基于子空間的人臉識別

第1章 緒論
1．1 人臉識別概況
1．1．1 歷史回顧
1．1．2 研究進(jìn)展和應(yīng)用擴(kuò)展
1．1．3 生物特征識別
1．2 人臉識別的研究
1．2．1 人臉識別相關(guān)概念
1．2．2 人臉識別流程
1．2．3 人臉識別中的幾個問題
1．2．4 擴(kuò)展研究
1．3 全書框架
1．3．1 子空間方法
1．3．2 各章 摘要
參考文獻(xiàn)
第2章 人臉檢測
2．1 基于學(xué)習(xí)的人臉檢測流程
2．1．1 分類器的離線學(xué)習(xí)
2．1．2 目標(biāo)的在線檢測
2．1．3 性能評價方法
2．2 基于Adaboost的人臉檢測方法
2．2．1 Haar矩形特征
2．2．2 基于離散Adaboost的特征選擇
2．2．3 級聯(lián)分類器結(jié)構(gòu)
2．3 基于Adaboost人臉檢測方法的擴(kuò)展
2．3．1 Haar特征的擴(kuò)展
2．3．2 Adaboost的擴(kuò)展
2．3．3 級聯(lián)結(jié)構(gòu)的擴(kuò)展
2．3．4 多視角人臉檢測
參考文獻(xiàn)
第3章 人臉跟蹤
3．1 確定性跟蹤算法
3．1．1 目標(biāo)表示
3．1．2 目標(biāo)定位
3．1．3 跟蹤算法實現(xiàn)
3．1．4 多核跟蹤
3．2 隨機(jī)跟蹤算法
3．2．1 基于動力學(xué)系統(tǒng)模型的方法
3．2．2 基于統(tǒng)計模式識別的方法
參考文獻(xiàn)
第4章 人臉描述
4．1 基于主動形狀模型的人臉描述
4．1．1 ASM的建立
4．1．2 ASM的局部特征模型
4．2 基于主動表觀模型的人臉描述
4．2．1 AAM方法簡介
4．2．2 形狀無關(guān)圖像的獲取
4．2．3 統(tǒng)計表觀模型的建立
4．3 HOG特征及LBP特征
4．3．1 HOG特征
4．3．2 LBP特征
4．4 基于蓋伯變換特征的人臉描述
4．4．1 蓋伯變換的定義
4．4．2 2-D蓋伯濾波器的定義
參考文獻(xiàn)
第5章 基本線性子空間方法
5．1 線性子空間方法
5．2 主分量分析
5．2．1 基本原理
5．2．2 典型算法
5．3 獨立分量分析
5．3．1 基本概念
5．3．2 特性研究
5．3．3 典型算法
5．4 線性鑒別分析
5．4．1 基本定義
5．4．2 目標(biāo)函數(shù)研究
5．4．3 可行解技術(shù)研究
5．4．4 類內(nèi)和類間度量矩陣刻畫
5．4．5 圖像差值模型
5．5 類依賴特征分析
5．5．1 基本框架
5．5．2 常用的相關(guān)濾波器
參考文獻(xiàn)
第6章 張量方法
6．1 2D-PCA
6．1．1 2D-PCA的基本原理
6．1．2 2D-PCA的應(yīng)用
6．1．3 統(tǒng)一主分量分析
6．2 2D-LDA
6．2．1 2D-LDA的基本原理
6．2．2 2D-LDA與1D-LDA的對比
6．3 張量臉
6．3．1 張量臉的基本原理
6．3．2 一些改進(jìn)方法
參考文獻(xiàn)
第7章 核方法
7．1 基本概念
7．1．1 核映射與核空間
7．1．2 內(nèi)積與核函數(shù)
7．1．3 核矩陣
7．2 核主分量分析
7．2．1 KPCA原理
7．2．2 K2D-PCA
7．3 核鑒別分析
7．3．1 KDA及改進(jìn)
7．3．2 KDCV
7．3．3 K2D-FDA
7．4 核流形分析
7．4．1 核局部保持映射
7．4．2 核圖嵌入模型
7．4．3 KLWMMC
參考文獻(xiàn)
第8章 非負(fù)矩陣(集)分解
8．1 NMF的基本概念
8．2 基于基本NMF模型的算法
8．2．1 基于單目標(biāo)函數(shù)的NMF算法
8．2．2 基于目標(biāo)函數(shù)族的NMF算法
8．3 基于改進(jìn)NMF模型的算法
8．3．1 稀疏性增強(qiáng)的NMF算法
8．3．2 加權(quán)NMF算法
8．3．3 鑒別性嵌入NMF算法
8．4 NMSF模型和方法
8．4．1 NMSF定義與基本性質(zhì)
8．4．2 NMSF的解釋
8．4．3 NMSF的分類
8．4．4 NMSF描述能力和推廣性實驗
參考文獻(xiàn)
第9章 分類器設(shè)計
9．1 最近鄰法
9．2 線性分類器
9．3 人工神經(jīng)網(wǎng)絡(luò)
9．3．1 神經(jīng)元和神經(jīng)網(wǎng)
9．3．2 反向傳播算法
9．4 支持向量機(jī)
9．4．1 原理和數(shù)學(xué)表示
9．4．2 改進(jìn)和推廣
9．5 Adaboost分類器
9．5．1 Adaboost算法
9．5．2 Adaboost算法分析
9．5．3 Adaboost算法拓展
參考文獻(xiàn)
第10章 評價指標(biāo)與評測比較
10．1 評價指標(biāo)
10．2 評測比較
附錄A張量
A．1 基本概念
A．2 張量分解
參考文獻(xiàn)
附錄B3-D人臉識別綜述
B．1 基于視頻的人臉識別
B．1．1 “視頻-圖像”人臉識別
B．1．2 “視頻-視頻”人臉識別
B．2 3-D人臉建模
B．2．1 未結(jié)合人臉先驗?zāi)Ｐ偷慕?br />B．2．2 結(jié)合一般人臉模型的建模
B．2．3 結(jié)合3-D人臉形變模型的建模
參考文獻(xiàn)
附錄C相關(guān)識別概述
C．1 表情識別
C．1．1 表情識別的依據(jù)
C．1．2 表情識別系統(tǒng)框架
C．1．3 表情特征提取研究
C．1．4 表情分類研究
C．2 年齡識別
C．2．1 年齡識別的依據(jù)
C．2．2 年齡模擬研究
C．2．3 年齡估計研究
C．2．4 與年齡無關(guān)的人臉識別
C．3 性別識別
C．3．1 性別識別的依據(jù)
C．3．2 性別識別研究方法
參考文獻(xiàn)
附錄D常用數(shù)據(jù)庫
D．1 數(shù)據(jù)庫概況
D．2 數(shù)據(jù)庫具體描述