图像/视频的读取、显示、保存基础API（ cv2.imread() / cv2.imshow() / cv2.imwrite() ）- Shi-Tomasi角点检测（ cv2.goodFeaturesToTrack() ）：改进版Harris，适合跟踪。-cv2.BFMatcher() / cv2.FlannBasedMatcher() ：特征匹配。-cv2.warpPerspective() ：

课时 42：DNN 模块核心知识点DNN 模块作用：OpenCV 的dnn模块用于加载预训练的深度学习模型，实现推理（inference），无需依赖 PyTorch、TensorFlow 等框架，可直接在 OpenCV 中运行模型。核心流程：模型加载：readNet()系列函数（支持 Caffe、TensorFlow、PyTorch、ONNX 等格式）输入预处理：blobFromImage()对图

课时 42：DNN 模块核心知识点DNN 模块作用：OpenCV 的dnn模块用于加载预训练的深度学习模型，实现推理（inference），无需依赖 PyTorch、TensorFlow 等框架，可直接在 OpenCV 中运行模型。核心流程：模型加载：readNet()系列函数（支持 Caffe、TensorFlow、PyTorch、ONNX 等格式）输入预处理：blobFromImage()对图

可视化结果：弹出的窗口里用蓝色框标注出了检测到的人物，包括本人和书本封面上的人物形象，每个框都带有置信度（比如person 0.60 、 person 0.47 ），代表模型对这个检测结果的可信度。-控制台输出：显示了多帧检测结果，比如0: 480x640 4 persons, 172.4ms ，说明摄像头成功获取画面，并且模型识别到了画面中的人物（person）在 CVAT 标注工具 里对图片进