书籍详情
人脸识别算法与案例分析
作者：曹林 著
出版社：电子工业出版社
出版时间：2021-01-01
ISBN：9787121403927
定价：¥96.00
购买这本书可以去
内容简介
本书内容丰富，阐述清晰详尽，文图结合紧密，可读性好，实用性强，主要介绍了人脸识别中的一些算法与案例，主要包括素描人脸识别与人脸合成的研究与应用、传统特征提取算法在素描人脸识别中的应用、深度学习在素描人脸识别上的研究与应用、传统素描人脸合成方法、基于生成对抗网络的素描人脸合成方法、人脸超分辨率重建方法等内容。本书可作为研究人脸识别技术的参考用书，也可以作为高等院校相关专业的本科生和研究生参考书，还可供人脸识别技术领域工作的工程技术人员阅读。
作者简介
曹林，博士，教授，现任北京信息科技大学信息与通信工程学院院长，光电测试技术及仪器教育部重点实验室副主任，中国电子教育学会研究生教育分会理事，北京信息科技大学勤信学者，信息与通信工程一级学科硕士点负责人。他先后主持国家自然科学基金面上项目、国防军工和横向等课题，近年来，作为项目骨干完成国家科技重大专项专题3项（排名第2、第3和第4），累计承担科研项目到款约1800多万元。研究方向：空间信息智能感知与计算、图像理解与识别和雷达信号处理。近年来发表学术论文40余篇，出版学术著作4部，教材1部，获北京市科学技术奖和中国智能交通协会科学技术奖等3项科技奖励（排名第2），产生良好的经济和社会效益，授权发明专利6项，计算机软件著作权35项，其指导的研究生获2016年度“中国图象图形学报”优秀论文奖。
目录
第1章 人脸识别的研究与应用 001
1．1 素描人脸识别的研究与应用 002
1．1．1 光学人脸识别研究历程 002
1．1．2 素描人脸识别国内外研究现状 003
1．1．3 素描人脸识别数据库 005
1．1．4 素描人脸识别的难点和发展趋势 011
1．2 素描人脸合成的研究与应用 011
1．2．1 素描人脸合成的国内外研究现状 012
1．2．2 素描人脸图像质量评估指标 019
1．2．3 素描人脸合成的难点与发展趋势 020
1．3 人像着色的研究与应用 021
1．3．1 人像着色的国内外研究现状 021
1．3．2 人像着色的难点与发展趋势 022
1．4 人脸图像超分辨率重建技术的研究与应用 022
1．4．1 人脸图像超分辨率的发展及国内外研究现状 022
1．4．2 人脸图像超分辨率重建质量评价标准 024
1．4．3 人脸图像超分辨率重建技术的难点与发展趋势 026
1．5 本章小结 027
参考文献 027
第2章 传统特征提取算法在素描人脸识别上的应用与研究 036
2．1 传统素描人脸识别算法相关原理 037
2．1．1 人脸图像分割算法 037
2．1．2 人脸特征提取算法 042
2．2 基于Surf匹配坐标邻域优化的素描人脸识别 049
2．2．1 Surf匹配 050
2．2．2 坐标邻域优化 053
2．2．3 识别过程 055
2．2．4 实验结果与分析 056
2．3 基于张量排序保留判别分析的人脸特征提取 062
2．3．1 张量排序保留判别投影（TRPDA）模型 064
2．3．2 TRPDA求解算法 068
2．3．3 实验结果与分析 072
2．4 本章小结 081
参考文献 082
第3章 深度学习在素描人脸识别上的应用 087
3．1 深度学习相关原理 087
3．1．1 卷积神经网络概述 087
3．1．2 主流人脸识别模型框架 089
3．1．3 度量学习 095
3．2 基于联合分布适配的素描人脸识别 096
3．2．1 迁移学习 096
3．2．2 模型结构 100
3．2．3 损失函数 102
3．2．4 实验结果与分析 103
3．3 基于残差网络和度量学习的素描人脸识别 106
3．3．1 模型结构 107
3．3．2 损失函数 108
3．3．3 实验结果与分析 109
3．4 基于SE-ResNeXt模型的素描人脸识别 117
3．4．1 SE-ResNeXt网络模型 118
3．4．2 损失函数 120
3．4．3 实验结果与分析 121
3．5 本章小结 127
参考文献 128
第4章 传统素描人脸合成方法 131
4．1 结合LBP局部特征提取的素描人脸合成方法 131
4．1．1 欧氏距离粗提取 132
4．1．2 结合子块切分的LBP局部特征提取 133
4．1．3 合成过程 134
4．1．4 实验结果与分析 137
4．2 结合pHash稀疏编码的素描人脸合成方法 141
4．2．1 基于图像熵的图像分块 141
4．2．2 图像块的特征提取 145
4．2．3 实验结果与分析 150
4．3 本章小结 157
参考文献 157
第5章 生成对抗网络在素描人脸合成中的应用 161
5．1 生成对抗网络相关原理 161
5．1．1 生成对抗网络模型概述 161
5．1．2 生成对抗网络的改进 163
5．2 基于生成对抗网络的素描人脸合成方法 169
5．2．1 生成对抗网络模型 169
5．2．2 损失函数 174
5．2．3 实验结果与分析 177
5．3 基于双层对抗网络的素描人脸合成方法 185
5．3．1 双层对抗网络模型 186
5．3．2 损失函数 188
5．3．3 实验结果与分析 189
5．4 基于特征学习生成对抗网络的高质量素描人脸合成方法 194
5．4．1 特征学习生成对抗网络模型 194
5．4．2 损失函数 199
5．4．3 实验结果与分析 202
5．5 多判别器循环生成对抗网络的素描人脸合成方法 211
5．5．1 多判别循环生成对抗网络模型 211
5．5．2 损失函数 215
5．5．3 实验结果与分析 216
5．6 本章小结 223
参考文献 224
第6章 基于联合一致循环生成对抗网络的人像着色方法 228
6．1 色彩空间 229
6．2 网络结构 229
6．2．1 着色网络模型 230
6．2．2 生成网络 231
6．2．3 判别网络 232
6．3 损失函数 233
6．3．1 生成对抗损失 233
6．3．2 联合一致性损失 234
6．4 实验结果与分析 235
6．4．1 数据库及参数设置 235
6．4．2 消融实验 238
6．4．3 和已有方法对比 239
6．5 本章小结 242
参考文献 242
第7章 人脸超分辨率重建 246
7．1 双层级联神经网络的人脸超分辨率重建 246
7．1．1 堆叠沙漏块结构 246
7．1．2 双层级联神经网络结构 248
7．1．3 损失函数 250
7．1．4 实验结果与分析 251
7．2 基于引导图像的人脸超分辨率重建 256
7．2．1 3DMM人脸拟合 257
7．2．2 基于3DMM的人脸矫正 257
7．2．3 基于引导图像的人脸超分辨率重建网络 258
7．2．4 实验结果与分析 261
7．3 本章小结 267
参考文献
1．1 素描人脸识别的研究与应用 002
1．1．1 光学人脸识别研究历程 002
1．1．2 素描人脸识别国内外研究现状 003
1．1．3 素描人脸识别数据库 005
1．1．4 素描人脸识别的难点和发展趋势 011
1．2 素描人脸合成的研究与应用 011
1．2．1 素描人脸合成的国内外研究现状 012
1．2．2 素描人脸图像质量评估指标 019
1．2．3 素描人脸合成的难点与发展趋势 020
1．3 人像着色的研究与应用 021
1．3．1 人像着色的国内外研究现状 021
1．3．2 人像着色的难点与发展趋势 022
1．4 人脸图像超分辨率重建技术的研究与应用 022
1．4．1 人脸图像超分辨率的发展及国内外研究现状 022
1．4．2 人脸图像超分辨率重建质量评价标准 024
1．4．3 人脸图像超分辨率重建技术的难点与发展趋势 026
1．5 本章小结 027
参考文献 027
第2章 传统特征提取算法在素描人脸识别上的应用与研究 036
2．1 传统素描人脸识别算法相关原理 037
2．1．1 人脸图像分割算法 037
2．1．2 人脸特征提取算法 042
2．2 基于Surf匹配坐标邻域优化的素描人脸识别 049
2．2．1 Surf匹配 050
2．2．2 坐标邻域优化 053
2．2．3 识别过程 055
2．2．4 实验结果与分析 056
2．3 基于张量排序保留判别分析的人脸特征提取 062
2．3．1 张量排序保留判别投影（TRPDA）模型 064
2．3．2 TRPDA求解算法 068
2．3．3 实验结果与分析 072
2．4 本章小结 081
参考文献 082
第3章 深度学习在素描人脸识别上的应用 087
3．1 深度学习相关原理 087
3．1．1 卷积神经网络概述 087
3．1．2 主流人脸识别模型框架 089
3．1．3 度量学习 095
3．2 基于联合分布适配的素描人脸识别 096
3．2．1 迁移学习 096
3．2．2 模型结构 100
3．2．3 损失函数 102
3．2．4 实验结果与分析 103
3．3 基于残差网络和度量学习的素描人脸识别 106
3．3．1 模型结构 107
3．3．2 损失函数 108
3．3．3 实验结果与分析 109
3．4 基于SE-ResNeXt模型的素描人脸识别 117
3．4．1 SE-ResNeXt网络模型 118
3．4．2 损失函数 120
3．4．3 实验结果与分析 121
3．5 本章小结 127
参考文献 128
第4章 传统素描人脸合成方法 131
4．1 结合LBP局部特征提取的素描人脸合成方法 131
4．1．1 欧氏距离粗提取 132
4．1．2 结合子块切分的LBP局部特征提取 133
4．1．3 合成过程 134
4．1．4 实验结果与分析 137
4．2 结合pHash稀疏编码的素描人脸合成方法 141
4．2．1 基于图像熵的图像分块 141
4．2．2 图像块的特征提取 145
4．2．3 实验结果与分析 150
4．3 本章小结 157
参考文献 157
第5章 生成对抗网络在素描人脸合成中的应用 161
5．1 生成对抗网络相关原理 161
5．1．1 生成对抗网络模型概述 161
5．1．2 生成对抗网络的改进 163
5．2 基于生成对抗网络的素描人脸合成方法 169
5．2．1 生成对抗网络模型 169
5．2．2 损失函数 174
5．2．3 实验结果与分析 177
5．3 基于双层对抗网络的素描人脸合成方法 185
5．3．1 双层对抗网络模型 186
5．3．2 损失函数 188
5．3．3 实验结果与分析 189
5．4 基于特征学习生成对抗网络的高质量素描人脸合成方法 194
5．4．1 特征学习生成对抗网络模型 194
5．4．2 损失函数 199
5．4．3 实验结果与分析 202
5．5 多判别器循环生成对抗网络的素描人脸合成方法 211
5．5．1 多判别循环生成对抗网络模型 211
5．5．2 损失函数 215
5．5．3 实验结果与分析 216
5．6 本章小结 223
参考文献 224
第6章 基于联合一致循环生成对抗网络的人像着色方法 228
6．1 色彩空间 229
6．2 网络结构 229
6．2．1 着色网络模型 230
6．2．2 生成网络 231
6．2．3 判别网络 232
6．3 损失函数 233
6．3．1 生成对抗损失 233
6．3．2 联合一致性损失 234
6．4 实验结果与分析 235
6．4．1 数据库及参数设置 235
6．4．2 消融实验 238
6．4．3 和已有方法对比 239
6．5 本章小结 242
参考文献 242
第7章 人脸超分辨率重建 246
7．1 双层级联神经网络的人脸超分辨率重建 246
7．1．1 堆叠沙漏块结构 246
7．1．2 双层级联神经网络结构 248
7．1．3 损失函数 250
7．1．4 实验结果与分析 251
7．2 基于引导图像的人脸超分辨率重建 256
7．2．1 3DMM人脸拟合 257
7．2．2 基于3DMM的人脸矫正 257
7．2．3 基于引导图像的人脸超分辨率重建网络 258
7．2．4 实验结果与分析 261
7．3 本章小结 267
参考文献
猜您喜欢
