人臉識別原理及算法：動態(tài)人臉識別系統(tǒng)研究

目　錄
第1部分　人臉識別介紹　1
第1章　人臉識別概論　2
1．1　歷史背景　2
1．2　人臉識別相關(guān)學(xué)科的進展　4
1．2．1　神經(jīng)生理學(xué)方面的進展　4
1．2．2　腦神經(jīng)學(xué)方面的進展　4
1．2．3　計算機視覺方面的進展　5
1．3　模式識別理論　11
1．3．1　預(yù)處理　12
1．3．2　特征提取　13
1．3．3　分類　13
1．4　人臉圖像識別主要研究的問題　14
1．4．1　數(shù)據(jù)采樣　15
1．4．2　干擾因素　16
1．5　人臉圖像識別系統(tǒng)的構(gòu)成　17
1．5．1　人臉圖像預(yù)處理　17
1．5．2　圖像表示與特征提取　17
1．5．3　圖像識別　18
第2章　人臉識別研究綜述　19
2．1　研究現(xiàn)狀　19
2．2　常用的靜態(tài)人臉圖像識別方法　20
2．2．1　幾何特征方法　21
2．2．2　特征臉方法　22
2．2．3　局部特征分析技術(shù)　24
2．2．4　模板匹配　25
2．2．5　圖匹配　26
2．2．6　人工神經(jīng)網(wǎng)絡(luò)方法　28
2．2．7　柔性形狀模型技術(shù)　31
2．2．8　綜合的方法　33
2．3　人臉檢測以及人臉跟蹤　34
2．4　人臉圖像識別的應(yīng)用前景　35
2．5　一些商用人臉識別軟件　36
2．5．1　TrueFace　36
2．5．2　Face-It　36
2．5．3　Technology Recognition Systems　37
第2部分　靜態(tài)人臉圖像識別　39
第3章　人臉特征探測　41
3．1　簡介　41
3．2　參數(shù)化模型法　42
3．2．1　圖像的各種表示　42
3．2．2　眼睛模型表示　42
3．2．3　嘴巴模型和鼻子模型　45
3．2．4　方法的優(yōu)缺點　45
3．3　基于模板的探測方法　45
3．3．1　模板表示　46
3．3．2　圖像標準化　46
3．3．3　方法的優(yōu)缺點　48
3．4　利用數(shù)學(xué)算子進行探測　49
3．4．1　特征探測模型　49
3．4．2　方法的優(yōu)缺點　50
3．5　小結(jié)　50
第4章　基于通用形變模型的人臉輪廓特征提取　51
4．1　引言　51
4．2　通用形變模型的形成　52
4．2．1　輪廓特征點的選取　53
4．2．2　形變模型的形成　53
4．2．3　形變模型的能量　54
4．3　模型匹配　57
4．3．1　全局匹配　58
4．3．2　局部匹配　59
4．4　實驗　61
4．5　小結(jié)　62
第5章　基于主成分分析方法的人臉圖像識別及人臉局部特征探測　63
5．1　引言　63
5．2　主成分分析方法在人臉圖像識別中的應(yīng)用　65
5．2．1　特征向量的表示能力　66
5．2．2　特征向量的選擇　69
5．2．3　光照的影響　71
5．2．4　尺度的影響　72
5．2．5　旋轉(zhuǎn)因素的影響　76
5．2．6　小結(jié)　84
5．3　人臉局部特征探測　84
5．3．1　逐步求精定位法　85
5．3．2　實驗　86
5．4　利用局部特征識別人臉圖像　88
5．5　小結(jié)　90
第6章　人臉圖像的雙屬性圖表示　91
6．1　引言　91
6．2　Gabor變換　92
6．2．1　傅里葉變換　92
6．2．2　Gabor變換　93
6．3　基于數(shù)學(xué)變換的特征提取　96
6．3．1　特征的生成　96
6．3．2　實驗　98
6．3．3　實驗結(jié)果　100
6．3．4　小結(jié)　102
6．4　人臉圖像的雙屬性圖表示　103
6．4．1　關(guān)系圖　103
6．4．2　屬性圖　103
6．4．3　雙屬性圖　104
6．5　小結(jié)　106
第7章　人臉圖像識別　107
7．1　引言　107
7．2　待識人臉圖像的表示　107
7．2．1　局部特征點的確定　108
7．2．2　局部主成分特征的確定　108
7．2．3　Gabor系數(shù)特征的確定　109
7．3　雙屬性圖匹配　113
7．3．1　匹配函數(shù)　113
7．3．2　lt的確定　113
7．3．3　光照的處理　113
7．3．4　尺度的處理　115
7．3．5　平面旋轉(zhuǎn)人臉圖像的處理　115
7．3．6　深度旋轉(zhuǎn)人臉圖像的處理　117
7．3．7　圖像識別　118
7．3．8　方法的有效性　118
7．4　實驗　120
7．4．1　圖像尺度及旋轉(zhuǎn)情況的確定　120
7．4．2　人臉圖像識別　122
7．5　小結(jié)　123
第8章　人臉圖像識別程序?qū)崿F(xiàn)　124
8．1　主成分分析算法的MATLAB實現(xiàn)　124
8．2　Gabor變換　128
8．3　使用動態(tài)模板方法進行識別　130
8．4　Gauss變換用于提取圖像的特征　136
第3部分　動態(tài)人臉識別研究　143
第9章　動態(tài)人臉識別系統(tǒng)　145
9．1　研究背景及條件　145
9．1．1　研究背景　145
9．1．2　研究對象和限定條件　146
9．2　樣本獲取　149
9．2．1　視頻格式　149
9．3　隱馬爾科夫模型　151
9．4　動態(tài)人臉識別系統(tǒng)框架　153
9．4．1　預(yù)處理　154
9．4．2　相關(guān)性處理　159
9．4．3　隱馬爾科夫模型的狀態(tài)及屬性確定　160
9．4．4　觀察序列概率分布計算　161
9．4．5　隱馬爾科夫模型的訓(xùn)練　161
9．4．6　隱馬爾科夫模型的識別　161
第10章　動態(tài)人臉圖像定位算法　162
10．1　動態(tài)人臉圖像定位問題　162
10．2　Hausdorff距離　164
10．3　人臉圖像定位算法　166
10．4　實驗結(jié)果　169
第11章　動態(tài)人臉識別的相關(guān)性　179
11．1　人臉圖像的相關(guān)性表示　179
11．2　動態(tài)人臉的相關(guān)系數(shù)　181
11．2．1　特征子空間相關(guān)系數(shù)　182
11．2．2　插值相關(guān)系數(shù)　184
11．2．3　圖像內(nèi)部信息相關(guān)系數(shù)　186
11．2．4　3種相關(guān)系數(shù)的實驗比較　187
11．3　相關(guān)性處理與動態(tài)圖像分割　189
第12章　動態(tài)人臉圖像識別　191
12．1　隱馬爾科夫模型的基本問題　192
12．1．1　估價問題和前向算法　192
12．1．2　解碼問題和Viterbi算法　192
12．1．3　訓(xùn)練問題　193
12．1．4　識別問題　195
12．2　基于隱馬爾科夫模型的動態(tài)人臉識別系統(tǒng)　195
12．2．1　隱馬爾科夫模型的狀態(tài)及屬性圖像　196
12．2．2　觀察序列數(shù)目　201
12．2．3　觀察序列初始概率分布　202
12．2．4　相關(guān)系數(shù)與初始概率調(diào)整　202
12．2．5　隱馬爾科夫模型訓(xùn)練和動態(tài)人臉圖像識別　203
12．3　實驗結(jié)果與分析　204
12．3．1　實驗結(jié)果　204
12．3．2　與相關(guān)實驗結(jié)果的對比　208
12．4　隱馬爾科夫模型與動態(tài)圖像分割　209
12．5　動態(tài)人臉圖像識別中外界影響的處理　210
12．5．1　有外界影響的動態(tài)人臉識別　210
12．5．2　動態(tài)人臉識別算法在外界影響下的調(diào)整　211
第13章　結(jié)束語　213
參考文獻　217
術(shù)語　233