人臉識別原理及演算法(動態人臉識別系統研究)(精) 人脸识别原理及算法:动态人脸识别系统研究

沈理, 劉翼光, 熊志勇

立即出貨 (庫存 < 4)

買這商品的人也買了...

相關主題

商品描述

<內容簡介>

沈理、劉翼光、熊志勇所著的《人臉識別原理及演算法(動態人臉識別系統研究)》系統介紹了人臉識別研究領域的研究狀況以及作者在人臉識別領域的研究工作和研究成果,全書共分為3個部分。
    第1部分首先介紹了人臉識別的基礎:電腦視覺和模式識別的原理,並介紹了20世紀70年代以來國內外人臉識別研究的研究動態和主要方法,以及國內外人臉識別研究的主要成果和用途。
    第2部分介紹了基於雙屬性圖的人臉識別演算法,該演算法採用人臉特徵檢測、主成分分析方法、Gabor函數等建立了一個人臉特徵識別和屬性特徵匹配的人臉識別方法,並結合人臉圖像的局部特徵和全局特徵,能夠有效地利用從三維到二維投影的人臉圖像信息之間的關聯性。
    第3部分介紹了動態場景下的人臉識別方法,該方法綜合應用了人臉定位、人臉識別、視頻處理等演算法。
    《人臉識別原理及演算法(動態人臉識別系統研究)》的讀者對象主要為研究模式識別的科技人員以及高等院校高年級的學生和研究生。讀者通過閱讀本書可以系統地學習人臉識別研究的方法,並掌握國內外相關技術的最新進展。

<目錄>

第1部分  人臉識別介紹
第1章  人臉識別概論
  1.1  歷史背景
  1.2  人臉識別相關學科的進展
    1.2.1  神經生理學方面的進展
    1.2.2  腦神經學方面的進展
    1.2.3  電腦視覺方面的進展
  1.3  模式識別理論
    1.3.1  預處理
    1.3.2  特徵提取
    1.3.3  分類
  1.4  人臉圖像識別主要研究的問題
    1.4.1  數據採樣
    1.4.2  乾擾因素
  1.5  人臉圖像識別系統的構成
    1.5.1  人臉圖像預處理
    1.5.2  圖像表示與特徵提取
    1.5.3  圖像識別
第2章  人臉識別研究綜述
  2.1  研究現狀
  2.2  常用的靜態人臉圖像識別方法
    2.2.1  幾何特徵方法
    2.2.2  特徵臉方法
    2.2.3  局部特徵分析技術
    2.2.4  模板匹配
    2.2.5  圖匹配
    2.2.6  人工神經網絡方法
    2.2.7  柔性形狀模型技術
    2.2.8  綜合的方法
  2.3  人臉檢測以及人臉跟蹤
  2.4  人臉圖像識別的應用前景
  2.5  一些商用人臉識別軟件
    2.5.1  TrueFace
    2.5.2  Face-It
    2.5.3  Technology Recognition Systems
第2部分  靜態人臉圖像識別
第3章  人臉特徵探測
  3.1  簡介
  3.2  參數化模型法
    3.2.1  圖像的各種表示
    3.2.2  眼睛模型表示
    3.2.3  嘴巴模型和鼻子模型
    3.2.4  方法的優缺點
  3.3  基於模板的探測方法
    3.3.1  模板表示
    3.3.2  圖像標準化
    3.3.3  方法的優缺點
  3.4  利用數學算子進行探測
    3.4.1  特徵探測模型
    3.4.2  方法的優缺點
  3.5  小結
第4章  基於通用形變模型的人臉輪廓特徵提取
  4.1  引言
  4.2  通用形變模型的形成
    4.2.1  輪廓特徵點的選取
    4.2.2  形變模型的形成
    4.2.3  形變模型的能量
  4.3  模型匹配
    4.3.1  全局匹配
    4.3.2  局部匹配
  4.4  實驗
  4.5  小結
第5章  基於主成分分析方法的人臉圖像識別及人臉局部特徵探測
  5.1  引言
  5.2  主成分分析方法在人臉圖像識別中的應用
    5.2.1  特徵向量的表示能力
    5.2.2  特徵向量的選擇
    5.2.3  光照的影響
    5.2.4  尺度的影響
    5.2.5  旋轉因素的影響
    5.2.6  小結
  5.3  人臉局部特徵探測
    5.3.1  逐步求精定位法
    5.3.2  實驗
  5.4  利用局部特徵識別人臉圖像
  5.5  小結
第6章  人臉圖像的雙屬性圖表示
  6.1  引言
  6.2  Gabor變換
    6.2.1  傅里葉變換
    6.2.2  Gabor變換
  6.3  基於數學變換的特徵提取
    6.3.1  特徵的生成
    6.3.2  實驗
    6.3.3  實驗結果
    6.3.4  小結
  6.4  人臉圖像的雙屬性圖表示
    6.4.1  關係圖
    6.4.2  屬性圖
    6.4.3  雙屬性圖
  6.5  小結
第7章  人臉圖像識別
  7.1  引言
  7.2  待識人臉圖像的表示
    7.2.1  局部特徵點的確定
    7.2.2  局部主成分特徵的確定
    7.2.3  Gabor係數特徵的確定
  7.3  雙屬性圖匹配
    7.3.1  匹配函數
    7.3.2  λt的確定
    7.3.3  光照的處理
    7.3.4  尺度的處理
    7.3.5  平面旋轉人臉圖像的處理
    7.3.6  深度旋轉人臉圖像的處理
    7.3.7  圖像識別
    7.3.8  方法的有效性
  7.4  實驗
    7.4.1  圖像尺度及旋轉情況的確定
    7.4.2  人臉圖像識別
  7.5  小結
第8章  人臉圖像識別程序實現
  8.1  主成分分析演算法的MATLAB實現
  8.2  Gabor變換
  8.3  使用動態模板方法進行識別
  8.4  Gauss變換用於提取圖像的特徵
第3部分  動態人臉識別研究
第9章  動態人臉識別系統
  9.1  研究背景及條件
    9.1.1  研究背景
    9.1.2  研究對象和限定條件
  9.2  樣本獲取
    9.2.1  視頻格式
  9.3  隱馬爾科夫模型
  9.4  動態人臉識別系統框架
    9.4.1  預處理
    9.4.2  相關性處理
    9.4.3  隱馬爾科夫模型的狀態及屬性確定
    9.4.4  觀察序列概率分佈計算
    9.4.5  隱馬爾科夫模型的訓練
    9.4.6  隱馬爾科夫模型的識別
第10章  動態人臉圖像定位演算法
  10.1  動態人臉圖像定位問題
  10.2  Hausdorff距離
  10.3  人臉圖像定位演算法
  10.4  實驗結果
第11章  動態人臉識別的相關性
  11.1  人臉圖像的相關性表示
  11.2  動態人臉的相關係數
    11.2.1  特徵子空間相關係數
    11.2.2  插值相關係數
    11.2.3  圖像內部信息相關係數
    11.2.4  3種相關係數的實驗比較
  11.3  相關性處理與動態圖像分割
第12章  動態人臉圖像識別
  12.1  隱馬爾科夫模型的基本問題
    12.1.1  估價問題和前向演算法
    12.1.2  解碼問題和Viterbi演算法
    12.1.3  訓練問題
    12.1.4  識別問題
  12.2  基於隱馬爾科夫模型的動態人臉識別系統
    12.2.1  隱馬爾科夫模型的狀態及屬性圖像
    12.2.2  觀察序列數目
    12.2.3  觀察序列初始概率分佈
    12.2.4  相關係數與初始概率調整
    12.2.5  隱馬爾科夫模型訓練和動態人臉圖像識別
  12.3  實驗結果與分析
    12.3.1  實驗結果
    12.3.2  與相關實驗結果的對比
  12.4  隱馬爾科夫模型與動態圖像分割
  12.5  動態人臉圖像識別中外界影響的處理
    12.5.1  有外界影響的動態人臉識別
    12.5.2  動態人臉識別演算法在外界影響下的調整
第13章  結束語
參考文獻
術語