★ 이 책에서 다루는 내용 ★ ■ 머신 러닝 및 인공지능 알고리즘 학습 ■ 이미지와 비디오 읽기, 쓰기 및 처리 ■ 수학, 행렬 및 기타 유형의 이미지 데이터 작업 수행 ■ 역 투영 이미지의 히스토그램 생성 및 사용 ■ 동작 감지, 전경 추출 및 객체 추적 ■ 특징 검출기 알고리즘으로 키포인트 추출 ■ 캐스케이드 분류기 개발 및 테스트 ■ 텐서플로(TensorFlow) 객체 탐지를 통한 여러 객체 탐지 ★ 이 책의 대상 독자 ★ 운영체제에서 C++ 프로그래밍 언어와 타사 라이브러리 사용법에 대한 지식을 쌓은 개발자의 경우에는 이 책의 주제를 매우 쉽게 이해하고 사용할 수 있다. 반면에 파이썬 프로그래밍 언어에 익숙한 개발자라면 OpenCV 라이브러리 사용법을 익히고자 이 책을 활용할 수 있다. 그러나 이 책은 C++로 구현된 알고리즘에 초점 두고 있기 때문에 예제를 C++에서 파이썬까지 스스로 적용해봐야 할 것이다. ★ 이 책의 구성 ★ 1장, ‘컴퓨터 비전 소개’에서는 컴퓨터 비전 과학의 기본 원리, 사용처에 대해 설명한다. 컴퓨터 비전 세계를 완전히 처음 접하는 사람들을 위해 이미지의 정의와 픽셀, 깊이 및 채널과 같은 기본 속성 등등에 대해서 설명한다. 2장, ‘OpenCV 시작하기’에서는 OpenCV 라이브러리를 소개하고 OpenCV 개발의 가장 중요한 빌딩 블록들을 통해 핵심 내용을 자세히 설명한다. 정보를 얻을 수 있는 곳과 정보를 사용하는 방법에 대한 내용도 함께 제공된다. CMake의 사용법과 OpenCV 프로젝트를 만들고 빌드하는 방법을 간략하게 살펴본 다음, Mat 클래스와 Mat의 변형 항목에 대해 배운다. 그리고 이미지와 비디오를 읽고 쓰며 (여러 가지 다른 입력 소스 유형 중에서) 카메라에 액세스하는 방법도 배운다. 3장, ‘배열 및 행렬 연산’에서는 행렬을 만들거나 변경하는 데 사용되는 기본 알고리즘을 다룬다. 또한 교차 제품, 내적 및 반전과 같은 행렬 작업을 수행하는 방법을 학습한다. 평균, 합 및 푸리에 변환과 같은 수학 연산과 함께 요소별 행렬 연산의 많은 부분에 대해서 소개한다. 4장, ‘그리기, 필터링 및 변환’에서는 이 책의 범위 내에서 다룰 수 있는 광범위한 이미지 처리 알고리즘을 다룬다. 이미지에 도형과 텍스트를 그리는 방법을 설명하며 선, 화살표, 직사각형 등을 그리는 법도 배운다. 필터, 확장, 침식 및 이미지의 형태학적 연산을 부드럽게 하는 것과 같은 이미지 필터링 작업에 사용되는 광범위한 알고리즘에 대해서도 설명한다. 강력한 재매핑 알고리즘과 컴퓨터 비전의 컬러 맵 사용법에 대해 잘 알게 것이다. 5장, ‘역투영 및 히스토그램’에서는 히스토그램의 개념을 소개하고 단일 및 다중 채널 이미지에서 어떻게 계산되는지 알려준다. 그레이 스케일 및 컬러 이미지의 히스토그램 시각화, 즉 픽셀의 색조 값으로 계산한 히스토그램도 다루며, 역투영 이미지에 대해서도 배운다(히스토그램 추출의 역동작을 학습한다). 6장, ‘비디오 분석-동작 검출 및 추적’은 컴퓨터 비전에서 가장 널리 사용되는 추적 알고리즘을 사용해 실시간 개체 탐지 및 추적과 같은 작업을 위해 비디오를 처리하는 방법을 설명한다. 비디오를 전반적으로 처리하는 방법에 대해 간략히 소개한 후, 실제 사례 및 객체 추적 시나리오를 사용해 평균 시프트와 CAM 시프트 알고리즘, 칼만 필터링을 학습한다. 끝 부분에서는 배경 및 전경 추출 알고리즘과 실제로 사용되는 방법에 대해서도 배운다. 7장, ‘객체 탐지 - 특징 및 기술자’는 템플릿 매칭을 사용해 객체 검출에 대한 간단한 소개부터 시작해 형상 분석에 사용할 수 있는 광범위한 알고리즘에 관해 설명한다. 키포인트(keypoint) 검출, 기술자 추출 및 기술자 매칭 체인이 포함돼 있으며, 간단한 픽셀 색상(color)과 명도(intensity) 값 대신 특징을 기반으로 객체를 탐지하는 데 사용된다. 8장, ‘컴퓨터 비전에서의 머신 러닝’은 OpenCV 내 머신 러닝(ML) 및 심층 신경망(DNN) 모듈과 가장 중요한 알고리즘, 클래스 및 기능에 대해 다룬다. SVM 알고리즘으로 시작해 유사한 훈련 그룹을 기반으로 모델을 훈련시키는 방법을 배우고 그 모델을 사용해 입력 데이터를 분류한다. HOG 기술자와 SVM을 사용해 이미지를 분류하는 방법도 배운다. 또한 OpenCV에서의 인공 신경망 구현에 대해서도 다루며, 그런 다음에 캐스케이딩 분류cascade classification 방법을 학습한다. 끝에서는 텐서플로와 같은 타사 라이브러리의 사전 모델을 사용해서 다른 유형의 여러 객체를 실시간으로 검색하는 방법도 파악한다. ★ 옮긴이의 말 ★ 컴퓨터 비전은 시각을 컴퓨터에 부여해 이미지에 대한 분석으로 유용한 정보를 생성하는 기술이다. 비전 기술은 컴퓨터나 로봇 등을 통해 얼굴, 건물 등의 다양한 객체를 인식하는 데 응용된다. 인공지능 기술이 발전하면서 객체 인식 기술 진화에 속도가 붙고 있다. 컴퓨터가 사물을 정확하게 인식해 유용한 정보를 제공할 수 있게 되면서 컴퓨터 인터페이스에 변혁이 일어나고 있다. 스마트폰에서 얼굴을 인식하는 기술이라던가, 도로를 주행하는 차량의 차선 인식, 보행자 인식에 이르기까지 매우 다양한 디바이스에서 활용되고 있다. 컴퓨터 비전을 구현하기 위한 프로젝트에서 컴퓨터 비전 알고리즘을 시작하고 싶어도 어디서부터 시작해야 할지를 찾는 것은 어려울 수 있다. 컴퓨터 엔지니어라고 해도 비전과 관련해서 더 많은 내용을 알려면 관련 알고리즘들을 많이 알아야 한다. 이 책에서는 비전 구현을 위한 알고리즘을 소개하고 활용할 수 있도록 도와준다. 기본적인 OpenCV의 내용부터 시작해서 이미지에 도형, 텍스트를 그리는 방법과 히스토그램 시각화에 이르기까지 기초를 탄탄히 다진 후, 실전에 활용 가능한 비디오 분석, 객체 탐지, 머신 러닝과 같은 알고리즘들을 소개한다. 6장의 ‘비디오 분석 - 동작 검출 및 추적’에서는 컴퓨터 비전에서 가장 널리 사용되는 추적 알고리즘을 사용해 실시간 객체 탐지 및 추적과 같은 작업을 위해 비디오를 처리하는 방법을 설명한다. 7장의 ‘객체 탐지 - 특징 및 기술자’는 템플릿 매칭을 사용해 객체 검출에 대한 간단한 소개부터 시작해 형상 분석에 사용할 수 있는 광범위한 알고리즘에 대해 알려준다. 8장의 ‘컴퓨터 비전에서의 머신 러닝’은 OpenCV 내 머신 러닝(ML) 및 심층 신경망(DNN) 모듈과 가장 중요한 알고리즘, 클래스 및 기능에 대해 다룬다. SVM 알고리즘으로 시작해 유사한 훈련 그룹을 기반으로 모델을 훈련시키는 방법을 배우고 그 모델을 사용해 입력 데이터를 분류한다. 이러한 내용들을 학습하면서 각자의 실력을 배양할 수 있을 것이다. 진심으로 이 책이 독자들에게 OpenCV와 머신 러닝 등에 대한 알고리즘들을 이해하고 실제로 구현하는 데 많은 도움이 되길 바란다.

1장. 컴퓨터 비전 소개 __기술적 요구 사항 __컴퓨터 비전 이해 __이미지에 대해 학습하기 ____색상 공간 ____입력, 처리 및 출력 __컴퓨터 비전 프레임워크 및 라이브러리 __요약 __질문 사항 2장. OpenCV 시작하기 __기술적 요구 사항 ____OpenCV 소개 ____OpenCV의 기본 모듈 __OpenCV 다운로드와 빌드/설치 __C++, 파이썬에서 OpenCV 사용 __Mat 클래스의 이해 ____Mat 객체 만들기 ____Mat 객체 삭제하기 ____픽셀에 액세스하기 __이미지 읽기 및 쓰기 __비디오 읽기 및 쓰기 ____카메라에 액세스하기 ____RTSP 및 네트워크 피드 액세스 __매트-유사 클래스 __요약 __질문 사항 __추가 읽기 3장. 배열 및 행렬 연산 __기술적 요구 사항 __Mat 클래스에 포함된 작업 ____행렬 복제 ____외적(교차곱) 계산 ____대각선 추출 ____내적 계산 ____단위 행렬 학습 ____역행렬 ____요소 단위의 행렬 곱셈 ____1과 0 행렬 ____전치행렬 ____Mat 객체의 형상 바꾸기 __요소 단위의 행렬 연산 ____기본 작업 ____비트 논리 연산 ____비교 연산 ____수학 연산 __행렬 및 배열 방식의 연산 ____외삽을 위한 테두리 만들기 ____이미지 뒤집기(미러링) 및 이미지 회전 ____채널 작업 ____수학 함수 ____검색 및 위치 함수 __요약 __질문사항 4장. 그리기, 필터링 및 변환 __기술적 요구 사항 __이미지 그리기 ____이미지에 텍스트 출력하기 ____도형 그리기 __이미지 필터링 ____블러링/스무딩 필터 ____모폴로지 필터 ____미분 기반 필터 ____임의적 필터링 __이미지 변환 ____임계 알고리즘 ____색 공간 및 유형 변환 ____기하학적 변환 __색상맵 적용 __요약 __질문사항 5장. 역 투영 및 히스토그램 __기술적 요구 사항 __히스토그램 이해하기 ____히스토그램 표시 __히스토그램 역 투영 ____역 투영에 대해 더 배우기 __역 투영 및 히스토그램 __히스토그램 비교 __히스토그램 평활화 __요약 __질문사항 __추가 읽기 6장. 비디오 분석 - 동작 검출 및 추적 __기술적 요구 사항 __비디오 처리 __Mean Shift 알고리즘의 이해 __CAM Shift 알고리즘 사용하기 __추적 및 잡음 감소를 위한 칼만 필터 사용 __배경 / 전경 추출 방법 ____배경 세그멘테이션의 예 __요약 __질문사항 7장. 객체 검출 - 특징과 기술자 __기술적 요구 사항 ____객체 검출을 위한 템플릿 매칭 __모서리와 에지 검출하기 ____해리스(Harris) 모서리 탐지 알고리즘 학습 ____에지 검출 알고리즘 __윤곽선 계산 및 분석 __검출, 설명 및 매칭 특징 __요약 __질문사항 8장. 컴퓨터 비전에 머신러닝 적용하기 __기술적 요구 사항 __SVM ____SVM 및 HOG를 사용해 이미지 분류하기 __인공 신경망을 이용한 훈련 모델 __캐스케이딩 분류 알고리즘 ____캐스케이딩 분류기를 사용한 객체 검출 __캐스케이딩 분류기 훈련 ____샘플 만들기 ____분류기 생성 __딥러닝 모델 사용 __요약 __질문사항 9장. 질문 사항 __1장 __2장 __3장 __4장 __5장 __6장 __7장 __8장