人脸识别原理及算法

出版者:人民邮电出版社

作者:沈理

页数:235

出版时间:2014-10

价格:89

装帧:精装

isbn号码:9787115339782

具体描述

《人脸识别原理及算法：动态人脸识别系统研究》系统介绍了人脸识别研究领域的研究状况以及作者在人脸识别领域的研究工作和研究成果，全书共分为3个部分。

第1部分首先介绍了人脸识别的基础：计算机视觉和模式识别的原理，并介绍了20世纪70年代以来国内外人脸识别研究的研究动态和主要方法，以及国内外人脸识别研究的主要成果和用途。

第2部分介绍了基于双属性图的人脸识别算法，该算法采用人脸特征检测、主成分分析方法、Gabor函数等建立了一个人脸特征识别和属性特征匹配的人脸识别方法，并结合人脸图像的局部特征和全局特征，能够有效地利用从三维到二维投影的人脸图像信息之间的关联性。

第3部分介绍了动态场景下的人脸识别方法，该方法综合应用了人脸定位、人脸识别、视频处理等算法。

《人脸识别原理及算法：动态人脸识别系统研究》的读者对象主要为研究模式识别的科技人员以及高等院校高年级的学生和研究生。读者通过阅读《人脸识别原理及算法：动态人脸识别系统研究》可以系统地学习人脸识别研究的方法，并掌握国内外相关技术的最新进展。

作者简介

沈理，1959年毕业于浙江大学机电工程系，当前是中科院计算技术研究所研究员、博士生导师，从事计算机科学领域的研究工作。

刘翼光，2000年毕业于中科院计算技术研究所，曾主持或参加多项国家自然科学基金、中科院“九五”重点项目、国家863项目等。

熊志勇，于1999年在中科院研究所获得博士学位，研究方向为人脸图像识别。母亲啊从事线通信基站的设计研发工作。

目录信息

第1部分 人脸识别介绍
第1章 人脸识别概论
1.1 历史背景
1.2 人脸识别相关学科的进展
1.2.1 神经生理学方面的进展
1.2.2 脑神经学方面的进展
1.2.3 计算机视觉方面的进展
1.3 模式识别理论
1.3.1 预处理
1.3.2 特征提取
1.3.3 分类
1.4 人脸图像识别主要研究的问题
1.4.1 数据采样
1.4.2 干扰因素
1.5 人脸图像识别系统的构成
1.5.1 人脸图像预处理
1.5.2 图像表示与特征提取
1.5.3 图像识别
第2章 人脸识别研究综述
2.1 研究现状
2.2 常用的静态人脸图像识别方法
2.2.1 几何特征方法
2.2.2 特征脸方法
2.2.3 局部特征分析技术
2.2.4 模板匹配
2.2.5 图匹配
2.2.6 人工神经网络方法
2.2.7 柔性形状模型技术
2.2.8 综合的方法
2.3 人脸检测以及人脸跟踪
2.4 人脸图像识别的应用前景
2.5 一些商用人脸识别软件
2.5.1 TrueFace
2.5.2 Face-It
2.5.3 Technology Recognition Systems
第2部分 静态人脸图像识别
第3章 人脸特征探测
3.1 简介
3.2 参数化模型法
3.2.1 图像的各种表示
3.2.2 眼睛模型表示
3.2.3 嘴巴模型和鼻子模型
3.2.4 方法的优缺点
3.3 基于模板的探测方法
3.3.1 模板表示
3.3.2 图像标准化
3.3.3 方法的优缺点
3.4 利用数学算子进行探测
3.4.1 特征探测模型
3.4.2 方法的优缺点
3.5 小结
第4章 基于通用形变模型的人脸轮廓特征提取
4.1 引言
4.2 通用形变模型的形成
4.2.1 轮廓特征点的选取
4.2.2 形变模型的形成
4.2.3 形变模型的能量
4.3 模型匹配
4.3.1 全局匹配
4.3.2 局部匹配
4.4 实验
4.5 小结
第5章 基于主成分分析方法的人脸图像识别及人脸局部特征探测
5.1 引言
5.2 主成分分析方法在人脸图像识别中的应用
5.2.1 特征向量的表示能力
5.2.2 特征向量的选择
5.2.3 光照的影响
5.2.4 尺度的影响
5.2.5 旋转因素的影响
5.2.6 小结
5.3 人脸局部特征探测
5.3.1 逐步求精定位法
5.3.2 实验
5.4 利用局部特征识别人脸图像
5.5 小结
第6章 人脸图像的双属性图表示
6.1 引言
6.2 Gabor变换
6.2.1 傅里叶变换
6.2.2 Gabor变换
6.3 基于数学变换的特征提取
6.3.1 特征的生成
6.3.2 实验
6.3.3 实验结果
6.3.4 小结
6.4 人脸图像的双属性图表示
6.4.1 关系图
6.4.2 属性图
6.4.3 双属性图
6.5 小结
第7章 人脸图像识别
7.1 引言
7.2 待识人脸图像的表示
7.2.1 局部特征点的确定
7.2.2 局部主成分特征的确定
7.2.3 Gabor系数特征的确定
7.3 双属性图匹配
7.3.1 匹配函数
7.3.2 lt的确定
7.3.3 光照的处理
7.3.4 尺度的处理
7.3.5 平面旋转人脸图像的处理
7.3.6 深度旋转人脸图像的处理
7.3.7 图像识别
7.3.8 方法的有效性
7.4 实验
7.4.1 图像尺度及旋转情况的确定
7.4.2 人脸图像识别
7.5 小结
第8章 人脸图像识别程序实现
8.1 主成分分析算法的MATLAB实现
8.2 Gabor变换
8.3 使用动态模板方法进行识别
8.4 Gauss变换用于提取图像的特征
第3部分 动态人脸识别研究
第9章 动态人脸识别系统
9.1 研究背景及条件
9.1.1 研究背景
9.1.2 研究对象和限定条件
9.2 样本获取
9.2.1 视频格式
9.3 隐马尔科夫模型
9.4 动态人脸识别系统框架
9.4.1 预处理
9.4.2 相关性处理
9.4.3 隐马尔科夫模型的状态及属性确定
9.4.4 观察序列概率分布计算
9.4.5 隐马尔科夫模型的训练
9.4.6 隐马尔科夫模型的识别
第10章 动态人脸图像定位算法
10.1 动态人脸图像定位问题
10.2 Hausdorff距离
10.3 人脸图像定位算法
10.4 实验结果
第11章 动态人脸识别的相关性
11.1 人脸图像的相关性表示
11.2 动态人脸的相关系数
11.2.1 特征子空间相关系数
11.2.2 插值相关系数
11.2.3 图像内部信息相关系数
11.2.4 3种相关系数的实验比较
11.3 相关性处理与动态图像分割
第12章 动态人脸图像识别
12.1 隐马尔科夫模型的基本问题
12.1.1 估价问题和前向算法
12.1.2 解码问题和Viterbi算法
12.1.3 训练问题
12.1.4 识别问题
12.2 基于隐马尔科夫模型的动态人脸识别系统
12.2.1 隐马尔科夫模型的状态及属性图像
12.2.2 观察序列数目
12.2.3 观察序列初始概率分布
12.2.4 相关系数与初始概率调整
12.2.5 隐马尔科夫模型训练和动态人脸图像识别
12.3 实验结果与分析
12.3.1 实验结果
12.3.2 与相关实验结果的对比
12.4 隐马尔科夫模型与动态图像分割
12.5 动态人脸图像识别中外界影响的处理
12.5.1 有外界影响的动态人脸识别
12.5.2 动态人脸识别算法在外界影响下的调整
第13章 结束语
参考文献
术语
· · · · · · (收起)

用户评价

初次接触这个领域时，我被各种复杂的矩阵运算和概率统计搞得晕头转向，市面上很多教材都像是直接把学术论文堆砌起来，让人望而却步。然而，这本书的叙事风格简直是一股清流。它仿佛是一位经验丰富的工程师在向一个充满好奇心的学徒传授经验。我尤其喜欢它对“多模态数据融合”这一概念的阐释，作者没有停留在简单的信息合并，而是详细剖析了不同传感器（比如红外、可见光）在不同天气条件下的优势与互补性，并且提供了一个清晰的框架，指导读者如何根据特定场景的需求来设计最优的融合策略。这种“场景驱动”的讲解方式，极大地提升了我对算法选择的敏感度。此外，对于“隐私保护”和“对抗性攻击”的讨论，也体现了作者与时俱进的视野，这在很多老旧的教材中是看不到的。这些章节的加入，使得这本书不仅仅停留在实现功能层面，更上升到了伦理和安全的高度，非常值得所有从业者深思。阅读体验上，排版清爽，图示清晰明了，即便是第一次接触这些概念的人，也能很快抓住核心脉络。

这本书的深度和广度都超出了我的预期，它不是一本简单的“入门手册”，更像是一本“进阶参考指南”。如果说市场上大多数书集中在基于CNN的特征提取上，那么这本书的价值则在于它对传统方法和新兴方法的并蓄。我惊喜地发现，作者竟然花了大篇幅来重新审视经典的几何特征和拓扑结构分析，并将其与现代的深度学习特征向量进行了对比分析，这提供了一个非常宝贵的视角——技术迭代过程中，那些看似过时的基础知识往往蕴含着解决特定难题的钥匙。特别是关于“非刚性形变补偿”那一节，作者提供的数学模型非常扎实，但阐述时又结合了现实中人脸表情变化带来的挑战，使得理论不再是悬浮在空中的公式。阅读过程中，我不得不频繁地停下来，在笔记本上复现那些关键的算法流程，那种茅塞顿开的感觉，是其他很多浮于表面的书籍无法给予的。它要求读者动脑筋，但提供的工具和思路又是如此的精良，让人心甘情愿地投入时间去钻研。

这部著作，说实话，读下来感觉就像是翻开了一扇通往数字世界“看”的秘密之门的钥匙。作者并没有过多纠缠于那些枯燥的数学推导，而是用一种极其直观的方式，将那些深奥的特征提取和模式匹配过程，描绘得仿佛是手工艺人雕琢一件艺术品。我特别欣赏它对“活体检测”那一章的处理，它没有简单地罗列技术名词，而是深入探讨了我们如何区分静态图像和生命体之间的微妙差异，比如皮肤的微小反光、眼球的动态变化，这些细节的呈现，让原本冰冷的技术瞬间有了温度和现实意义。尤其是书中穿插的那些小型案例分析，比如在低光照环境下如何通过算法优化来提高识别的准确率，这对于我们这些希望将理论应用于实际安防系统的人来说，简直是宝典级别的指导。感觉作者对应用层面的理解比很多纯理论书籍要深刻得多，它不仅仅教你“是什么”，更重要的是告诉你“怎么做才能让它在真实世界中工作”。整本书的逻辑衔接非常自然，从基础的图像采集到复杂的深度学习模型应用，过渡得天衣无缝，让人在学习过程中几乎感觉不到挫败感，只有不断解锁新知识的成就感。

这本书最令人称道的一点，是它成功地将一个技术领域的复杂性，用一种近乎艺术品般的清晰度展现了出来。它摒弃了那种故作高深的学术腔调，转而采用了一种非常注重“信息密度”的写作风格。我特别关注到它在描述“特征向量的维度选择与降维策略”时所采用的对比方法。作者并没有简单地推荐PCA或t-SNE，而是构建了一个决策树式的流程，引导读者根据数据本身的特性和计算资源的限制，来选择最合适的降维技术。这种高度结构化的思维引导，极大地提高了阅读的效率和知识的实用性。与其说这是一本讲解原理的书，不如说它是一本关于“如何科学地解决人脸识别工程难题”的思考集锦。看完之后，我感觉自己对这个领域的理解不再是零散的知识点堆砌，而是形成了一个稳固的、可以自我修正和拓展的知识框架。那种扎实感和掌控感，是任何其他同类书籍都未能带给我的。

我购买过不少关于计算机视觉的书籍，但很少有像这样，对特定应用场景的困难点有如此细致入微的剖析。这本书的“韧性”令人印象深刻，它直面了人脸识别在真实世界中遇到的各种“脏数据”问题。比如，在“遮挡与光照不均”这一复杂场景的讨论中，作者不仅仅介绍了常用的图像修复算法，更重要的是，他提供了一套系统性的评估标准，教我们如何量化地判断修复效果对后续识别精度的影响。这对于项目落地至关重要，因为在工程实践中，‘差不多好’往往是不够的。更妙的是，书中对“训练数据的偏差与公平性”进行了严肃的探讨，这在算法设计初期就植入了社会责任感。这种将技术严谨性与社会影响相结合的叙事，让我对作者的专业素养和前瞻性深感敬佩。每一次翻阅，我都能从中找到优化现有系统的灵感火花，它绝不是一本读完就束之高阁的参考书，更像是可以伴随项目周期不断查阅的“实战手册”。

14年出版的书，内容确比较老，理论性不足，科普性不足，系统性不足，确实写得不好，勉强参考参考吧。

14年出版的书，内容确比较老，理论性不足，科普性不足，系统性不足，确实写得不好，勉强参考参考吧。

太老了，看了前一段就弃了

14年出版的书，内容确比较老，理论性不足，科普性不足，系统性不足，确实写得不好，勉强参考参考吧。

14年出版的书，内容确比较老，理论性不足，科普性不足，系统性不足，确实写得不好，勉强参考参考吧。