人脸自动机器识别【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

人脸自动机器识别PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 生物特征识别1

1.1 生物特征识别的概念1

1.2 生物特征识别的发展前景2

1.3 生物特征识别技术简介5

1.3.1 人脸识别5

1.3.2 指纹识别5

1.3.3 人脸温谱图识别6

1.3.4 虹膜识别6

1.3.5 视网膜识别7

1.3.6 掌纹识别7

1.3.7 三维手型识别7

1.3.8 手背脉纹识别8

1.3.9 语音识别8

1.3.10 签名识别8

1.3.11 DNA序列匹配9

1.3.12 耳型识别9

1.3.13 步态识别9

1.3.14 击键动态识别9

1.3.15 小结10

参考文献10

第2章 人脸识别12

2.1 人脸识别概述12

2.1.1 人脸识别的研究内容12

2.1.2 人脸识别的优势与难点13

2.1.3 人脸识别的应用领域14

2.2 人脸识别系统15

参考文献16

第3章 人脸检测和识别的基本理论18

3.1 人脸检测和定位的理论与方法18

3.1.1 基于知识规则的方法18

3.1.2 基于可视特征的方法19

3.1.3 基于模板匹配的方法21

3.2 人脸特征提取和识别理论与方法22

3.2.1 基于几何特征的方法23

3.2.2 基于代数特征的方法24

3.2.3 基于机器学习的方法25

3.3 人脸识别评价标准30

3.3.1 评价标准30

3.3.2 性能指标31

3.4 国内研究现状33

参考文献33

第4章 复杂背景下的人脸检测39

4.1 人脸颜色空间40

4.1.1 RGB颜色模型40

4.1.2 YIQ颜色模型41

4.1.3 HSV模型42

4.1.4 HIS颜色模型43

4.1.5 YCbCr（YUV）颜色模型43

4.1.6 rgb颜色模型44

4.2 灰度图像检测46

4.2.1 差分图像46

4.2.2 投影斜率法47

4.3 彩色人脸检测49

4.4 人脸定位算法52

4.5 颜色模型自适应55

参考文献59

第5章 基于级联分类器的人脸检测60

5.1 分类器结构60

5.1.1 分类器级联61

5.1.2 Boosting原理63

5.2 弱分类器设计64

5.2.1 矩形特征选取64

5.2.2 基于感知器的弱学习算法65

5.3 AdaBoost算法67

5.4 实验与讨论69

5.4.1 分类器参数选择69

5.4.2 分类器实现70

参考文献72

第6章 人脸光照补偿74

6.1 光照对识别的影响74

6.2 相关研究工作75

6.3 基于小波的光照补偿方法76

6.3.1 二维小波分解与重建76

6.3.2 小波去除光照78

6.4 实验与讨论80

6.4.1 实验数据库80

6.4.2 图像标准化80

6.4.3 实验结果82

6.5 图像生成技术86

参考文献86

第7章 人脸特征提取与识别88

7.1 人脸特征提取88

7.1.1 PCA特征提取88

7.1.2 ICA特征提取91

7.1.3 PCA和ICA的比较95

7.2 人脸聚类分析96

7.2.1 聚类分析基本原理96

7.2.2 简单的分类规则98

7.2.3 最近邻人脸识别方法99

7.3 人脸数据库快速检索算法研究100

参考文献102

第8章 基于小波的人脸特征提取104

8.1 二维离散小波变换104

8.2 基于小波的人脸特征提取106

8.2.1 小波变换后的低频部分作为特征数据107

8.2.2 简单加权小波系数作为特征数据107

8.3 基于EZW的小波特征提取108

8.3.1 小波基的选择108

8.3.2 双正交小波变换109

8.3.3 静态图像的零树小波编码112

参考文献120

第9章 基于自适应谐振网络的人脸识别121

9.1 自适应谐振理论121

9.2 ART2神经网络122

9.2.1 F1场中第j个处理单元的描述122

9.2.2 F2场中所完成运算的描述124

9.2.3 F1场和F2场之间权重系数的学习124

9.2.4 调整子系统的工作原理以及参数选择125

9.2.5 ART2网络的学习算法126

9.3 人脸的局部特征定位127

9.3.1 眼睛的定位127

9.3.2 人脸倾斜和旋转补偿130

9.3.3 脸部分割131

9.3.4 面部特征向量132

9.4 实验与讨论132

9.4.1 ART2网络人脸识别算法132

9.4.2 实验结果133

参考文献134

第10章 人脸数据库检索135

10.1 数据库检索系统135

10.2 聚类算法138

10.2.1 标准的k均值聚类算法138

10.2.2 算法分析与改进139

10.3 实验与讨论140

10.3.1 实验环境140

10.3.2 实验步骤140

10.3.3 实验分析141

10.4 基于内容的不良图像检索144

10.4.1 不良图像建模145

10.4.2 广义模糊加权神经网络146

10.4.3 不良图像的识别148

参考文献149

第11章 人脸识别应用系统150

11.1 人脸识别门禁系统150

11.1.1 项目背景150

11.1.2 系统结构151

11.1.3 软件实现155

11.1.4 系统工程设计156

11.2 嵌入式人脸门锁159

11.2.1 项目背景159

11.2.2 系统设计161

11.2.3 技术关键162

11.3 其他领域的应用163

11.3.1 信息安全产品163

11.3.2 证件鉴别管理系统164

11.3.3 海量数据库人脸检索比对系统164

11.3.4 嵌入式人脸考勤系统165

11.3.5 人脸识别数码相机168

参考文献169

第12章 三维人脸识别展望170

12.1 深度人脸识别170

12.1.1 人脸识别从二维到三维170

12.1.2 三维人脸识别的挑战170

12.2 三维人脸模型171

12.2.1 人脸建模方法171

12.2.2 三维人脸模型172

12.3 三维人脸识别方法173

12.3.1 三维人脸重建173

12.3.2 三维头部跟踪174

12.3.3 三维人脸识别176

12.3.4 表情分析与合成177

12.4 结束语178

参考文献178

附录 人脸识别算法测试规范180