人臉自動機器識別

前言
第1章 生物特征識別
1.1 生物特征識別的概念
1.2 生物特征識別的發(fā)展前景
1.3 生物特征識別技術(shù)簡介
1.3.1 人臉識別
1.3.2 指紋識別
1.3.3 人臉溫譜圖識別
1.3.4 虹膜識別
1.3.5 視網(wǎng)膜識別
1.3.6 掌紋識別
1.3.7 三維手型識別
1.3.8 手背脈紋識別
1.3.9 語音識別
1.3.10 簽名識別
1.3.11 DNA序列匹配
1.3.12 耳型識別
1.3.13 步態(tài)識別
1.3.14 擊鍵動態(tài)識別
1.3.15 小結(jié)
參考文獻(xiàn)
第2章 人臉識別
2.1 人臉識別概述
2.1.1 人臉識別的研究內(nèi)容
2.1.2 人臉識別的優(yōu)勢與難點
2.1.3 人臉識別的應(yīng)用領(lǐng)域
2.2 人臉識別系統(tǒng)
參考文獻(xiàn)
第3章 人臉檢測和識別的基本理論
3.1 人臉檢測和定位的理論與方法
3.1.1 基于知識規(guī)則的方法
3.1.2 基于可視特征的方法
3.1.3 基于模板匹配的方法
3.2 人臉特征提取和識別理論與方法
3.2.1 基于幾何特征的方法
3.2.2 基于代數(shù)特征的方法
3.2.3 基于機器學(xué)習(xí)的方法
3.3 人臉識別評價標(biāo)準(zhǔn)
3.3.1 評價標(biāo)準(zhǔn)
3.3.2 性能指標(biāo)
3.4 國內(nèi)研究現(xiàn)狀
參考文獻(xiàn)
第4章 復(fù)雜背景下的人臉檢測
4.1 人臉顏色空問
4.1.1 RGB顏色模型
4.1.2 YlQ顏色模型
4.1.3 HSV模型
4.1.4 HIS顏色模型
4.1.5 YCbCr（YUV）顏色模型
4.1.6 rgb顏色模型
4.2 灰度圖像檢測
4.2.1 差分圖像
4.2.2 投影斜率法
4.3 彩色人臉檢測
4.4 人臉定位算法
4.5 顏色模型自適應(yīng)
參考文獻(xiàn)
第5章 基于級聯(lián)分類器的人臉檢測
5.1 分類器結(jié)構(gòu)
5.1.1 分類器級聯(lián)
5.1.2 Bossting原理
5.2 弱分類器設(shè)計
5.2.1 矩形特征選取
5.2.2 基于感知器的弱學(xué)習(xí)算法
5.3 AdaBoost算法
5.4 實驗與討論
5.4.1 分類器參數(shù)選擇
5.4.2 分類器實現(xiàn)
參考文獻(xiàn)
第6章 人臉光照補償
6.1 光照對識別的影響
6.2 相關(guān)研究工作
6.3 基于小波的光照補償方法
6.3.1 二維小波分解與重建
6.3.2 小波去除光照
6.4 實驗與討論
6.4.1 實驗數(shù)據(jù)庫
6.4.2 圖像標(biāo)準(zhǔn)化
6.4.3 實驗結(jié)果
6.5 圖像生成技術(shù)
參考文獻(xiàn)
第7章 人臉特征提取與識別
7.1 人臉特征提取
7.1.1 PCA特征提取
7.1.2 ICA特征提取
7.1.3 PCA和ICA的比較
7.2 人臉聚類分析
7.2.1 聚類分析基本原理
7.2.2 簡單的分類規(guī)則
7.2.3 最近鄰人臉識別方法
7.3 人臉數(shù)據(jù)庫快速檢索算法研究
參考文獻(xiàn)
第8章 基于小波的人臉特征提取
8.1 二維離散小波變換
8.2 基于小波的人臉特征提取
8.2.1 小波變換后的低頻部分作為特征數(shù)據(jù)
8.2.2 簡單加權(quán)小波系數(shù)作為特征數(shù)據(jù)
8.3 基于EZW的小波特征提取
8.3.1 小波基的選擇
8.3.2 雙正交小波變換
8.3.3 靜態(tài)圖像的零樹小波編碼
參考文獻(xiàn)
第9章 基于自適應(yīng)諧振網(wǎng)絡(luò)的人臉識別
9.1 自適應(yīng)諧振理論
9.2 ART2神經(jīng)網(wǎng)絡(luò)
9.2.1 F1場中第j個處理單元的描述
9.2.2 F1場中所完成運算的描述
9.2.3 F1場和F2場之間權(quán)重系數(shù)的學(xué)習(xí)
9.2.4 調(diào)整子系統(tǒng)的工作原理以及參數(shù)選擇
9.2.5 ART2網(wǎng)絡(luò)的學(xué)習(xí)算法
9.3 人臉的局部特征定位
9.3.1 眼睛的定位
9.3.2 人臉傾斜和旋轉(zhuǎn)補償
9.3.3 臉部分割
9.3.4 面部特征向量
9.4 實驗與討論
9.4.1 ART2網(wǎng)絡(luò)人臉識別算法
9.4.2 實驗結(jié)果
參考文獻(xiàn)
第10章 人臉數(shù)據(jù)庫檢索
10.1 數(shù)據(jù)庫檢索系統(tǒng)
10.2 聚類算法
10.2.1 標(biāo)準(zhǔn)的k均值聚類算法
10.2.2 算法分析與改進(jìn)
10.3 實驗與討論
10.3.1 實驗環(huán)境
10.3.2 實驗步驟
10.3.3 實驗分析
10.4 基于內(nèi)容的不良圖像檢索
10.4.1 不良圖像建模
10.4.2 廣義模糊加權(quán)神經(jīng)網(wǎng)絡(luò)
10.4.3 不良圖像的識別
參考文獻(xiàn)
第11章 人臉識別應(yīng)用系統(tǒng)
11.1 人臉識別門禁系統(tǒng)
11.1.1 項目背景
11.1.2 系統(tǒng)結(jié)構(gòu)
11.1.3 軟件實現(xiàn)
11.1.4 系統(tǒng)工程設(shè)計
11.2 嵌入式人臉門鎖
11.2.1 項目背景
11.2.2 系統(tǒng)設(shè)計
11.2.3 技術(shù)關(guān)鍵
11.3 其他領(lǐng)域的應(yīng)用
11.3.1 信息安全產(chǎn)品
11.3.2 證件鑒別管理系統(tǒng)
11.3.3 海量數(shù)據(jù)庫人臉檢索比對系統(tǒng)
11.3.4 嵌入式人臉考勤系統(tǒng)
11.3.5 人臉識別數(shù)碼相機
參考文獻(xiàn)
第12章 三維人臉識別展望
12.1 深度人臉識別
12.1.1 人臉識別從二維到三維
12.1.2 三維人臉識別的挑戰(zhàn)
12.2 三維人臉模型
12.2.1 人臉建模方法
12.2.2 三維人臉模型
12.3 三維人臉識別方法
12.3.1 三維人臉重建
12.3.2 三維頭部跟蹤
12.3.3 三維人臉識別
12.3.4 表情分析與合成
12.4 結(jié)束語
參考文獻(xiàn)
附錄 人臉識別算法測試規(guī)范