基于子空間的人臉識(shí)別

第1章 緒論
1．1 人臉識(shí)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(shí)別
1．2 人臉識(shí)別的研究
1．2．1 人臉識(shí)別相關(guān)概念
1．2．2 人臉識(shí)別流程
1．2．3 人臉識(shí)別中的幾個(gè)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(cè)
2．1 基于學(xué)習(xí)的人臉檢測(cè)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(cè)
2．1．3 性能評(píng)價(jià)方法
2．2 基于Adaboost的人臉檢測(cè)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(jí)聯(lián)分類器結(jié)構(gòu)
2．3 基于Adaboost人臉檢測(cè)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(jí)聯(lián)結(jié)構(gòu)的擴(kuò)展
2．3．4 多視角人臉檢測(cè)
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(shí)現(xiàn)
3．1．4 多核跟蹤
3．2 隨機(jī)跟蹤算法
3．2．1 基于動(dòng)力學(xué)系統(tǒng)模型的方法
3．2．2 基于統(tǒng)計(jì)模式識(shí)別的方法
參考文獻(xiàn)
第4章 人臉描述
4．1 基于主動(dòng)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(dòng)表觀模型的人臉描述
4．2．1 AAM方法簡(jiǎn)介
4．2．2 形狀無關(guān)圖像的獲取
4．2．3 統(tǒng)計(jì)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(dú)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(duì)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(shí)驗(yàn)
參考文獻(xiàn)
第9章 分類器設(shè)計(jì)
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(píng)價(jià)指標(biāo)與評(píng)測(cè)比較
10．1 評(píng)價(jià)指標(biāo)
10．2 評(píng)測(cè)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(shí)別綜述
B．1 基于視頻的人臉識(shí)別
B．1．1 “視頻-圖像”人臉識(shí)別
B．1．2 “視頻-視頻”人臉識(shí)別
B．2 3-D人臉建模
B．2．1 未結(jié)合人臉先驗(yàn)?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(shí)別概述
C．1 表情識(shí)別
C．1．1 表情識(shí)別的依據(jù)
C．1．2 表情識(shí)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(shí)別
C．2．1 年齡識(shí)別的依據(jù)
C．2．2 年齡模擬研究
C．2．3 年齡估計(jì)研究
C．2．4 與年齡無關(guān)的人臉識(shí)別
C．3 性別識(shí)別
C．3．1 性別識(shí)別的依據(jù)
C．3．2 性別識(shí)別研究方法
參考文獻(xiàn)
附錄D常用數(shù)據(jù)庫(kù)
D．1 數(shù)據(jù)庫(kù)概況
D．2 數(shù)據(jù)庫(kù)具體描述