人脸识别原理及算法 动态人脸识别系统研究PDF电子书下载

第1部分 人脸识别介绍 1

第1章 人脸识别概论 2

1.1 历史背景 2

1.2 人脸识别相关学科的进展 4

1.2.1 神经生理学方面的进展 4

1.2.2 脑神经学方面的进展 4

1.2.3 计算机视觉方面的进展 5

1.3 模式识别理论 11

1.3.1 预处理 12

1.3.2 特征提取 13

1.3.3 分类 13

1.4 人脸图像识别主要研究的问题 14

1.4.1 数据采样 15

1.4.2 干扰因素 16

1.5 人脸图像识别系统的构成 17

1.5.1 人脸图像预处理 17

1.5.2 图像表示与特征提取 17

1.5.3 图像识别 18

第2章 人脸识别研究综述 19

2.1 研究现状 19

2.2 常用的静态人脸图像识别方法 20

2.2.1 几何特征方法 21

2.2.2 特征脸方法 22

2.2.3 局部特征分析技术 24

2.2.4 模板匹配 25

2.2.5 图匹配 26

2.2.6 人工神经网络方法 28

2.2.7 柔性形状模型技术 31

2.2.8 综合的方法 33

2.3 人脸检测以及人脸跟踪 34

2.4 人脸图像识别的应用前景 35

2.5 一些商用人脸识别软件 36

2.5.1 TrueFace 36

2.5.2 Face-It 36

2.5.3 Technology Recognition Systems 37

第2部分 静态人脸图像识别 39

第3章 人脸特征探测 41

3.1 简介 41

3.2 参数化模型法 42

3.2.1 图像的各种表示 42

3.2.2 眼睛模型表示 42

3.2.3 嘴巴模型和鼻子模型 45

3.2.4 方法的优缺点 45

3.3 基于模板的探测方法 45

3.3.1 模板表示 46

3.3.2 图像标准化 46

3.3.3 方法的优缺点 48

3.4 利用数学算子进行探测 49

3.4.1 特征探测模型 49

3.4.2 方法的优缺点 50

3.5 小结 50

第4章 基于通用形变模型的人脸轮廓特征提取 51

4.1 引言 51

4.2 通用形变模型的形成 52

4.2.1 轮廓特征点的选取 53

4.2.2 形变模型的形成 53

4.2.3 形变模型的能量 54

4.3 模型匹配 57

4.3.1 全局匹配 58

4.3.2 局部匹配 59

4.4 实验 61

4.5 小结 62

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 63

5.1 引言 63

5.2 主成分分析方法在人脸图像识别中的应用 65

5.2.1 特征向量的表示能力 66

5.2.2 特征向量的选择 69

5.2.3 光照的影响 71

5.2.4 尺度的影响 72

5.2.5 旋转因素的影响 76

5.2.6 小结 84

5.3 人脸局部特征探测 84

5.3.1 逐步求精定位法 85

5.3.2 实验 86

5.4 利用局部特征识别人脸图像 88

5.5 小结 90

第6章 人脸图像的双属性图表示 91

6.1 引言 91

6.2 Gabor变换 92

6.2.1 傅里叶变换 92

6.2.2 Gabor变换 93

6.3 基于数学变换的特征提取 96

6.3.1 特征的生成 96

6.3.2 实验 98

6.3.3 实验结果 100

6.3.4 小结 102

6.4 人脸图像的双属性图表示 103

6.4.1 关系图 103

6.4.2 属性图 103

6.4.3 双属性图 104

6.5 小结 106

第7章 人脸图像识别 107

7.1 引言 107

7.2 待识人脸图像的表示 107

7.2.1 局部特征点的确定 108

7.2.2 局部主成分特征的确定 108

7.2.3 Gabor系数特征的确定 109

7.3 双属性图匹配 113

7.3.1 匹配函数 113

7.3.2 λt的确定 113

7.3.3 光照的处理 113

7.3.4 尺度的处理 115

7.3.5 平面旋转人脸图像的处理 115

7.3.6 深度旋转人脸图像的处理 117

7.3.7 图像识别 118

7.3.8 方法的有效性 118

7.4 实验 120

7.4.1 图像尺度及旋转情况的确定 120

7.4.2 人脸图像识别 122

7.5 小结 123

第8章 人脸图像识别程序实现 124

8.1 主成分分析算法的MATLAB实现 124

8.2 Gabor变换 128

8.3 使用动态模板方法进行识别 130

8.4 Gauss变换用于提取图像的特征 136

第3部分 动态人脸识别研究 143

第9章 动态人脸识别系统 145

9.1 研究背景及条件 145

9.1.1 研究背景 145

9.1.2 研究对象和限定条件 146

9.2 样本获取 149

9.2.1 视频格式 149

9.3 隐马尔科夫模型 151

9.4 动态人脸识别系统框架 153

9.4.1 预处理 154

9.4.2 相关性处理 159

9.4.3 隐马尔科夫模型的状态及属性确定 160

9.4.4 观察序列概率分布计算 161

9.4.5 隐马尔科夫模型的训练 161

9.4.6 隐马尔科夫模型的识别 161

第10章 动态人脸图像定位算法 162

10.1 动态人脸图像定位问题 162

10.2 Hausdorff距离 164

10.3 人脸图像定位算法 166

10.4 实验结果 169

第11章 动态人脸识别的相关性 179

11.1 人脸图像的相关性表示 179

11.2 动态人脸的相关系数 181

11.2.1 特征子空间相关系数 182

11.2.2 插值相关系数 184

11.2.3 图像内部信息相关系数 186

11.2.4 3种相关系数的实验比较 187

11.3 相关性处理与动态图像分割 189

第12章 动态人脸图像识别 191

12.1 隐马尔科夫模型的基本问题 192

12.1.1 估价问题和前向算法 192

12.1.2 解码问题和Viterbi算法 192

12.1.3 训练问题 193

12.1.4 识别问题 195

12.2 基于隐马尔科夫模型的动态人脸识别系统 195

12.2.1 隐马尔科夫模型的状态及属性图像 196

12.2.2 观察序列数目 201

12.2.3 观察序列初始概率分布 202

12.2.4 相关系数与初始概率调整 202

12.2.5 隐马尔科夫模型训练和动态人脸图像识别 203

12.3 实验结果与分析 204

12.3.1 实验结果 204

12.3.2 与相关实验结果的对比 208

12.4 隐马尔科夫模型与动态图像分割 209

12.5 动态人脸图像识别中外界影响的处理 210

12.5.1 有外界影响的动态人脸识别 210

12.5.2 动态人脸识别算法在外界影响下的调整 211

第13章 结束语 213

参考文献 217

术语 233