内容简介这是一部讲解如何利用树莓派、OpenCV、Python等软硬件构建智能硬件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的实用性著作。全书一共11章：~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；*后通过一些简单的案例和代码手把手教读者如何使用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，可轻松移植到任何ARM开发板上。

技术极客，“骨灰级”树莓派爱好者，在机器人、智能硬件、软硬件协同开发等方面有较深入的研究。安全技术专家，看雪科技不错研究员，在移动安全领域经验丰富，多次主持召开银行、电信、政府及等行业的培训并参与安全项目的研究。作为团队成员参与GeekPwn2018挑战赛并获得亚军，多次在“看雪安全开发者峰会”“补天白帽大会”等会议上发表主题演讲。著有《树莓派创客：手把手教你搭建机器人》《树莓派创客：手把手教你玩转人工智能》。

前言章  智能硬件与机器视觉11.1  机器视觉在智能硬件领域的应用11.1.1  机器视觉在智慧城市的应用21.1.2  机器视觉与5G的协同效应41.2  智能硬件上的机器视觉技术方案选型51.2.1  方案A：树莓派51.2.2  方案B：BeagleBoard71.2.3  方案C：NVIDIA Jetson81.2.4  方案D：Google Coral Dev Board + Edge TPU91.3  本章小结10第2章  树莓派软硬件准备112.1  刷写系统112.2  硬件连接142.3  Linux系统的基本操作172.3.1  Linux常用命令172.3.2  Vim编辑器的使用192.4  远程连接树莓派202.4.1  使用SSH连接树莓派212.4.2  使用VNC连接树莓派242.5  使用相机模块拍摄一张照片282.6  本章小结31第3章  安装OpenCV323.1  使用pip安装OpenCV323.1.1  在Ubuntu上使用pip安装OpenCV333.1.2  在macOS上使用pip安装OpenCV353.1.3  在树莓派上使用pip安装OpenCV363.1.4  注意事项383.2  树莓派源码编译安装OpenCV 4393.2.1  扩展TF卡并安装依赖393.2.2  下载OpenCV 4423.2.3  为OpenCV 4搭建基于Python 3的虚拟环境423.2.4  构建和编译OpenCV 4443.2.5  测试OpenCV 4473.2.6  可能遇到的问题473.3  本章小结49第4章  通过案例手把手入门OpenCV504.1  开始前的准备504.1.1  环境准备504.1.2  项目代码准备514.2  OpenCV图像简单处理514.2.1  加载和显示图像514.2.2  访问单个像素534.2.3  数组切片和裁剪544.2.4  调整图像大小554.2.5  旋转图像574.2.6  平滑图像604.2.7  在图像上绘图604.2.8  运行个OpenCV教程的Python脚本644.3  OpenCV图像对象计数644.3.1  目标对象计数644.3.2  将图像转换为灰阶654.3.3  边缘检测674.3.4  阈值处理684.3.5  检测和绘制轮廓684.3.6  腐蚀和膨胀704.3.7  蒙版和按位操作714.3.8  运行第二个OpenCV教程的Python脚本724.4  本章小结72第5章  使用Python拍摄照片、视频735.1  安装picamera环境735.1.1  安装Raspbian系统735.1.2  安装其他系统745.1.3  升级相机固件745.1.4  安装树莓派摄像头模组755.1.5  控制V1版的LED灯785.2  使用摄像头拍摄照片785.2.1  捕获照片并存为文件795.2.2  捕获照片并存为流795.2.3  捕获照片并存为PIL图像805.2.4  捕获调整了大小的图像805.2.5  快拍和连拍的技巧815.2.6  捕获延时摄影序列825.2.7  弱光下拍照825.2.8  网络直播835.3  使用摄像头拍摄视频855.3.1  录制视频文件855.3.2  录制视频流865.3.3  录制拆分为多个文件865.3.4  录制循环视频流875.3.5  录制网络视频流885.3.6  视频预览叠加图像加水印905.3.7  视频输出叠加文本、时间戳925.4  本章小结93第6章  使用Python处理相机原始数据946.1  捕获并直接编码946.1.1  捕获并编码为numpy数组946.1.2  捕获并编码为opencv对象956.1.3  捕获未编码图像（YUV）966.1.4  捕获编码图像（RGB）996.1.5  自定义编码器1006.2  多种捕获方法1026.2.1  录像时截屏1026.2.2  多种分辨率下录制1036.2.3  特殊文件输出1036.2.4  Bayer-Raw数据获取1046.3  树莓派相机的实际应用1096.3.1  自定义输出：运动检测相机的代码实现1096.3.2  循环视频流切割：行车记录仪碰撞预警功能1116.3.3  快速捕获和处理：连拍算法实现1126.3.4  录制未经编码的视频：颜色检测1166.3.5  快速捕获和流传输：网络流直播1176.3.6  网络流媒体：结合网页技术直播1196.3.7  录制运动矢量数据：检测视频中的手势1216.4  常见错误集锦1256.5  本章小结128第7章  道路、商场人流统计1297.1  原理解析1307.1.1  目标检测与目标追踪1307.1.2  形心追踪算法原理1317.1.3  人群计数器原理1337.2  软件环境准备1347.3  使用Python实现人群计数器1357.3.1  目录结构1357.3.2  形心追踪器类CentroidTracker的实现1357.3.3  追踪目标类TrackableObject的实现1417.3.4  人群计数器的实现1417.3.5  树莓派人群计数器测试1497.4  本章小结149第8章  道路信息文字识别1508.1  EAST深度学习模型1518.1.1  EAST模型简介1518.1.2  相关软件包的安装1528.1.3  项目工程结构1538.2  检测图片中的文字1538.2.1  代码编写和解读1538.2.2  效果测试1578.3  检测视频中的文字1598.3.1  代码编写和解读1598.3.2  效果测试1638.4  对文字内容进行识别1648.4.1  Tesseract介绍和安装1648.4.2  使用Tesseract实现文字识别的原理1668.4.3  代码编写和解读1688.4.4  效果测试1738.5  本章小结175第9章  简单人脸追踪1769.1  核心原理和效果简介1769.2  环境准备和代码编写1779.2.1  使用Python实现形心追踪算法1779.2.2  人脸追踪的实现1829.3  测试人脸跟踪效果1869.3.1  测试效果1869.3.2  缺陷与不足1879.4  本章小结1870章  人脸追踪安防摄像头18810.1  总体设计思路18810.1.1  硬件组装清单18810.1.2  PID控制反馈算法1891