第1章 引論
1.1 概述
1.2 人臉辨識(shí)與人臉認(rèn)證評(píng)價(jià)指標(biāo)
1.3 人臉識(shí)別方法
1.3.1 基于幾何特征的人臉識(shí)別
1.3.2 基于表象的人臉識(shí)別
1.3.3 基于稀疏描述的人臉識(shí)別方法
1.4 人臉識(shí)別技術(shù)的應(yīng)用分析
1.5 基于表情的人臉識(shí)別
1.6 年齡不變?nèi)四樧R(shí)別
1.7 3D人臉識(shí)別研究
1.7.1 基于空域的直接匹配方法
1.7.2 基于局部特征的匹配
1.7.3 基于全局特征的匹配
1.8 常用人臉庫介紹
1.8.1 FERET人臉數(shù)據(jù)庫
1.8.2 Yale人臉數(shù)據(jù)庫
1.8.3 YaleB人臉數(shù)據(jù)庫
1.8.4 ORL人臉數(shù)據(jù)庫
1.8.5 AR人臉數(shù)據(jù)庫
1.8.6 XM2VTS人臉數(shù)據(jù)庫
1.8.7 CMUPIE數(shù)據(jù)庫
1.8.8 可見光與近紅外人臉數(shù)據(jù)庫

第2章 一維降維方法與人臉識(shí)別
2.1 特征臉方法
2.2 基于Fisher準(zhǔn)則的線性鑒別分析方法
2.3 Fisherface
2.4 一維核方法
2.5 局部保持投影方法

第3章 二維降維方法與人臉識(shí)別
3.1 二維主成分分析的實(shí)現(xiàn)及融合方案
3.1.1 2DPCA
3.1.2 2DPCA的兩種不同實(shí)現(xiàn)及其意義
3.1.3 實(shí)驗(yàn)及分析
3.2 基于復(fù)矩陣的主成分分析與線性鑒別分析
3.2.1 基于復(fù)矩陣的主成分分析
3.2.2 基于復(fù)矩陣的主成分分析的討論
3.2.3 基于復(fù)矩陣的線性鑒別分析
3.2.4 基于復(fù)矩陣的線性鑒別分析的理論分析
3.3 二維局部保持投影分析
3.3.1 二維監(jiān)督的局部保持投影
3.3.2 二維監(jiān)督局部保持投影分析
3.3.3 二維判別監(jiān)督局部保持算法
3.3.4 實(shí)驗(yàn)

第4章 稀疏描述及其人臉識(shí)別應(yīng)用
4.1 基于稀疏描述的人臉識(shí)別方法
4.2 快速稀疏方法
4.3 字典學(xué)習(xí)
4.4 人臉對(duì)齊
4.5 核稀疏方法
4.6 本章小結(jié)

第5章 快速稀疏描述方法
5.1 基于全局表達(dá)方法的圖像測(cè)試樣本描述與識(shí)別
5.1.1 原空間中圖像測(cè)試樣本的全局表達(dá)方法
5.1.2 特征空間中圖像測(cè)試樣本全局表達(dá)方法的初步設(shè)計(jì)
5.1.3 全局表達(dá)方法的可行性分析
5.2 快速稀疏描述方法
5.2.1 快速稀疏描述方法的設(shè)計(jì)
5.2.2 快速稀疏描述方法的可行性分析
5.3 快速稀疏描述方法的變形算法
5.4 本章小結(jié)

第6章 稀疏描述思想與改進(jìn)的K近鄰分類
6.1 基于描述的最近鄰分類
6.1.1 基于描述的最近鄰分類方法
6.1.2 方法的分析
6.1.3 實(shí)驗(yàn)結(jié)果
6.1.4 結(jié)論
6.2 加權(quán)最近鄰分類
6.2.1 方法介紹
6.2.2 加權(quán)最近鄰分類與NNCM的關(guān)系
6.2.3 實(shí)驗(yàn)結(jié)果
6.2.4 結(jié)論
6.3 改進(jìn)的近鄰特征空間方法
6.3.1 K近鄰分類方法的幾個(gè)擴(kuò)展
6.3.2 改進(jìn)的近鄰特征空間方法
6.3.3 改進(jìn)的近鄰特征空間方法分析
6.3.4 實(shí)驗(yàn)結(jié)果
6.3.5 結(jié)論

第7章 稀疏描述思想與改進(jìn)的降維方法
7.1 稀疏描述與常規(guī)變換方法的結(jié)合
7.1.1 改進(jìn)的常規(guī)變換方法
7.1.2 關(guān)于ICTM的分析
7.1.3 實(shí)驗(yàn)結(jié)果
7.1.4 結(jié)論
7.2 基于描述和降維的人臉識(shí)別
7.2.1 基于描述和降維的人臉識(shí)別方法
7.2.2 方法合理性分析
7.2.3 實(shí)驗(yàn)結(jié)果
7.2.4 結(jié)論
7.3 討論
7.3.1 正確分類的前提條件
7.3.2 線性降維與樣本近鄰關(guān)系
7.3.3 描述誤差與分類精度

第8章 基于描述的方法與多生物特征識(shí)別應(yīng)用
8.1 基于交叉得分的多生物特征識(shí)別方法
8.1.1 具體方法
8.1.2 算法特點(diǎn)與原理
8.1.3 實(shí)驗(yàn)結(jié)果
8.1.4 結(jié)論和討論
8.2 基于多Gabor特征融合的人臉識(shí)別
8.2.1 Gabor變換及本節(jié)的方法
8.2.2 方法的分析
8.2.3 實(shí)驗(yàn)
8.2.4 結(jié)論
8.3 復(fù)空間局部保持投影方法
8.3.1 CLPP
8.3.2 實(shí)驗(yàn)
8.3.3 結(jié)論

第9章 彩色人臉識(shí)別的研究與發(fā)展
9.1 全局彩色人臉識(shí)別方法
9.1.1 基于各顏色通道的全局方法
9.1.2 其他全局方法
9.2 局部彩色人臉識(shí)別方法
9.2.1 局部二元模式算子
9.2.2 基于Gabor變換的局部彩色人臉識(shí)別方法
9.3 其他彩色人臉識(shí)別方法

第10章 基于視頻的人臉識(shí)別技術(shù)綜述
10.1 引言
10.1.1 基于視頻的人臉識(shí)別技術(shù)的特點(diǎn)
10.1.2 基于視頻的人臉識(shí)別技術(shù)的幾個(gè)問題
10.1.3 基于視頻的人臉識(shí)別技術(shù)流程圖
10.2 各模塊的主要技術(shù)與方法
10.2.1 基于視頻的人臉檢測(cè)
10.2.2 基于視頻的人臉跟蹤
10.2.3 基于視頻的人臉識(shí)別
10.3 基于視頻的人臉識(shí)別技術(shù)難點(diǎn)
10.3.1 光照的影響
10.3.2 姿態(tài)變化的影響
10.3.3 低分辨率的影響
10.4 基于視頻的人臉識(shí)別技術(shù)在ATM中的應(yīng)用
10.4.1 基于視頻的人臉識(shí)別技術(shù)在ATM中應(yīng)用的技術(shù)方案
10.4.2 技術(shù)方案流程圖
10.4.3 人臉識(shí)別的融合算法介紹
10.4.4 實(shí)驗(yàn)驗(yàn)證
10.5 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果統(tǒng)計(jì)

第11章 人臉偽裝判識(shí)及應(yīng)用
11.1 概述與分析
11.1.1 人臉偽裝判識(shí)的實(shí)際需求
11.1.2 相關(guān)研究介紹
11.1.3 技術(shù)難點(diǎn)分析
11.1.4 偽裝定義、偽裝判識(shí)的全局方案
11.2 人臉偽裝判識(shí)方法
11.2.1 人像定位
11.2.2 基于Haar分類器的偽裝檢測(cè)
11.2.3 對(duì)誤報(bào)的分類
11.2.4 基于直線檢測(cè)的背景誤報(bào)剔除方法
11.2.5 基于鏡橋檢測(cè)的墨鏡誤報(bào)判別方法
11.2.6 基于對(duì)稱差分的墨鏡偽裝判別方法
11.2.7 基于Galbor濾波的墨鏡誤報(bào)判別
11.2.8 基于聚類分析的帽子誤報(bào)判別
11.2.9 基于膚色模型的口罩偽裝判識(shí)
11.2.10 其他誤報(bào)剔除方法
11.3 系統(tǒng)的實(shí)施與評(píng)估
11.3.1 系統(tǒng)結(jié)構(gòu)
11.3.2 系統(tǒng)模塊設(shè)計(jì)

第12章 人臉考勤與識(shí)別系統(tǒng)
12.1 紅外人臉識(shí)別與雙模態(tài)人臉考勤系統(tǒng)
12.1.1 遠(yuǎn)紅外與近紅外人臉對(duì)比分析
12.1.2 系統(tǒng)技術(shù)方案的考慮與設(shè)計(jì)
12.1.3 系統(tǒng)軟硬件
12.2 人臉與指紋聯(lián)合識(shí)別系統(tǒng)
12.2.1 系統(tǒng)分析與設(shè)計(jì)
12.2.2 系統(tǒng)硬件
12.2.3 系統(tǒng)細(xì)節(jié)
12.3 基于人臉圖像認(rèn)證的計(jì)算機(jī)登錄系統(tǒng)
12.3.1 引言
12.3.2 Windows登錄系統(tǒng)概述
12.3.3 人臉登錄系統(tǒng)設(shè)計(jì)
12.3.4 人臉識(shí)別
參考文獻(xiàn)