python人脸识别理论_人脸识别与美颜算法实战：基于Python、机器学习与深度学习...

推荐序

前言

第1章 AI时代：图像技术背景知识1

1.1 人工智能的前世今生2

1.2 AI与CV的相互融合之路3

1.3 AI图像处理技术5

1.4 本章小结7

第2章 武器和铠甲：开发环境配置8

2.1 来自传承的馈赠：OpenCV开源跨平台机器视觉库8

2.1.1 OpenCV的整体概念9

2.1.2 OpenCV的应用领域9

2.1.3 OpenCV的编程语言9

2.1.4 OpenCV支持的系统10

2.1.5 OpenCV的线上资源10

2.2 召唤萌宠：Python语言的“制霸”之路10

2.2.1 Python语言的发展11

2.2.2 Python 2.7.X版本和3.X版本的区别 11

2.2.3 本书采用的Python版本 13

2.3 铸剑：基于PyCharm的系统环境配置14

2.3.1 PyCharm在Mac OS系统下的安装和配置14

2.3.2 Mac OS系统下Anaconda的安装和配置17

2.4 牛刀小试：一起动手来写个例子吧19

2.5 本章小结21

第3章 开启星辰大海：图像处理技术基础知识22

3.1 图像的基本概念23

3.1.1 像素的概念23

3.1.2 图像的构成24

3.1.3 图像的格式24

3.1.4 理解图像的位深和通道的概念25

3.2 图像的读取、显示和存储操作26

3.2.1 OpenCV基本图像处理函数26

3.2.2 Python读取一张图片并显示和存储27

3.3 从像素出发构建二维灰度图像28

3.3.1 NumPy科学计算库28

3.3.2 创建二维灰度图像30

3.3.3 灰度图像的遍历31

3.4 灰度图像和彩色图像的变换32

3.4.1 图像的颜色空间32

3.4.2 彩色图像的通道分离和混合33

3.4.3 彩色图像的通道分离和混合程序示例34

3.4.4 彩色图像的二值化35

3.4.5 彩色图像的遍历37

3.4.6 彩色图像和灰度图像的转换38

3.5 图像的几何变换40

3.5.1 图像几何变换的基本概念40

3.5.2 插值算法41

3.5.3 图像的缩放42

3.5.4 图像的平移44

3.5.5 图像的旋转45

3.5.6 图像的镜像变换47

3.6 图像色彩空间基础知识48

3.6.1 图像的色调、色相、饱和度、亮度和对比度48

3.6.2 RGB色彩空间49

3.6.3 HSV色彩空间49

3.6.4 HSI色彩空间50

3.7 图像的直方图50

3.7.1 图像直方图的基本概念50

3.7.2 绘制灰度图像的直方图51

3.7.3 绘制彩色图像的直方图53

3.7.4 图像直方图均衡化54

3.7.5 图像直方图反向投影56

3.8 本章小结58

第4章 First Blood：第一波项目实战59

4.1 抖音哈哈镜60

4.1.1 抖音的哈哈镜效果60

4.1.2 哈哈镜的原理61

4.1.3 哈哈镜的程序实现61

4.2 给你一张老照片64

4.2.1 怀旧风格算法原理64

4.2.2 怀旧风格程序实现65

4.3 给自己画一张文艺范的素描66

4.3.1 轮廓检测算法原理66

4.3.2 素描风格算法原理67

4.3.3 素描风格算法的程序实现68

4.4 来一张油画吧69

4.4.1 图像油画算法原理69

4.4.2 图像油画算法的程序实现69

4.5 如何打马赛克72

4.5.1 马赛克算法原理72

4.5.2 马赛克算法的程序实现72

4.6 打造自己的专属肖像漫画74

4.6.1 漫画风格算法原理74

4.6.2 漫画风格算法的程序实现74

4.7 本章小结76

第5章 Double Kill：视频图像处理理论和项目实战77

5.1 视频处理流程和原理78

5.1.1 视频的捕获和存储78

5.1.2 提取视频中的某些帧79

5.1.3 将图片合成为视频80

5.1.4 多个视频合并81

5.2 抖音中的视频抖动效果设计82

5.2.1 视频抖动的原理82

5.2.2 视频抖动的程序实现83

5.3 抖音中的视频闪白效果设计85

5.3.1 视频闪白的原理86

5.3.2 视频闪白的程序实现87

5.4 抖音中的视频霓虹效果设计90

5.4.1 视频霓虹的原理90

5.4.2 视频霓虹效果的程序实现91

5.5 抖音中的视频时光倒流效果设计94

5.5.1 视频时光倒流的原理94

5.5.2 视频时光倒流的程序实现94

5.6 抖音中的视频反复效果设计95

5.6.1 视频反复的原理95

5.6.2 视频反复的程序实现95

5.7 抖音中的视频慢动作效果设计96

5.7.1 视频慢动作的原理97

5.7.2 视频慢动作的程序实现97

5.8 视频人物漫画风格滤镜设计98

5.9 本章小结99

第6章 Triple Kill：基于机器学习的人脸识别100

6.1 机器学习的基本概念101

6.1.1 机器学习的目的101

6.1.2 机器学习的内容102

6.1.3 机器学习的作用103

6.1.4 如何使用机器学习获得的东西105

6.1.5 使用机器学习方法的时机106

6.1.6 总结机器学习的基本概念108

6.2 机器学习中的图像预处理流程112

6.2.1 一个经典的机器学习图像处理实例112

6.2.2 人脸识别机器学习Model训练思路113

6.2.3 正样本图像预处理113

6.2.4 负样本图像预处理121

6.3 人脸检测机器学习算法设计123

6.3.1 图像特征123

6.3.2 Harr-like特征求值加速算法127

6.3.3 图像分类器128

6.3.4 人脸检测的训练算法流程130

6.3.5 人脸检测的检测算法流程131

6.4 训练人脸检测分类器并测试132

6.4.1 训练准备132

6.4.2 开始训练133

6.4.3 模型测试134

6.5 本章小结135

第7章 Quatary Kill：基于深度学习的人脸识别137

7.1 深度学习的基本概念138

7.1.1 深度学习简介138

7.1.2 深度学习和机器学习的区别139

7.1.3 深度学习入门概念141

7.2 卷积神经网络147

7.2.1 卷积的原理147

7.2.2 池化层的原理150

7.2.3 全连接层的原理150

7.2.4 一个经典的CNN网络结构152

7.3 手写数字分类项目153

7.3.1 训练环境的搭建153

7.3.2 训练数据的准备154

7.3.3 训练网络的搭建155

7.3.4 训练代码158

7.3.5 深度学习基础知识扩展159

7.4 基于深度学习的人脸识别解决方案161

7.4.1 数据的准备161

7.4.2 数据集的读取和处理163

7.4.3 网络的搭建165

7.4.4 Model的训练过程167

7.4.5 Model的测试过程168

7.5 本章小结169

第8章 Penta Kill：人脸图像美颜算法项目实战170

8.1 人脸磨皮算法171

8.1.1 图像滤波算法和效果171

8.1.2 人脸磨皮算法设计176

8.2 图像的色彩空间180

8.2.1 RGB和HSV色彩空间基础知识180

8.2.2 RGB和HSV转换的数学描述和函数实现180

8.2.3 图片中的颜色检测181

8.3 人脸美白算法设计183

8.3.1 通过图层混合实现图像美白算法184

8.3.2 通过beta参数调整实现图像美白算法185

8.3.3 通过颜色查找表实现图像美白算法187

8.4 人脸的手动祛痘算法设计189

8.4.1 图像修复算法介绍190

8.4.2 图像修复的原理190

8.4.3 通过图像修复算法实现手动祛痘191

8.5 本章小结193

第9章 Legendary：AI时代图像算法应用新生态194

9.1 抖音中的图像技术195

9.1.1 抖音中的图像应用概览195

9.1.2 抖音中的人脸检测技术195

9.1.3 抖音中的人脸检测技术应用197

9.1.4 抖音中的人体检测技术201

9.1.5 抖音中的人体检测技术应用201

9.1.6 抖音中的视频技术202

9.1.7 抖音中的图像技术总结205

9.2 美颜和美妆类App中的图像技术206

9.2.1 美颜和美妆类App图像应用概览207

9.2.2 五官的调整207

9.2.3 美妆算法208

9.2.4 染发算法209

9.2.5 五官分析211

9.2.6 美颜相机和美妆相机中图像技术的一些总结213

9.3 电商中的图像技术213

9.3.1 电商中的图像技术应用概览213

9.3.2 虚拟穿戴技术和商品3D展示214

9.3.3 尺寸测量214

9.3.4 相似商品推荐及以图搜图215

9.4 本章小结216