computer vision经典教材，适合人群从computer vision初学者，到专业研究者都可以看的书。

介绍 使用失真校正，图像校正，颜色变换和梯度阈值构建了先进的车道发现算法。 确定车道曲率和车辆排量。 克服了诸如阴影和人行道改变等环境挑战 在这个项目中，我使用了计算机视觉技术来识别车道边界，并在给定道路视频帧的情况下计算曲率半径的估算值。 为此，请执行以下步骤： 给定同一台摄像机拍摄的一组棋盘图像，计算出摄像机校准矩阵和所使用的摄像机镜头的畸变系数 使用上述矩阵和系数来校正相机原始输出所给的失真 使用颜色变换和sobel算法创建阈值二值图像，该图像已从图像上不必要的信息中滤除 应用透视变换以查看图像的“鸟瞰图”，就像从天空中看一样 应用遮罩以获得感兴趣的区域，检测车道像素， 确定每个车道的最佳拟合曲线 将车道边界投影回到原始视图的未失真图像上 输出车道边界和其他相关信息的可视显示 如何使用 您需要设置依赖项才能在计算机上运行Jupyter Notebook并设置一些软件包，例如op

本来想免费分享的，突然发现资源分至少2分，所以设为2分了 Computer Vision Algorithms and Applications SzeliskiBook_20100903_draft.pdf

GTA V的无人驾驶汽车 概述 该项目的目的是使用虚拟模拟器（尤其是GTA V）创建自动驾驶汽车。

使用OpenCV面部识别功能跟踪您的脸部。

图像字幕 CNN-LSTM神经网络，用于从图像生成字幕。 基于我为计算机视觉决赛所做的小组项目

电机缺陷检测仪 细节 目标操作系统： Ubuntu * 16.04 LTS 程式语言 Python 完成时间： 30分钟 它能做什么 制造设备的监视对于任何工业过程都是至关重要的。 有时至关重要的是，必须实时监视设备的故障和异常，以防止损坏并将设备行为故障与生产线问题相关联。 故障检测是预测性维护的先兆。 本参考实现涵盖FFT，逻辑回归，K均值聚类，GMM的基本实现。 它还显示了FFT在机器振动数据特征工程中的帮助。 这个怎么运作 从最基本的（FFT）到最复杂的（高斯混合模型），有几种方法不需要训练神经网络就能检测到故障。 它们的优点是可以在不同的数据流上进行较小的修改就可以重复使用，并且不需要大量已知的先前分类的数据（与神经网络不同）。 实际上，其中一些方法可用于对数据进行分类，以训练DNN。 要求 硬体需求 经过测试 软件需求 Ubuntu * 16.04 带有以下库的Py

这是使用Arduino和OpenCV基于图像处理的火灾探测和灭火器系统。

补丁匹配 适用于python的PatchMatch算法。 目前支持CPU和GPU（使用pycuda）。 参见Scratch.ipynb的演示和用法

OpenCV：开源计算机视觉库 资源 主页： ： 课程： ： 文件： ： 问答论坛： : 以前的论坛（只读）： : 问题跟踪： ： 其他OpenCV功能： : 贡献 在开始请求请求之前，请阅读。 准则摘要： 每期一个拉取请求； 选择正确的基础分支； 包括测试和文档； 在提交之前清理“ oops”提交； 遵循。