（1）作者是骨灰級樹莓派極客，對樹莓派有非常深入的研究，並進行了大量的實踐，本書中的解決方案和案例均經過作者親身實踐。（2）本書為圖像分析、人臉識別、文字識別、人臉追蹤、視頻監控等常見的機器視覺應用提供了全套的樹莓派解決方案。（3）書中7個綜合性案例，不僅講解了技術原理和實現方法，而且給出了實現代碼，所有代碼均可運行在樹莓派上並可移植到ARM開發板上。

●前言
第1章 智能硬件與機器視覺
1.1 機器視覺在智能硬件領域的應用
1.1.1 機器視覺在智慧城市的應用
1.1.2 機器視覺與5G的協同效應
1.2 智能硬件上的機器視覺技術方案選型
1.2.1 方案A：樹莓派
1.2.2 方案B：BeagleBoard
1.2.3 方案C：NVIDIA Jetson
1.2.4 方案D：Google Coral Dev Board+Edge TPU
1.3 本章小結
第2章 樹莓派軟硬件準備
2.1 刷寫繫統
2.2 硬件連接
2.3 Linux繫統的基本操作
2.3.1 Linux常用命令
2.3.2 Vim編輯器的使用
2.4 遠程連接樹莓派
2.4.1 使用SSH連接樹莓派
2.4.2 使用VNC連接樹莓派
2.5 使用相機模塊拍攝一張照片
2.6 本章小結
第3章 安裝OpenCV
3.1 使用pip安裝OpenCV
3.1.1 在Ubuntu上使用pip安裝OpenCV
3.1.2 在macOS上使用pip安裝OpenCV
3.1.3 在樹莓派上使用pip安裝OpenCV
3.1.4 注意事項
3.2 樹莓派源碼編譯安裝OpenCV 4
3.2.1 擴展TF卡並安裝依賴
3.2.2 下載OpenCV 4
3.2.3 為OpenCV 4搭建基於Python 3的虛擬環境
3.2.4 構建和編譯OpenCV 4
3.2.5 測試OpenCV 4
3.2.6 可能遇到的問題
3.3 本章小結
第4章 通過案例手把手入門OpenCV
4.1 開始前的準備
4.1.1 環境準備
4.1.2 項目代碼準備
4.2 OpenCV圖像簡單處理
4.2.1 加載和顯示圖像
4.2.2 訪問單個像素
4.2.3 數組切片和裁剪
4.2.4 調整圖像大小
4.2.5 旋轉圖像
4.2.6 平滑圖像
4.2.7 在圖像上繪圖
4.2.8 運行第一個OpenCV教程的Python腳本
4.3 OpenCV圖像對像計數
4.3.1 目標對像計數
4.3.2 將圖像轉換為灰階
4.3.3 邊緣檢測
4.3.4 閾值處理
4.3.5 檢測和繪制輪廓
4.3.6 腐蝕和膨脹
4.3.7 蒙版和按位操作
4.3.8 運行第二個OpenCV教程的Python腳本
4.4 本章小結
第5章 使用Python拍攝照片、視頻
5.1 安裝picamera環境
5.1.1 安裝Raspbian繫統
5.1.2 安裝其他繫統
5.1.3 升級相機固件
5.1.4 安裝樹莓派攝像頭模組
5.1.5 控制V1版的LED燈
5.2 使用攝像頭拍攝照片
5.2.1 捕獲照片並存為文件
5.2.2 捕獲照片並存為流
5.2.3 捕獲照片並存為PIL圖像
5.2.4 捕獲調整了大小的圖像
5.2.5 快拍和連拍的技巧
5.2.6 捕獲延時攝影序列
5.2.7 弱光下拍照
5.2.8 網絡直播
5.3 使用攝像頭拍攝視頻
5.3.1 錄制視頻文件
5.3.2 錄制視頻流
5.3.3 錄制拆分為多個文件
5.3.4 錄制循環視頻流
5.3.5 錄制網絡視頻流
5.3.6 視頻預覽疊加圖像加水印
5.3.7 視頻輸出疊加文本、時間戳
5.4 本章小結
第6章 使用Python處理相機原始數據
6.1 捕獲並直接編碼
6.1.1 捕獲並編碼為numpy數組
6.1.2 捕獲並編碼為opencv對像
6.1.3 捕獲未編碼圖像（YUV）
6.1.4 捕獲編碼圖像（RGB）
6.1.5 自定義編碼器
6.2 多種捕獲方法
6.2.1 錄像時截屏
6.2.2 多種分辨率下錄制
6.2.3 特殊文件輸出
6.2.4 Bayer-Raw數據獲取
6.3 樹莓派相機的實際應用
6.3.1 自定義輸出：運動檢測相機的代碼實現
6.3.2 循環視頻流切割：行車記錄儀踫撞預警功能
6.3.3 快速捕獲和處理：連拍算法實現
6.3.4 錄制未經編碼的視頻：顏色檢測
6.3.5 快速捕獲和流傳輸：網絡流直播
6.3.6 網絡流媒體：結合網頁技術直播
6.3.7 錄制運動矢量數據：檢測視頻中的手勢
6.4 常見錯誤集錦
6.5 本章小結
第7章 道路、商場人流統計
7.1 原理解析
7.1.1 目標檢測與目標追蹤
7.1.2 形心追蹤算法原理
7.1.3 人群計數器原理
7.2 軟件環境準備
7.3 使用Python實現人群計數器
7.3.1 目錄結構
7.3.2 形心追蹤器類CentroidTracker的實現
7.3.3 追蹤目標類TrackableObject的實現
7.3.4 人群計數器的實現
7.3.5 樹莓派人群計數器測試
7.4 本章小結
第8章 道路信息文字識別
8.1 EAST深度學習模型
8.1.1 EAST模型簡介
8.1.2 相關軟件包的安裝
8.1.3 項目工程結構
8.2 檢測圖片中的文字
8.2.1 代碼編寫和解讀
8.2.2 效果測試
8.3 檢測視頻中的文字
8.3.1 代碼編寫和解讀
8.3.2 效果測試
8.4 對文字內容進行識別
8.4.1 Tesseract介紹和安裝
8.4.2 使用Tesseract實現文字識別的原理
8.4.3 代碼編寫和解讀
8.4.4 效果測試
8.5 本章小結
第9章 簡單人臉追蹤
9.1 核心原理和效果簡介
9.2 環境準備和代碼編寫
9.2.1 使用Python實現形心追蹤算法
9.2.2 人臉追蹤的實現
9.3 測試人臉跟蹤效果
9.3.1 測試效果
9.3.2 缺陷與不足
9.4 本章小結
第10章 人臉追蹤安防攝像頭
10.1 總體設計思路
10.1.1 硬件組裝清單
10.1.2 PID控制反饋算法
10.1.3 人臉識別算法：基於Haar特征的級聯分類器
10.2 軟件環境準備
10.2.1 將smbus安裝在py3cv3環境中
10.2.2 打開樹莓派的Camera接口並安裝驅動
10.2.3 安裝gpiozero
10.2.4 安裝imutils
10.3 編寫代碼
10.3.1 項目結構
10.3.2 實時調節反饋機制：PID Controller
10.3.3 在視頻中檢測到人臉
10.3.4 使用GPIOZERO進行舵機控制
10.4 使用PID調節二自由度雲臺
10.4.1 PID參數調試
10.4.2 運行二自由度人臉追蹤攝像頭
10.5 本章小結
第11章 多路攝像頭中央AI監控
11.1 網絡傳輸OpenCV幀
11.1.1 實現目標和方法
11.1.2 消息傳遞的概念
11.1.3 項目實現流程
11.2 ImageZMQ消息傳遞繫統
11.2.1 什麼是ZMQ
11.2.2 基於ZMQ的圖片消息傳遞庫：ImageZMQ
11.2.3 ImageZMQ依賴的軟件包
11.2.4 項目整體介紹
11.3 多路樹莓派攝像頭配置
11.3.1 配置樹莓派客戶端的主機名
11.3.2 樹莓派發送OpenCV視頻流
11.3.3 將代碼放到樹莓派目錄中
11.4 配置中央監控室服務器端和Caffe框架
11.4.1 安裝Caffe框架
11.4.2 實現OpenCV視頻監控接收器
11.4.3 使用MobileNet SSD對幀進行推理
11.5 使用OpenCV實現視頻流網絡傳輸
11.6 本章小結

這是一部講解如何利用樹莓派、OpenCV、Python等軟硬件構建智能硬件並在其上實現圖像分析、文字識別、人臉識別與追蹤、視頻監控等機器視覺功能的實用性著作。全書一共11章：第1~4章首先講解了機器視覺在智能硬件領域的應用場景以及智能硬件上4種常見的機器視覺技術方案；然後講解了樹莓派和OpenCV的安裝、配置以及其他準備工作；*後通過一些簡單的案例和代碼手把手教讀者如何使用OpenCV。第5~11章是本書的核心內容，通過幾個具體的綜合案例講解了如何使用樹莓派低成本玩轉如下機器視覺場景：拍攝照片和視頻、處理相機的原始數據、道路和商場的人流統計、道路信息的文字識別、人臉識別與追蹤、中央AI視頻監控等。以上案例循序漸進，環環相扣，所有代碼均可在樹莓派上運行，可輕松移植到任何ARM開發板上。