Python 计算机视觉训练营（OpenCV）——YOLO、SSD

人脸检测、R-CNN、YOLO和SSD目标检测、目标跟踪（DeepSORT、ByteTrack、BoTSORT）、车辆计数

讲师：Holczer Balazs

---

你将学到的内容

• 深入了解最强大的计算机视觉模型
• 掌握 OpenCV 的使用
• 理解并实现 Viola‑Jones 算法
• 理解并实现方向梯度直方图（HOG）算法
• 理解并实现卷积神经网络（CNN）相关的计算机视觉方法
• 理解并实现 YOLO（You Only Look Once）算法
• 单次检测多框（SSD）算法
• 精通人脸检测与目标检测

先决条件

• 具备基础的 Python 编程能力

课程简介

本课程围绕图像处理的基本概念展开，重点关注人脸检测和目标检测。这些主题近年来异常火热，因为相应的学习算法可广泛应用于软件工程、犯罪侦查等多个领域。自动驾驶汽车（例如车道检测方法）对计算机视觉的依赖尤为显著。

随着深度学习和图形处理单元（GPU）在过去十年的快速发展，这些算法已经能够在实时视频中运行。那么，你将在本课程中学到什么呢？

第 1 部分 – 图像处理基础：

• 计算机视觉理论
• 像素强度值的含义
• 卷积与卷积核（滤波器）
• 模糊卷积核
• 锐化卷积核
• 计算机视觉中的边缘检测（边缘检测卷积核）

第 2 部分 – 自动驾驶汽车与车道检测

• 如何在车道检测中使用计算机视觉方法
• Canny 算法
• 如何利用霍夫变换根据像素强度寻找直线

第 3 部分 – Viola‑Jones 人脸检测算法：

• Viola‑Jones 在计算机视觉中的应用
• 什么是滑动窗口方法
• 在图像和视频中检测人脸

第 4 部分 – 方向梯度直方图（HOG）算法

• 如何用更优秀的方法超越 Viola‑Jones 算法
• 如何检测图像中的梯度与边缘
• 构建方向梯度直方图
• 使用支持向量机（SVM）作为底层机器学习算法

第 5 部分 – 基于卷积神经网络（CNN）的方法

• 滑动窗口方法存在哪些问题
• 区域提议与选择性搜索算法
• 基于区域的卷积神经网络（R‑CNN）
• Fast R‑CNN
• Faster R‑CNN

第 6 部分 – You Only Look Once（YOLO v11）目标检测算法

• YOLO 方法的核心思想是什么？
• 构建边界框（bounding box）
• 如何一次“看”就完成图像中的目标检测？
• 交并比（IoU）算法
• 如何通过非极大值抑制保留最相关的边界框？
• 在图像和视频中实现 YOLO11
• 使用自定义数据集训练 YOLO

第 7 部分 – 单次检测多框（SSD）目标检测算法

• SSD 算法的核心理念是什么？
• 构建锚框（anchor box）
• VGG16 与 MobileNet 网络结构
• 在实时视频中实现 SSD

第 8 部分 – 目标跟踪算法

• DeepSORT 目标跟踪算法
• ByteTrack 算法
• BoTSORT 算法
• 目标跟踪的实现
• 车辆计数算法

我们将首先系统阐述人脸识别算法和目标检测的理论背景，随后逐步实现相应的实战项目。

感谢加入本课程，让我们开始吧！

适合人群

• 对机器学习（人工智能）和计算机视觉感兴趣的任何人