本书循序渐进地讲解了使用Python语言实现图像视觉识别的核心知识，并通过具体实例的实现过程演练了图像视觉识别的方法和流程。全书共12章，分别讲解了图像识别技术基础，scikit-image数字图像处理，OpenCV图像视觉处理，dlib机器学习和图像处理算法，face＿recognition人脸识别，Scikit-Learn机器学习和人脸识别，TensorFlow机器学习和图像识别，国内常用的第三方人脸识别平台，AI人脸识别签到打卡系统（PyQt5＋百度AI＋OpenCV-Python＋SQLite3实现），基于深度学习的AI人脸识别系统（Flask＋OpenCV-Python＋Keras＋Sklearn实现），AI考勤管理系统（face-recognition＋Matplotlib＋Django＋Scikit-Learn＋dlib实现），AI小区停车计费管理系统。全书讲解简洁而不失技术深度，内容丰富全面，并且易于阅读，以极简的文字介绍了复杂的案例，是学习Python图像视觉识别的实用教程。
本书适用于已经了解Python语言基础语法的读者，并且适应于希望进一步提高自己Python开发水平的读者，还可以作为大专院校相关专业的师生用书和培训机构的专业教材。

第1章 图像识别技术基础
1.1 图像识别概述
1.1.1 什么是图像识别
1.1.2 图像识别的应用
1.2 图像识别原理
1.3 图像识别技术
1.3.1 AI（人工智能）
1.3.2 机器学习
1.3.3 深度学习
1.3.4 基于神经网络的图像识别
1.3.5 基于非线性降维的图像识别
第2章 scikit-image数字图像处理
2.1 scikit-image基础
2.1.1 安装scikit-image
2.1.2 scikit-image中的模块
2.2 显示图像
2.2.1 使用skimage读入并显示外部图像
2.2.2 读取并显示外部灰度图像
2.2.3 显示内置星空图片
2.2.4 读取并保存内置星空图片
2.2.5 显示内置星空图片的基本信息
2.2.6 实现内置猫图片的红色通道的效果
2.3 常见的图像操作
2.3.1 对内置猫图片进行二值化操作
2.3.2 对内置猫图片进行裁剪处理
2.3.3 将RGB图转换为灰度图
2.3.4 使用skimage实现绘制图片功能
2.3.5 使用subplot（）函数绘制多视图窗口
2.3.6 使用subplots（）函数绘制多视图窗口
2.3.7 改变指定图片的大小
2.3.8 使用函数rescale（）缩放图片
2.3.9 使用函数rotate（）旋转图片
第3章 OpenCV图像视觉处理
3.1 OpenCV基础
3.1.1 OpenCV介绍
3.1.2 OpenCV-Python介绍
3.1.3 安装OpenCV-Python
3.2 OpenCV-Python图像操作
3.2.1 读取并显示图像
3.2.2 保存图像
3.2.3 在Matplotlib中显示图像
3.2.4 绘图
3.2.5 将鼠标作为画笔
3.2.6 调色板程序
3.2.7 基本的属性操作
3.2.8 图像的几何变换
3.2.9 图像直方图
3.2.10 特征识别：Harris（哈里斯）角检测
3.3 OpenCV-Python视频操作
3.3.1 读取视频
3.3.2 播放视频
3.3.3 保存视频
3.3.4 改变颜色空间
3.3.5 视频的背景分离
3.4 简易车牌识别系统
3.4.1 系统介绍
3.4.2 通用程序
3.4.3 主程序
第4章 dlib机器学习和图像处理算法
4.1 dlib介绍
4.2 dlib基本的人脸检测
4.2.1 人脸检测
4.2.2 使用命令行的人脸识别
4.2.3 检测人脸关键点
4.2.4 基于CNN的人脸检测器
4.2.5 在摄像头中识别人脸
4.2.6 人脸识别验证
4.2.7 全局优化
4.2.8 人脸聚类
4.2.9 抖动采样和增强
4.2.10 人脸和姿势采集
4.2.11 物体追踪
4.3 SVM分类算法
4.3.1 二进制SVM分类器
4.3.2 Ranking SVM算法
4.3.3 Struct SVM多分类器
4.4 自训练模型
4.4.1 训练自己的模型
4.4.2 自制对象检测器
第5章 face_recognition人脸识别
5.1 安装face_recognition
5.2 实现基本的人脸检测
5.2.1 输出显示指定人像人脸特征
5.2.2 在指定照片中识别标记出人脸
5.2.3 识别出照片中的所有人脸
5.2.4 判断在照片中是否包含某个人脸
5.2.5 识别出在照片中的人到底是谁
5.2.6 摄像头实时识别
5.3 深入face_recognition人脸检测
5.3.1 检测人脸眼睛的状态
5.3.2 模糊处理人脸
5.3.3 检测两个人脸是否匹配
5.3.4 识别视频中的人脸
5.3.5 网页版人脸识别器
第6章 Scikit-Learn机器学习和人脸识别
6.1 Scikit-Learn基础
6.1.1 Scikit-Learn介绍
6.1.2 安装Scikit-Learn
6.2 基于Scikit-Learn的常用算法
6.2.1 Scikit-Learn机器学习的基本流程
6.2.2 分类算法
6.2.3 聚类算法
6.2.4 分解算法
6.3 Scikit-Learn和人脸识别
6.3.1 SVM算法人脸识别
6.3.2 KNN算法人脸识别
6.3.3 KNN算法实时识别
第7章 TensorFlow机器学习和图像识别
7.1 TensorFlow基础
7.1.1 　TensorFlow介绍
7.1.2 TensorFlow的优势
7.1.3 安装TensorFlow
7.2 创建第一个机器学习程序
7.2.1 在PyCharm环境实现
7.2.2 在Colaboratory环境实现
7.3 使用内置方法进行训练和评估
7.3.1 第一个端到端训练和评估示例
7.3.2 使用compile（）训练模型
7.3.3 自定义损失
7.3.4 自定义指标
7.3.5 处理不适合标准签名的损失和指标
7.3.6 自动分离验证预留集
7.3.7 通过tf.data数据集进行训练和评估
7.3.8 使用样本加权和类加权
7.4 TensorFlow图像视觉处理
7.4.1 导入需要的库
7.4.2 导入Fashion MNIST数据集
7.4.3 浏览数据
7.4.4 预处理数据
7.4.5 构建模型
7.4.6 编译模型
7.4.7 训练模型
7.4.8 使用训练好的模型
第8章 国内常用的第三方人脸识别平台
8.1 百度AI开放平台
8.1.1 百度AI开放平台介绍
8.1.2 使用百度AI之前的准备工作