人脸识别与人体动作识别技术及应用PDF电子书下载

第1章 绪论 1

1.1 人脸识别技术的研究与应用 1

1.1.1 国内外人脸库介绍 2

1.1.2 国内外研究现状 2

1.1.3 人脸识别技术的难点和发展趋势 3

1.2 人脸图像超分辨率重建技术的研究与实现 4

1.2.1 图像超分辨率的发展及国内外研究现状 8

1.2.2 低分辨率图像退化模型 10

1.3 空间角度的人体行为识别介绍 11

1.3.1 国内外研究现状 13

1.3.2 人体行为视频数据库 14

本章参考文献 17

第2章 人脸图像配准和人脸检测跟踪 21

2.1 人脸配准简介 21

2.1.1 3D人脸配准简介 22

2.1.2 数据库简介 22

2.2 3D人脸配准 23

2.2.1 获取纹理图像 24

2.2.2 检测特征点 25

2.2.3 细化特征点位置 25

2.2.4 特征点模型标准化 27

2.2.5 3D人脸模型配准 28

2.3 人脸检测简介与常用算法介绍 30

2.3.1 神经网络 31

2.3.2 支持向量机（SVM） 32

2.3.3 AdaBoost算法 32

2.4 GentleAdaBoost人脸检测算法 33

2.4.1 图像训练预处理 33

2.4.2 haar特征选择和积分图的计算 34

2.4.3 GentleAdaBoost算法 35

2.5 实时人脸跟踪 39

2.5.1 均值权重粒子滤波器 40

2.5.2 人脸检测校正策略 41

2.5.3 人脸检测和跟踪实验结果分析 42

2.6 本章小结 45

本章参考文献 46

第3章 人脸验证和素描人脸识别 48

3.1 人脸验证简介 48

3.2 SIFT匹配算法 50

3.2.1 SIFT算子 50

3.2.2 SIFT匹配 51

3.2.3 SIFT数量特征匹配分析 52

3.3 SIFT位置特征的人脸验证算法 53

3.4 人脸验证实验结果与分析 55

3.4.1 SIFT数量特征的人脸识别 56

3.4.2 结合SIFT位置特征的人脸验证 57

3.4.3 和传统人脸验证算法的对比 59

3.5 人脸识别简介 61

3.6 LBP识别算法 62

3.6.1 LBP基本算子 62

3.6.2 LBP人脸识别 63

3.6.3 LBP算法分析 64

3.6.4 滤波器分析 65

3.7 结合LBP和分块特征的识别算法 66

3.7.1 训练算法 66

3.7.2 识别过程 70

3.8 素描人脸识别实验结果和分析 70

3.8.1 训练样本数量分析 71

3.8.2 特征数量对识别效果的影响 72

3.8.3 识别级别对识别结果的影响 73

3.8.4 和目前已存在算法进行比较 74

3.8.5 交叉验证实验 75

3.9 本章小结 76

本章参考文献 76

第4章 Gabor小波在人脸识别中的应用研究 79

4.1 人脸识别典型方法 80

4.1.1 子空间方法 80

4.1.2 基于连接机制的人脸识别方法 80

4.1.3 隐马尔可夫模型识别方法 81

4.1.4 基于贝叶斯的人脸识别方法 81

4.1.5 基于流形的人脸识别 82

4.2 隐马尔可夫模型 83

4.2.1 隐马尔可夫模型介绍 83

4.2.2 隐马尔可夫模型的三个基本问题 84

4.2.3 隐马尔可夫模型算法实现中的问题 89

4.3 基于Gabor脸和HMM的人脸识别方法 95

4.3.1 研究背景 95

4.3.2 Gabor小波概述 97

4.3.3 利用Gabor小波进行特征提取 100

4.3.4 主元分析降维 103

4.3.5 HMM人脸识别 104

4.3.6 算法复杂度分析 107

4.3.7 实验结果及分析 109

4.3.8 结论 117

4.4 基于Gabor小波、ICA和HMM的人脸识别方法 117

4.4.1 独立元分析降维 117

4.4.2 实验结果及分析 119

4.4.3 结论 123

4.5 本章小结 125

本章参考文献 127

第5章 人脸图像超分辨率重建 130

5.1 基于PCA的人脸超分辨率重建 131

5.1.1 PCA算法原理 131

5.1.2 算法流程 131

5.2 全局重建和残差补偿结合的人脸超分辨率重建 133

5.2.1 人脸超分辨率重建的约束条件 133

5.2.2 全局人脸重建 134

5.2.3 残差补偿 135

5.3 基于分块PCA的单帧人脸图像超分辨率重建 136

5.3.1 图像分块策略 136

5.3.2 训练库生成策略 138

5.3.3 算法流程 139

5.4 本章小结 142

本章参考文献 143

第6章 Kinect人体动作识别 144

6.1 基于Kinect骨骼空间几何角度的动作识别 145

6.1.1 人体骨骼信息获取 145

6.1.2 骨骼空间角度特征提取 146

6.1.3 多分类支持向量机 151

6.1.4 训练与识别结果分析 153

6.2 基于三维时空特征的人体行为识别 157

6.2.1 时空直方图特征提取 157

6.2.2 基于图像显著性的轮廓特征提取 163

6.2.3 基于SVM的人体行为识别 166

6.2.4 行为识别结果及分析 166

6.3 本章小结 170

本章参考文献 170

第7章 Kinect应用示例 172

7.1 基于深度信息的手势识别的实现 172

7.1.1 基于Kinect的深度信息的获取 173

7.1.2 手部区域分割 174

7.1.3 手势分类 179

7.1.4 实验结果 184

7.2 智能小车的设计与实现 190

7.2.1 模块介绍 190

7.2.2 PC端控制程序 194

7.2.3 智能小车制作与控制 195

7.3 本章小结 197

本章参考文献 197