基於子空間的人臉識別
本書摘自： 中國圖書網 www.bookschina.com.tw
|
|
|
 |
| |
《基於子空間的人臉識別》結合
清華大學電子工程系圖像工程研究室近年相關研究工作，對人臉識別中的主流方法（基於子空間的方法）的原理和特點進行了比較全面的介紹，並結合科研成果給出
一些形象的實例，期望對其他研究者進一步深入學習有關內容、了解技術細節和開展科研工作有所幫助。人臉識別是近年來資訊科學領域裏一個受人關注的熱點，在
社會生活中也得到了廣泛應用。《基於子空間的人臉識別》特點：寫作人員均為第一線的科研人員，具體參與了相關研究工作。從科研的角度出發，具有理論性、實
用性、系統性和實時性。選取內容覆蓋了人臉檢測、跟蹤，特徵提取和特徵降維，以及匹配分類、識別等相關的方面，較好地反映該領域的全貌。組織結構有層次，
讀者借助《基於子空間的人臉識別》能全面地了解該領域的基本理論、實用技術、應用情況和發展前景，進而投身到有關研究和應用工作中來。既考慮了有一定基礎
的研究者，又考慮了準備進行研究和應用的入門者，既可用於科研參考，又可作為研究生專業課的教材或教學參考書。
|
|
|
|
|
|
|
| |
第1章 緒論1．1
人臉識別概況1．1．1 歷史回顧1．1．2 研究進展和應用擴展1．1．3 生物特徵識別1．2 人臉識別的研究1．2．1
人臉識別相關概念1．2．2 人臉識別流程1．2．3 人臉識別中的幾個問題1．2．4 擴展研究1．3 全書框架1．3．1 子空間方法1．3．2
各章 摘要參考文獻第2章 人臉檢測2．1 基於學習的人臉檢測流程2．1．1 分類器的離線學習2．1．2 目標的線上檢測2．1．3
性能評價方法2．2 基於Adaboost的人臉檢測方法2．2．1 Haar矩形特徵2．2．2 基於離散Adaboost的特徵選擇2．2．3
級聯分類器結構2．3 基於Adaboost人臉檢測方法的擴展2．3．1 Haar特徵的擴展2．3．2 Adaboost的擴展2．3．3
級聯結構的擴展2．3．4 多視角人臉檢測參考文獻第3章 人臉跟蹤3．1 確定性跟蹤演算法3．1．1 目標表示3．1．2 目標定位3．1．3
跟蹤演算法實現3．1．4 多核跟蹤3．2 隨機跟蹤演算法3．2．1 基於動力學系統模型的方法3．2．2 基於統計模式識別的方法參考文獻第4章
人臉描述4．1 基於主動形狀模型的人臉描述4．1．1 ASM的建立4．1．2 ASM的局部特徵模型4．2 基於主動表觀模型的人臉描述4．2．1
AAM方法簡介4．2．2 形狀無關圖像的獲取4．2．3 統計表觀模型的建立4．3 HOG特徵及LBP特徵4．3．1 HOG特徵4．3．2
LBP特徵4．4 基於蓋伯變換特徵的人臉描述4．4．1 蓋伯變換的定義4．4．2 2-D蓋伯濾波器的定義參考文獻第5章 基本線性子空間方法5．1
線性子空間方法5．2 主分量分析5．2．1 基本原理5．2．2 典型演算法5．3 獨立分量分析5．3．1 基本概念5．3．2
特性研究5．3．3 典型演算法5．4 線性鑒別分析5．4．1 基本定義5．4．2 目標函數研究5．4．3 可行解技術研究5．4．4
類內和類間度量矩陣刻畫5．4．5 圖像差值模型5．5 類依賴特徵分析5．5．1 基本框架5．5．2 常用的相關濾波器參考文獻第6章
張量方法6．1 2D-PCA6．1．1 2D-PCA的基本原理6．1．2 2D-PCA的應用6．1．3 統一主分量分析6．2
2D-LDA6．2．1 2D-LDA的基本原理6．2．2 2D-LDA與1D-LDA的對比6．3 張量臉6．3．1 張量臉的基本原理6．3．2
一些改進方法參考文獻第7章 核方法7．1 基本概念7．1．1 核映射與核空間7．1．2 內積與核函數7．1．3 核矩陣7．2
核主分量分析7．2．1 KPCA原理7．2．2 K2D-PCA7．3 核鑒別分析7．3．1 KDA及改進7．3．2 KDCV7．3．3
K2D-FDA7．4 核流形分析7．4．1 核局部保持映射7．4．2 核圖嵌入模型7．4．3 KLWMMC參考文獻第8章
非負矩陣(集)分解8．1 NMF的基本概念8．2 基於基本NMF模型的演算法8．2．1 基於單目標函數的NMF演算法8．2．2
基於目標函數族的NMF演算法8．3 基於改進NMF模型的演算法8．3．1 稀疏性增強的NMF演算法8．3．2 加權NMF演算法8．3．3
鑒別性嵌入NMF演算法8．4 NMSF模型和方法8．4．1 NMSF定義與基本性質8．4．2 NMSF的解釋8．4．3 NMSF的分類8．4．4
NMSF描述能力和推廣性實驗參考文獻第9章 分類器設計9．1 最近鄰法9．2 線性分類器9．3 人工神經網路9．3．1
神經元和神經網9．3．2 反向傳播演算法9．4 支援向量機9．4．1 原理和數學表示9．4．2 改進和推廣9．5
Adaboost分類器9．5．1 Adaboost演算法9．5．2 Adaboost演算法分析9．5．3
Adaboost演算法拓展參考文獻第10章 評價指標與評測比較10．1 評價指標10．2 評測比較附錄A張量A．1 基本概念A．2
張量分解參考文獻附錄B3-D人臉識別綜述B．1 基於視頻的人臉識別B．1．1 “視頻-圖像”人臉識別B．1．2 “視頻-視頻”人臉識別B．2
3-D人臉建模B．2．1 未結合人臉先驗模型的建模B．2．2 結合一般人臉模型的建模B．2．3
結合3-D人臉形變模型的建模參考文獻附錄C相關識別概述C．1 表情識別C．1．1 表情識別的依據C．1．2 表情識別系統框架C．1．3
表情特徵提取研究C．1．4 表情分類研究C．2 年齡識別C．2．1 年齡識別的依據C．2．2 年齡模擬研究C．2．3 年齡估計研究C．2．4
與年齡無關的人臉識別C．3 性別識別C．3．1 性別識別的依據C．3．2 性別識別研究方法參考文獻附錄D常用數據庫D．1 數據庫概況D．2
數據庫具體描述
|
|
|
|
|
|
|
| |
《基於子空間的人臉識別》結合
作者自身的相關研究工作，回顧該領域的發展過程，介紹基本的原理和關鍵技術，總結已有的豐富成果，探索深入研究的方向。全面系統地介紹人臉識別的主要概
念、基本原理、典型方法、實用技術，以及國際上有關研究的新成果和新動向。全書可分為4部分：第1部分（包含第1～4章）介紹人臉識別的預備內容（發展概
述，人臉檢測、跟蹤、描述）；第2部分（包含第5～8章）介紹人臉識別的各種典型的子空間方法（既有基本的線性方法，也有特殊的非線性方法）；第3部分
（包含第9、10章）介紹人臉識別分類器設計和一些實驗結果；第4部分（包含4個附錄）介紹人臉識別的相關基礎和擴展。考慮到人臉識別涉及的學科多、範圍
廣，《基於子空間的人臉識別》選取了一些比較有特色的技術方法進行介紹，並結合科研成果給出形象的實例，以使該書既能較好地反映該領域的全貌，也有一定的
層次，方便讀者學習和使用。人臉識別是近年資訊科學領域裏一個備受關注的熱點，基於子空間的人臉識別方法是一類主流的方法。《基於子空間的人臉識別》可作
為信號和資訊處理、通信與電子系統、模式識別、電腦視覺、生物醫學工程等學科的專業課教材和教學參考書，也可供資訊工程、電子工程、電腦科學與技術、數據
庫管理、媒體 |
|
|
留言列表
留言列表
