第1章 绪论 1
1.1 人脸识别概况 1
1.1.1 历史回顾 1
1.1.2 研究进展和应用扩展 3
1.1.3 生物特征识别 4
1.2 人脸识别的研究 6
1.2.1 人脸识别相关概念 6
1.2.2 人脸识别流程 6
1.2.3 人脸识别中的几个问题 8
1.2.4 扩展研究 10
1.3 全书框架 14
1.3.1 子空间方法 14
1.3.2 各章摘要 19
参考文献 20
第2章 人脸检测 27
2.1 基于学习的人脸检测流程 28
2.1.1 分类器的离线学习 28
2.1.2 目标的在线检测 30
2.1.3 性能评价方法 32
2.2 基于Adaboost的人脸检测方法 33
2.2.1 Haar矩形特征 33
2.2.2 基于离散Adaboost的特征选择 34
2.2.3 级联分类器结构 35
2.3 基于Adaboost人脸检测方法的扩展 37
2.3.1 Haar特征的扩展 37
2.3.2 Adaboost的扩展 39
2.3.3 级联结构的扩展 42
2.3.4 多视角人脸检测 44
参考文献 45
第3章 人脸跟踪 47
3.1 确定性跟踪算法 48
3.1.1 目标表示 48
3.1.2 目标定位 49
3.1.3 跟踪算法实现 50
3.1.4 多核跟踪 52
3.2 随机跟踪算法 54
3.2.1 基于动力学系统模型的方法 54
3.2.2 基于统计模式识别的方法 60
参考文献 61
第4章 人脸描述 62
4.1 基于主动形状模型的人脸描述 62
4.1.1 ASM的建立 62
4.1.2 ASM的局部特征模型 64
4.2 基于主动表观模型的人脸描述 66
4.2.1 AAM方法简介 66
4.2.2 形状无关图像的获取 67
4.2.3 统计表观模型的建立 68
4.3 HOG特征及LBP特征 69
4.3.1 HOG特征 69
4.3.2 LBP特征 70
4.4 基于盖伯变换特征的人脸描述 71
4.4.1 盖伯变换的定义 71
4.4.2 2-D盖伯滤波器的定义 72
参考文献 73
第5章 基本线性子空间方法 75
5.1 线性子空间方法 75
5.2 主分量分析 76
5.2.1 基本原理 76
5.2.2 典型算法 77
5.3 独立分量分析 78
5.3.1 基本概念 78
5.3.2 特性研究 79
5.3.3 典型算法 81
5.4 线性鉴别分析 82
5.4.1 基本定义 82
5.4.2 目标函数研究 83
5.4.3 可行解技术研究 84
5.4.4 类内和类间度量矩阵刻画 88
5.4.5 图像差值模型 90
5.5 类依赖特征分析 92
5.5.1 基本框架 92
5.5.2 常用的相关滤波器 93
参考文献 96
第6章 张量方法 100
6.1 2D-PCA 100
6.1.1 2D-PCA的基本原理 101
6.1.2 2D PCA的应用 102
6.1.3 统一主分量分析 103
6.2 2D-LDA 106
6.2.1 2D-LDA的基本原理 107
6.2.2 2D-LDA与1D-LDA的对比 108
6.3 张量脸 113
6.3.1 张量脸的基本原理 113
6.3.2 一些改进方法 115
参考文献 119
第7章 核方法 121
7.1 基本概念 121
7.1.1 核映射与核空间 122
7.1.2 内积与核函数 122
7.1.3 核矩阵 124
7.2 核主分量分析 124
7.2.1 KPCA原理 125
7.2.2 K2D-PCA 128
7.3 核鉴别分析 130
7.3.1 KDA及改进 131
7.3.2 KDCV 134
7.3.3 K2D-FDA 135
7.4 核流形分析 136
7.4.1 核局部保持映射 136
7.4.2 核图嵌入模型 137
7.4.3 KLWMMC 138
参考文献 139
第8章 非负矩阵（集）分解 142
8.1 NMF的基本概念 142
8.2 基于基本NMF模型的算法 143
8.2.1 基于单目标函数的NMF算法 143
8.2.2 基于目标函数族的NMF算法 147
8.3 基于改进NMF模型的算法 148
8.3.1 稀疏性增强的NMF算法 148
8.3.2 加权NMF算法 153
8.3.3 鉴别性嵌入NMF算法 154
8.4 NMSF模型和方法 155
8.4.1 NMSF定义与基本性质 156
8.4.2 NMSF的解释 157
8.4.3 NMSF的分类 157
8.4.4 NMSF描述能力和推广性实验 158
参考文献 160
第9章 分类器设计 163
9.1 最近邻法 163
9.2 线性分类器 164
9.3 人工神经网络 166
9.3.1 神经元和神经网 166
9.3.2 反向传播算法 167
9.4 支持向量机 168
9.4.1 原理和数学表示 168
9.4.2 改进和推广 169
9.5 Adaboost分类器 170
9.5.1 Adaboost算法 171
9.5.2 Adaboost算法分析 171
9.5.3 Adaboost算法拓展 173
参考文献 176
第10章 评价指标与评测比较 178
10.1 评价指标 178
10.2 评测比较 180
附录A 张量 182
A.1 基本概念 182
A.2 张量分解 183
参考文献 185
附录B 3-D人脸识别综述 186
B.1 基于视频的人脸识别 186
B.1.1 “视频-图像”人脸识别 186
B.1.2 “视频-视频”人脸识别 187
B.2 3-D人脸建模 191
B.2.1 未结合人脸先验模型的建模 191
B.2.2 结合一般人脸模型的建模 192
B.2.3 结合3-D人脸形变模型的建模 193
参考文献 196
附录C 相关识别概述 202
C.1 表情识别 202
C.1.1 表情识别的依据 203
C.1.2 表情识别系统框架 204
C.1.3 表情特征提取研究 204
C.1.4 表情分类研究 207
C.2 年龄识别 209
C.2.1 年龄识别的依据 210
C.2.2 年龄模拟研究 210
C.2.3 年龄估计研究 212
C.2.4 与年龄无关的人脸识别 213
C.3 性别识别 213
C.3.1 性别识别的依据 214
C.3.2 性别识别研究方法 214
参考文献 215
附录D 常用数据库 222
D.1 数据库概况 222
D.2 数据库具体描述 223