课程介绍：
Opencv计算机视觉实战课程旨在帮助大家快速掌握机器视觉领域必备知识点原理及其在Opencv中的使用方法。
课程风格通俗易懂，用最接地气的方式来讲解晦涩难懂的知识点。

课程目录：
第1章 课程简介与环境配置
1.1 课程简介
1.2 Python与Opencv配置安装
1.3 Notebook与IDE环境
第2章 图像基本操作
2.1 计算机眼中的图像
试学
2.2 视频的读取与处理
2.3 ROI区域
2.4 边界填充
2.5 数值计算
第3章 阈值与平滑处理
3.1 图像阈值
3.2 图像平滑处理
3.3 高斯与中值滤波
第4章 图像形态学操作
4.1 腐蚀操作
4.2 膨胀操作
4.3 开运算与闭运算
4.4 梯度计算
4.5 礼帽与黑帽
第5章 图像梯度计算
5.1 Sobel算子
5.2 梯度计算方法
5.3 scharr与lapkacian算子
第6章 边缘检测
6.1 Canny边缘检测流程
6.2 非极大值抑制
6.3 边缘检测效果
第7章 图像金字塔与轮廓检测
7.1 图像金字塔定义
7.2 金字塔制作方法
7.3 轮廓检测方法
7.4 轮廓检测结果
7.5 轮廓特征与近似
7.6 模板匹配方法
7.7 匹配效果展示
第8章 直方图与傅里叶变换
8.1 直方图定义
8.2 均衡化原理
8.3 均衡化效果
8.4 傅里叶概述
8.5 频域变换结果
8.6 低通与高通滤波
第9章 项目实战-信用卡数字识别
9.1 总体流程与方法讲解
9.2 环境配置与预处理
9.3 模板处理方法
9.4 输入数据处理方法
9.5 模板匹配得出识别结果
第10章 项目实战-文档扫描OCR识别
10.1 整体流程演示
10.2 文档轮廓提取
10.3 原始与变换坐标计算
10.4 透视变换结果
10.5 tesseract-ocr安装配置
10.6 文档扫描识别效果
第11章 图像特征-harris
11.1 角点检测基本原理
11.2 基本数学原理
11.3 求解化简
11.4 特征归属划分
11.5 opencv角点检测效果
第12章 图像特征-sift
12.1 尺度空间定义
12.2 高斯差分金字塔
12.3 特征关键点定位
12.4 生成特征描述
12.5 特征向量生成
12.6 opencv中sift函数使用
第13章 案例实战-全景图像拼接
13.1 特征匹配方法
13.2 RANSAC算法
13.3 图像拼接方法
13.4 流程解读
14.7 识别模型构建
14.8 基于视频的车位检测
第14章 项目实战-停车场车位识别
14.1 任务整体流程
14.2 所需数据介绍
14.3 图像数据预处理
14.4 车位直线检测
14.5 按列划分区域
14.6 车位区域划分
第15章 项目实战-答题卡识别判卷
15.1 整体流程与效果概述
15.2 预处理操作
15.3 填涂轮廓检测
15.4 选项判断识别
第16章 背景建模
16.1 背景消除-帧差法
16.2 混合高斯模型
16.3 学习步骤
16.4 背景建模实战
第17章 光流估计
17.1 基本概念
17.2 Lucas-Kanade算法
17.3 推导求解
17.4 光流估计实战
第18章 Opencv的DNN模块
18.1 DNN模块
18.2 模型加载与结果输出
第19章 项目实战-目标追踪
19.1 目标追踪概述
19.2 多目标追踪实战
19.3 深度学习检测框架加载
19.4 基于dlib与ssd的追踪
19.5 多进程目标追踪
19.6 多进程效率提升对比
第20章 卷积原理与操作
20.1 卷积神经网络的应用
20.2 卷积层解释
20.3 卷积计算过程
20.4 pading与stride
20.5 卷积参数共享
20.6 池化层原理
20.7 卷积效果演示
20.8 卷积操作流程
第21章 项目实战-疲劳检测
21.1 关键点定位概述
21.2 获取人脸关键点
21.3 定位效果演示
21.4 闭眼检测
21.5 检测效果