大數據分析是許多傳統產業的主要驅動力，例如：金融、醫療和能源等等。視覺資料分析（Visual data analysis）和電腦視覺（Computer Vision）則是這場資料革命的一部分。近年來，它們的發展漸趨成熟，在自主導航、遊戲和製造業等領域，創造了許多新穎又令人振奮的應用程式。

本書將帶領讀者建立強大且獨特的電腦視覺應用程式。每一章將從一個專案展開，並深入OpenCV的某個重要面向，例如：人臉辨識、圖像目標追蹤、3D重建框架和機器學習等等。讀者將學會如何使用深度類神經網路，並將AI加進應用程式之中。

本書的專案將幫助讀者學習建立各種可運作的prototype，並熟悉各種OpenCV 3的新功能。


你能夠從本書學習到：
・執行基本的影像處理操作，並將圖像卡通化
・原生地建置OpenCV專案，並為樹莓派進行交叉編譯，建立強大的微尺度偵測器
・使用OpenCV 3新的運動恢復結構功能，從靜止的相機圖像中重建3D幾何
・建立圖形識別演算法，並預測圖像是否包含汽車車牌
・使用POSIT進行6自由度頭部姿態估計
・使用深度卷積類神經網路建立人臉辨識演算法

作者簡介：

▌Daniel Lélis Baggio
他在聖保羅的InCor（Instituto do Coração–Heart Institute）進行血管內超音波影像分割。從那時候起，他專注於GPGPU 的應用，並將分割演算法（segmentation algorithm）移植到NVIDIA 的CUDA 上。他也參與一個名為ehci 的計畫（http://code.google.com/p/ ehci/），致力於「自然使用者介面組」的「6 自由度頭部追蹤」（6degrees of freedom head tracking ）。現在他在巴西空軍工作。

▌Shervin Emami
OpenCV 提供了Shervin 一家人溫飽，為了回饋OpenCV，他開始定期在論壇上提供建議，並在自己的網站發布免費的OpenCV 教學（http://www.shervinemami.info/ openCV.html）。2011 年，他聯絡其他免費OpenCV 網站的站長來撰寫這本書。他也開始在NVIDIA 進行「行動裝置上的電腦視覺最佳化」，與官方OpenCV 開發者密切合作，開發Android 上的OpenCV 最佳化版本。2012 年，他還加入了Khronos OpenVL 委員會，為行動裝置上的「電腦視覺硬體加速」建立標準，並成為OpenCV 未來的基礎。

▌David Millán Escrivá
David 擁有超過10 年的IT 工作經驗，在電腦視覺、電腦圖學和模式辨識領域有豐富的經驗，從事過許多不同的專案和新創公司，並應用他在「電腦視覺」、「光學字元辨識」和「擴增實境」的知識。他是DamilesBlog 的作者 （http://blog.damiles.com），發表了許多關於「OpenCV」、「一般電腦視覺」和「光學字元辨識演算法」的研究和教學。David 也審校了Lee Phillips 所寫的《gnuPlot Cookbook》一書（由Packt 出版）。

▌Khvedchenia Ievgen
是來自烏克蘭的電腦視覺專家。他的職業生涯始於為「哈曼國際工業公司」研發一種以攝影機為基礎的「駕駛輔助系統」。隨後，他開始在ESG 擔任電腦視覺顧問。如今，他是一名專注於「擴增實境應用程式」的獨立開發者。Ievgen 是「電腦視覺演講部落格的作者（http://computervisi-talks.com），他在部落格上發表有關「電腦視覺」和「擴增實境」的研究和教學。

▌Jason Saragih
Saragih 博士在電腦視覺領域做出了許多貢獻，特別是在「可變形模型的註冊和建模」的領域。他是DeMoLib 和FaceTracker 的作者，而這兩個科學界廣泛使用的「非營利開源函式庫」都使用了通用的電腦視覺函式庫，包括OpenCV。

▌Roy Shilkrot
Roy 在新創公司和企業擁有超過7 年的軟體工程師經驗。在加入麻省理工學院Media Laboratory 擔任研究助理之前， 他曾在電信解決方案提供商Comverse 的Innovation Laboratory 擔任技術策略師。他還涉足諮詢業，也曾在微軟Redmond 研究院實習。