5.1 不同视频监控系统的对比 6.5.2 室内视频监控系统方案设计 6.5.3 室内视频监控系统方案实现 6.5.4 室外视频监控系统方案设计 6.5.5 室外视频监控系统方案实现 第7章 机器视觉 7.1 学习目的 7.2 实践内容 7.3 准备材料 7.4 预备知识 7.4.1 机器视觉系统简介 7.4.2 机器视觉系统的组成 7.4.3 机器视觉系统设备选型 7.5 实施步骤 7.5.1 观察、熟悉工业相机 7.5.2 工业相机视频数据的存储和处理 7.5.3 选用合适的工业相机和镜头 7.5.4 对比成像效果 7.5.5 手机屏幕坏点检测 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 8.1 学习目的 8.2 实践内容 8.3 准备材料 8.4 预备知识 8.4.1 常用的数据增强方法 8.4.2 图像标注工具VGG Image Annotator的使用 8.5 实施步骤 8.5.1 编程实现批量图像的预处理 8.5.2 对批量图像进行在线标注 第9章 图像增强 9.1 学习目的 9.2 实践内容 9.3 准备材料 9.4 预备知识 9.4.1 灰度变换增强 9.4.2 直方图增强 9.4.3 图像平滑 9.4.4 图像锐化 9.4.5 暗通道先验去雾算法 9.4.6 图像质量评价指标 9.5 实施步骤 9.5.1 编程实现不同的图像增强算法 9.5.2 编程实现暗通道先验去雾算法 第10章 图像分割 10.1 学习目的 10.2 实践内容 10.3 准备材料 10.4 预备知识 10.4.1 图像分割算法的研究现状 10.4.2 基于阈值的图像分割算法 10.4.3 基于图论的图像分割算法 10.4.4 选择性搜索算法 10.5 实施步骤 10.5.1 采集并标注数据 10.5.2 编程实现基于阈值的图像分割算法 10.5.3 编程实现选择性搜索算法并进行图像分割测试 第11章 图像分类 11.1 学习目的 11.2 实践内容 11.3 准备材料 11.4 预备知识 11.4.1 CIFAR-10简介 11.4.2 卷积神经网络简介 11.4.3 经典的网络模型 11.4.4 利用PyTorch构建卷积神经网络对CIFAR-10进行分类 11.5 实施步骤 第12章 运动目标检测 12.1 学习目的 12.2 实践内容 12.3 实验准备 12.4 预备知识 12.4.1 常用的运动目标检测方法——背景差法 12.4.2 常用的运动目标检测方法——帧差法 12.4.3 运动目标检测的优化策略——形态学处理 12.4.4 运动目标检测的评价指标1——IoU 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 12.4.6 运动目标检测算法流程示例 12.5 实施步骤 12.5.1 编程实现背景差法 12.5.2 编程实现帧差法 12.5.3 编程实现运动目标检测IoU的计算 12.5.4 编程实现运动目标检测评价指标的计算 第13章 目标检测与识别 13.1 学习目的 13.2 实践内容 13.3 准备材料 13.4 预备知识 13.4.1 传统目标检测与识别算法 13.4.2 滑动窗口（Sliding Window）法 13.4.3 基于深度神经网络的目标检测与识别算法 13.5 实施步骤 13.5.1 训练集准备 13.5.2 将KITTI格式转化为VOC格式 13.5.3 利用PyTorch搭建一个基于YOLO v3的目标检测与识别网络 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 第14章 运动目标跟踪 14.1 学习目的 14.2 实践内容 14.3 准备材料 14.4 预备知识 14.4.1 运动目标跟踪算法 14.4.2 运动目标跟踪数据集 14.4.3 运动目标跟踪算法的评价准则与方法 14.5 实施步骤（任意选择一个算法实现） 14.5.1 实现卡尔曼滤波器 14.5.2 实现DeepSORT算法 第15章 双目视觉测距 15.1 学习目的 15.2 实践内容 15.3 准备材料 15.4 预备知识 15.4.1 双目立体视觉的成像原理 15.4.2 双目立体视觉的标定和矫正 15.4.3 立体匹配算法 15.4.4 深度图计算 15.4.5 双目视觉测距流程 15.4.6 Kinect 15.5 实施步骤 15.5.1 双目图像获取 15.5.2 标定 15.5.3 编程实现双目视觉测距算法 第16章 图像无缝拼接 16.1 学习目的 16.2 实践内容 16.3 准备材料 16.4 预备知识 16.4.1 图像拼接的基本原理 16.4.2 基于单应性变换的图像拼接算法 16.4.3 APAP算法 16.5 实施步骤（任意选择一个算法实现） 16.5.1 采集图像 16.5.2 编程实现基于单应性变换的图像拼接算法 16.5.3 编程实现APAP算法 第17章 图像三维重建 17.1 学习目的 17.2 实践内容 17.3 准备材料 17.4 预备知识 17.4.1 图像三维重建技术 17.4.2 基于运动的三维重建算法中关键帧的筛选 17.4.3 图像三维重建的基本流程 17.4.4 图像三维重建软件 17.5 实施步骤 17.5.1 使用无人机采集视频并提取关键帧 17.5.2 编程实现图像三维重建 17.5.3 使用Pix4D Mapper软件实现图像三维重建 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 18.1 学习目的 18.2 实践内容 18.3 准备材料 18.4 预备知识 18.4.1 MATLAB简介 18.4.2 MATLAB安装 18.4.3 MATLAB的基本使用 18.4.4 MATLAB图像处理基本操作 18.5 实施步骤 18.5.1 使用MATLAB 18.5.2 MATLAB图像处理 18.5.3 比较分析 第19章 OpenCV编程基础 19.1 学习目的 19.2 实践内容 19.3 准备材料 19.4 预备知识 19.4.1 OpenCV简介 19.4.2 OpenCV安装 19.5 实施步骤 19.5.1 图像直方图处理 19.5.2 空间域滤波与频域变换 第20章 Python编程基础 20.1 学习目的 20.2 实践内容 20.3 准备材料 20.4 预备知识 20.4.1 Python 3.7.3安装 20.4.2 Python常用函数 20.5 实施步骤 20.5.1 用Python创建一个csv文件 20.5.2 用Python写一个脚本 20.5.3 多边形面积求解 20.5.4 π的计算 20.5.5 下载图像、分类保存并拼接 第21章 面向深度学习的智能化图像处理环境搭建 21.1 学习目的 21.2 实践内容 21.3 准备材料 21.4 预备知识 21.4.1 Windows 10环境下PyTorch的安装 21.4.2 Ubuntu 18.04环境下PyTorch的安装 21.5 实施步骤 21.5.1 编程测试是否有GPU 21.5.2 编程实现梯度计算 21.5.3 搭建基本的分类神经网络 致谢 参考文献 附录A 实验报告 附录B 实验记录表 ..更多