第1章 绪论 1
1.1生物特征识别简述 1
1.1.1常用的生物特征识别技术 2
1.1.2各种常用生物特征识别技术的比较 9
1.2生物特征识别技术发展概述 10
1.2.1生物特征识别技术的优势 10
1.2.2生物特征识别技术的市场发展概况 11
1.2.3我国生物特征识别技术发展概述 12
参考文献 13
第2章 人脸检测与跟踪 16
2.1概述 16
2.2 AdaBoost学习算法 19
2.2.1 AdaBoost方法 19
2.2.2分类器训练思想 21
2.2.3构造弱分类器 22
2.2.4构造强分类器 27
2.2.5分类器训练流程 28
2.3多层级联分类器 29
2.3.1多层级联分类器的分类方法 29
2.3.2使用级联分类器进行训练 30
2.3.3实验结果 34
2.4基于AdaBoost的肤色检测新方法 38
2.4.1肤色检测方法 38
2.4.2肤色分布的分析 39
2.4.3实验结果 42
2.5人脸跟踪 44
2.5.1智能像素聚类目标跟踪算法 44
2.5.2简单背景的目标跟踪 47
2.5.3人脸跟踪 52
参考文献 56
第3章 基于流形学习的人脸识别 60
3.1生长型局部线性嵌入算法 60
3.1.1生长模型分析 60
3.1.2生长型局部线性嵌入算法 66
3.1.3 GLLE对Isomap算法改进的启发 82
3.2噪声流形学习与分析 83
3.2.1问题的提出 84
3.2.2邻域平滑嵌入算法 88
3.3流形学习算法的应用 98
3.3.1人脸序列数据库的建立与评测 99
3.3.2人脸序列中的流形结构 103
3.3.3基于外观流形的动态视频人脸识别 105
3.3.4基于流形重构的单图像人脸识别 107
参考文献 109
第4章 多姿态人脸识别 115
4.1基于保持数据近邻信息的增量学习方法 115
4.1.1增量Laplacian Eigenmaps（LE）算法 115
4.1.2仿真实验 118
4.2引入遗忘机制的ART2改进算法 122
4.2.1自适应共振理论简介 123
4.2.2 ART1神经网络 123
4.2.3 ART2神经网络 125
4.2.4 ART2网络存在的问题与改进 127
4.3逆转录ART3算法 132
4.3.1 ART3神经网络 132
4.3.2 ART3改进算法——ReART 141
4.3.3仿真实验 145
4.3.4 ReART在多姿态人脸识别中的应用 150
4.4图像平均重构技术与多姿态人脸识别 152
4.4.1自动人脸识别中的图像平均技术 153
4.4.2从原始图像到平均脸：加权图像平均技术 155
4.4.3从平均脸到原始图像：重构脸的生成 159
4.4.4一个识别示例：视频人脸识别 160
4.4.5仿真实验 163
参考文献 167
第5章 多特征指纹识别 171
5.1概述 171
5.1.1指纹识别背景介绍 171
5.1.2指纹识别综述 172
5.2现场重叠指纹的分离与特征提取 179
5.2.1问题阐述 179
5.2.2估计初始方向场 181
5.2.3分离重叠方向场 182
5.2.4分离重叠指纹及特征提取 189
5.2.5奇异点信息的应用 190
5.2.6实验 192
5.3从细节点恢复方向场及其应用 197
5.3.1基于模型的方向场表示 197
5.3.2从细节点恢复方向场 199
5.3.3恢复方向场应用于指纹识别 205
5.3.4实验 209
5.4指纹奇异点检测 212
5.4.1问题阐述 212
5.4.2指纹的拓扑分析 214
5.4.3 DORIC特征及其在去除虚假细节点上的应用 216
5.4.4利用全局信息选择奇异点的最优组合 220
5.4.5实验 223
5.5多特征融合与快速比对 227
5.5.1问题阐述 227
5.5.2多特征指纹识别的比较研究 227
5.5.3基于分级结构的指纹多特征辨认 234
参考文献 240
第6章 掌纹掌脉及其融合识别技术 248
6.1概述 248
6.1.1掌纹识别技术的研究现状 248
6.1.2静脉识别技术的基本原理 250
6.1.3静脉识别技术的研究现状 251
6.2掌纹特征提取算法研究 254
6.2.1基于Moire特征的掌纹特征提取算法 255
6.2.2应用景象匹配的掌纹识别方法 263
6.3掌纹识别系统的设计和实现 275
6.3.1基于数码相机的掌纹识别系统 275
6.3.2基于视频摄像头的掌纹识别系统 278
6.3.3基于ARM开发板的嵌入式掌纹识别系统 281
6.3.4基于扫描仪的嵌入式掌纹识别系统 284
6.3.5实验 288
6.4掌脉采集系统及识别算法 289
6.4.1掌脉采集系统的设备选取 289
6.4.2掌脉采集系统设计 291
6.4.3掌脉识别算法研究 293
6.5掌纹掌脉融合识别技术 300
6.5.1掌纹掌脉融合识别技术的原理 301
6.5.2掌纹掌脉融合采集仪 309
6.5.3掌纹掌脉融合技术的性能评价 311
参考文献 315
第7章 人脸与掌纹识别的子空间特征提取方法 321
7.1直接局部保持投影算法及其在人脸与掌纹识别中的应用 321
7.1.1线性鉴别分析和直接线性鉴别分析 323
7.1.2流形学习的概念与局部保持投影算法 324
7.1.3直接局部保持投影算法及其计算 326
7.1.4实验和结果 328
7.2二维局部保持投影算法及其在人脸与掌纹识别中的应用 331
7.2.1二维主成分分析的思想 333
7.2.2二维局部保持投影算法 335
7.2.3二维局部保持投影算法跟二维主成分分析的关系 337
7.2.4对二维局部保持投影算法的进一步分析 338
7.2.5实验与结果 339
7.3新的核局部保持投影算法及其在人脸与掌纹识别中的应用 343
7.3.1核方法的理论基础 344
7.3.2已有的核局部保持投影算法 347
7.3.3新的核局部保持投影算法框架 347
7.3.4核局部保持投影算法 348
7.3.5实验和结果 350
7.4基于矩阵的图像特征提取方法的图嵌入理论框架及其应用 354
7.4.1基于矩阵特征提取算法的图嵌入理论框架 355
7.4.2 2DPCA、2DLDA和2DLPP算法的基于图嵌入理论框架解释 356
7.4.3非监督鉴别投影和边界Fisher分析算法的矩阵形式推广 360
7.4.4二维鉴别嵌入分析（2DDEA）算法 362
7.4.5 2DDEA与2DLDA的关系 364
7.4.6基于2DDEA的图像识别方法 365
7.4.7实验 366
7.5一种基于PCA/ICA的人脸和掌纹特征层融合策略 369
7.5.1使用主成分分析和独立成分分析进行特征提取 370
7.5.2利用PCA、 ICA进行特征层融合 373
7.5.3实验结果 373
参考文献 376