第1章 人类视觉感知概述 1
1.1人脸感知 1
1.2人类视觉认知 2
1.2.1视觉的地位 2
1.2.2视觉的内涵 2
1.2.3视觉的特点 4
1.2.4人类视觉如何识别人脸 5
1.3计算机视觉 10
1.4机器视觉与人类视觉的联系 12
1.5本书各章内容简介及阅读本书要注意的问题 13
第一部分 二维人脸图像处理 17
第2章 人脸及其特征的自动检测 17
2.1概述 17
2.1.1人脸检测 17
2.1.2人脸特征点自动标定 18
2.1.3人脸轮廓检测 20
2.2图像处理基本技术 23
2.2.1滤波 23
2.2.2直方图 24
2.2.3图像归一化 24
2.2.4边缘检测 25
2.2.5形态学运算 26
2.3基于Adaboost的人脸检测 26
2.3.1基本概念 26
2.3.2算法实现 28
2.4主动形状模型ASM 30
2.4.1特征点选择 30
2.4.2标定点对齐 31
2.4.3形状建模 32
2.4.4局部灰度纹理建模 32
2.4.5 ASM目标搜索过程 33
2.5主动外观模型AAM 35
2.5.1形状、纹理建模 35
2.5.2统计表观建模 36
2.5.3 AAM拟合算法 37
2.5.4 ASM与AAM小结 39
2.6人脸轮廓检测 40
2.6.1活动轮廓模型简介 40
2.6.2 Chan-Vese模型 44
2.7小结 48
第3章 人脸特征提取及识别 49
3.1人脸识别技术的发展 50
3.2人脸识别原理及方法 52
3.2.1子空间识别算法 52
3.2.2 Gabor小波 57
3.3动态主成分子空间的构造 61
3.3.1基于PCA的人脸重建分析 61
3.3.2动态主成分子空间构造算法 63
3.3.3基于Gabor特征的动态主成分分析算法 65
3.4人脸图像的增强Gabor特征构造与应用 65
3.4.1增强Gabor特征的构造 65
3.4.2 DF_ LDA+ EGF算法 69
3.4.3最近邻欧氏距离分类器 71
3.5小结 71
第二部分 人脸三维建模 75
第4章 人脸三维建模概述 75
4.1背景 75
4.2生活中的三维人脸 76
4.3人脸三维建模技术发展 77
4.3.1基于几何数据的人脸三维建模 77
4.3.2基于图像的人脸三维建模 79
4.3.3人脸动画驱动模型分类 82
4.4三维人脸数据库 85
4.5商业三维人脸建模软件 85
4.5.1新加坡的面部识别公司XID Technologies的三维人脸识别系统 86
4.5.2美国Bioscrypt三维人脸识别产品3D FastPass？ Face Reader 86
4.5.3加拿大Singular Inversions公司的FaceGen Modeller 87
4.6小结 87
第5章 标准化三维人脸库 88
5.1三维人脸数据库标准化基本概念 88
5.2基于特征区域分片的三维人脸数据重采样 90
5.2.1三维人脸区域分块 90
5.2.2基于平面模板的网格重建 94
5.3基于AAM特征点定位的三维人脸数据重采样 97
5.3.1基本思路 97
5.3.2平面模板 98
5.4标准化人脸的应用 99
5.4.1标准人脸库及其线性运算 99
5.4.2多分辨率人脸模型 100
5.4.3混合分辨率人脸模型 101
5.5基于人脸形状统计模型 101
5.6小结 104
第6章 三维人脸形状建模 105
6.1基于图像的人脸建模概述 105
6.2基于动态成分的形变模型 106
6.2.1形状系数的优化求解 106
6.2.2主成分的动态选择 107
6.3基于Sibson坐标的局部特征分析 109
6.3.1局部特征分析理论基础 109
6.3.2基于LFA的局部形变模型 111
6.4双重形变模型 113
6.5形状建模性能分析 114
6.5.1误差估计函数 114
6.5.2建模实例 115
6.6小结 116
第7章 根据单张照片进行三维人脸建模 117
7.1引言 117
7.2两步人脸建模方案 118
7.2.1基本思路 118
7.2.2特征点深度值估计 119
7.3纹理映射 123
7.3.1纹理映射方法分类 124
7.3.2基于调和映射的纹理映射 125
7.3.3基于正面人脸照片的纹理映射 128
7.4建模效果 130
7.5小结 131
第8章 光照分析及姿态估计 132
8.1引言 132
8.2基于中性人脸球面谐波模型的光照估计及补偿 132
8.2.1球面谐波理论 133
8.2.2光照估计 134
8.2.3光照补偿 136
8.3基于线性回归的人脸姿态估计 138
8.3.1姿态估计概述 138
8.3.2基于特征点对的线性回归模型 139
8.4小结 143
附录A PCA算法及其在人脸识别中的应用 144
A.1问题描述 144
A.1.1 K-L变换 144
A.1.2利用PCA进行人脸识别 145
A.2 PCA的理论基础 146
A.2.1投影 146
A.2.2 PCA的作用及其统计特性 146
A.2.3特征脸 147
A.2.4图片重建 148
A.2.5奇异值分解（SVD） 148
A.2.6利用小矩阵计算大矩阵特征向量 149
A.3 PCA相关源代码（matlab版） 150
A.3.1人脸识别FaceReC.m 150
A.3.2特征人脸识别Eigface.m 152
A.3.3人脸重建Reconstruction.m 154
附录B LFA理论 156
B.1理论描述 156
B.2 LFA相关源代码 157
B.2.1 LFA核K与逆核K-1 157
B.2.2 LFA重建 158
B.2.3 LFA的核K图及差P图 159
附录C基于单高斯模型的肤色检测及高斯混合模型参数优化 160
C.1高斯混合模型概述 160
C.1.1单高斯模型 160
C.1.2高斯混合模型 161
C.2采用EM估计GMM的参数 162
C.2.1初始值 162
C.2.2算法流程 163
C.3源码 164
C.3.1基于单高斯模型SGM的人脸肤色检测 164
C.3.2高斯混合模型 167
附录D平面曲线法向量及曲率的数值计算 172
D.1法向量的计算 172
D. 1.1封闭曲线 172
D. 1.2非封闭曲线 173
D.2曲率的计算 174
参考文献 176