人脸自动机器识别
点此进入淘宝搜索页搜索分类: 图书,计算机与互联网,计算机控制仿真与人工智能,虚拟现实,
品牌: 段锦
基本信息·出版社：科学出版社
·页码：187 页
·出版日期：2009年
·ISBN：7030219031/9787030219039
·条形码：9787030219039
·包装版本：1版
·装帧：平装
·开本：16
·正文语种：中文
产品信息有问题吗？请帮我们更新产品信息。
内容简介《人脸自动机器识别》系统介绍了人脸自动机器识别的原理、方法和技术，对人脸检测和识别的若干难点和关键技术进行了深入研究和讨论，并融入了国内外人脸识别领域研究和应用的最新进展。全书共12章，分为4个部分：第一部分包括第1～3章，介绍了人脸识别的基本概念和基础理论，第二部分包括第4～6章，重噗讨论人脸检测的方法和技术，第三部分包括第7～9章，讨论了人脸特征提取、人脸识别技术与方法，第四部分包括第10～12章，讲述人脸识别技术的实际应用和发展前景。
编辑推荐《人脸自动机器识别》内容丰富、叙述脉络清晰，可供相关领域工程技术人员和在校研究生参考阅读和使用。
目录
前言
第1章 生物特征识别
1.1 生物特征识别的概念
1.2 生物特征识别的发展前景
1.3 生物特征识别技术简介
1.3.1 人脸识别
1.3.2 指纹识别
1.3.3 人脸温谱图识别
1.3.4 虹膜识别
1.3.5 视网膜识别
1.3.6 掌纹识别
1.3.7 三维手型识别
1.3.8 手背脉纹识别
1.3.9 语音识别
1.3.10 签名识别
1.3.11 DNA序列匹配
1.3.12 耳型识别
1.3.13 步态识别
1.3.14 击键动态识别
1.3.15 小结
参考文献
第2章 人脸识别
2.1 人脸识别概述
2.1.1 人脸识别的研究内容
2.1.2 人脸识别的优势与难点
2.1.3 人脸识别的应用领域
2.2 人脸识别系统
参考文献
第3章 人脸检测和识别的基本理论
3.1 人脸检测和定位的理论与方法
3.1.1 基于知识规则的方法
3.1.2 基于可视特征的方法
3.1.3 基于模板匹配的方法
3.2 人脸特征提取和识别理论与方法
3.2.1 基于几何特征的方法
3.2.2 基于代数特征的方法
3.2.3 基于机器学习的方法
3.3 人脸识别评价标准
3.3.1 评价标准
3.3.2 性能指标
3.4 国内研究现状
参考文献
第4章 复杂背景下的人脸检测
4.1 人脸颜色空问
4.1.1 RGB颜色模型
4.1.2 YlQ颜色模型
4.1.3 HSV模型
4.1.4 HIS颜色模型
4.1.5 YCbCr（YUV）颜色模型
4.1.6 rgb颜色模型
4.2 灰度图像检测
4.2.1 差分图像
4.2.2 投影斜率法
4.3 彩色人脸检测
4.4 人脸定位算法
4.5 颜色模型自适应
参考文献
第5章 基于级联分类器的人脸检测
5.1 分类器结构
5.1.1 分类器级联
5.1.2 Bossting原理
5.2 弱分类器设计
5.2.1 矩形特征选取
5.2.2 基于感知器的弱学习算法
5.3 AdaBoost算法
5.4 实验与讨论
5.4.1 分类器参数选择
5.4.2 分类器实现
参考文献
第6章 人脸光照补偿
6.1 光照对识别的影响
6.2 相关研究工作
6.3 基于小波的光照补偿方法
6.3.1 二维小波分解与重建
6.3.2 小波去除光照
6.4 实验与讨论
6.4.1 实验数据库
6.4.2 图像标准化
6.4.3 实验结果
6.5 图像生成技术
参考文献
第7章 人脸特征提取与识别
7.1 人脸特征提取
7.1.1 PCA特征提取
7.1.2 ICA特征提取
7.1.3 PCA和ICA的比较
7.2 人脸聚类分析
7.2.1 聚类分析基本原理
7.2.2 简单的分类规则
7.2.3 最近邻人脸识别方法
7.3 人脸数据库快速检索算法研究
参考文献
第8章 基于小波的人脸特征提取
8.1 二维离散小波变换
8.2 基于小波的人脸特征提取
8.2.1 小波变换后的低频部分作为特征数据
8.2.2 简单加权小波系数作为特征数据
8.3 基于EZW的小波特征提取
8.3.1 小波基的选择
8.3.2 双正交小波变换
8.3.3 静态图像的零树小波编码
参考文献
第9章 基于自适应谐振网络的人脸识别
9.1 自适应谐振理论
9.2 ART2神经网络
9.2.1 F1场中第j个处理单元的描述
9.2.2 F1场中所完成运算的描述
9.2.3 F1场和F2场之间权重系数的学习
9.2.4 调整子系统的工作原理以及参数选择
9.2.5 ART2网络的学习算法
9.3 人脸的局部特征定位
9.3.1 眼睛的定位
9.3.2 人脸倾斜和旋转补偿
9.3.3 脸部分割
9.3.4 面部特征向量
9.4 实验与讨论
9.4.1 ART2网络人脸识别算法
9.4.2 实验结果
参考文献
第10章 人脸数据库检索
10.1 数据库检索系统
10.2 聚类算法
10.2.1 标准的k均值聚类算法
10.2.2 算法分析与改进
10.3 实验与讨论
10.3.1 实验环境
10.3.2 实验步骤
10.3.3 实验分析
10.4 基于内容的不良图像检索
10.4.1 不良图像建模
10.4.2 广义模糊加权神经网络
10.4.3 不良图像的识别
参考文献
第11章 人脸识别应用系统
11.1 人脸识别门禁系统
11.1.1 项目背景
11.1.2 系统结构
11.1.3 软件实现
11.1.4 系统工程设计
11.2 嵌入式人脸门锁
11.2.1 项目背景
11.2.2 系统设计
11.2.3 技术关键
11.3 其他领域的应用
11.3.1 信息安全产品
11.3.2 证件鉴别管理系统
11.3.3 海量数据库人脸检索比对系统
11.3.4 嵌入式人脸考勤系统
11.3.5 人脸识别数码相机
参考文献
第12章 三维人脸识别展望
12.1 深度人脸识别
12.1.1 人脸识别从二维到三维
12.1.2 三维人脸识别的挑战
12.2 三维人脸模型
12.2.1 人脸建模方法
12.2.2 三维人脸模型
12.3 三维人脸识别方法
12.3.1 三维人脸重建
12.3.2 三维头部跟踪
12.3.3 三维人脸识别
12.3.4 表情分析与合成
12.4 结束语
参考文献
附录 人脸识别算法测试规范
……[看更多目录]
序言识别人脸是人类视觉最杰出的能力之一。尽管识别人脸及表情对人类本身是毫不费力的，但人脸识别的内在机制却是非常复杂的，让计算机自动识别人脸是一个极其复杂的课题。本书所说人脸识别，其全称应该叫做“人脸自动机器识别”，就是用计算机对人脸图像进行检测、特征提取和识别的模式识别技术。
人脸识别（也称人像识别或面像识别）一直是模式识别和机器视觉领域的热点研究问题。人脸作为一种独特的生物特征，具有直接性、唯一性、方便性等特点，但由于人脸的可塑多变和在成像过程中受诸多因素影响，又使得人脸的机器自动识别这一课题极具挑战
文摘第1章 生物特征识别
1.1 生物特征识别的概念
21世纪是信息技术、网络技术的世纪。随着计算机及网络的高速发展，信息的安全性、隐蔽性越来越重要。网络信息化时代的一大特征就是身份的数字化和隐蔽化。如何有效、方便地进行身份验证和识别，已经成为人们日益关心的问题，也是当今时代必须解决的关键性社会问题叫。身份证、工作证、智能卡、口令密码、网络登录号等传统的身份认证手段，不但使用麻烦、记忆复杂、携带不便、不易保管，而且可能被遗失、忘记，或轻易被窃取、仿造和盗用。因此，目前广泛使用的依靠证件、个人识别号码、口令等传统方法来确认个人身份的技术面临着严峻的挑战，并越来越不适应现代科技的发展和社会的进步。生物特征识别作为一种高新技术，由于其独特的属性，正在悄然担负起这一重要的使命。
生物特征识别（biometrics）技术是指通过计算机利用人体所固有并特有的生理和行为特征来进行身份识别或个体验证的一门科学。生物特征识别属于模式识别问题，并且还涉及信号处理、机器视觉、统计分析、进化计算、生理学、心理学以及认知科学等多个领域。一些典型的用于识别的生物特征。见图l.1。依据各种生物特征，可将对它们的识别分别应用于不同的领域。生物特征识别技术可分为基于生理特征的生物识别技术和基于行为特征的生物识别技术。生物特征的分类见图1.2。生物特征是与生俱来的，是先天的，如指纹、人脸、虹膜、手型、掌纹、DNA等；而行为特征则是由生活习惯形成，是后天养成的，如人脸温谱图、语音、签名、步态等。这些生物特征识别技术的研究都取得了一定的成功。一些典型的用于识别的生物特征见图1.2。
