基于真实测量三维人脸的识别技术研究 - 中国高校教材图书网
|
|
|
书名： |
基于真实测量三维人脸的识别技术研究
|
| ISBN： | 9787560653532 |
条码： | |
| 作者： |
桑高丽
相关图书
|
装订： | 0 |
| 印次： | 1-1 |
开本： | 16开 |
| 定价： |
￥30.00
折扣价：￥28.50
折扣：0.95
节省了1.5元
|
字数： |
144千字
|
| 出版社： |
西安电子科技大学出版社 |
页数： |
156页
|
| 发行编号： | |
每包册数： |
15
|
| 出版日期： |
2019-07-15 |
|
|
| 内容简介： |
本书主要对三维人脸识别中涉及的若干关键问题进行了深入的探讨与研究。书中首先介绍了人脸识别的概念、应用领域、实用价值，论述了二维人脸识别关键的预处理方法，如基于二维人脸的特征点定位方法，并着重介绍了基于改进级联形状回归的多视角二维人脸特征点定位方法。接着对几种常见人脸姿态估计方法做了详细的论述，如基于改进的随机森林、基于稠密多变量标签分布和深度卷积神经网络学习的方法等。最后在三维人脸识别的内容中，分别介绍了三维人脸识别的概念、难点以及三维人脸测量的基本原理，同时也讨论了三维人脸图像的预处理，并对基于真实测量三维人脸识别中常用的方法做了论述，如基于三维人脸模型辅助的姿态鲁棒的二维人脸识别方法和表情鲁棒的三维人脸识别方法，并在几个常见的三维人脸数据库上进行了评估。
本书可作为计算机或电子信息专业高年级本科生、研究生的教科书及教师的参考用书，也可供从事相关领域研究的科技人员、工程技术人员参考使用。
|
| 作者简介： |
桑高丽，女，1986年5月出生。2016年06月毕业于四川大学计算机科学与技术专业，获工学博士学位。从事复杂环境下模式识别、身份认证等方向的研究工作；承担计算机科学与技术专业的建设工作及高级语言设计类课程的教学工作。嘉兴学院信息工程与科学学院。
近期主持省部级科研项目1项，参与多项国家、省部级课题研究；在《Optic Engneering》等业内权威核心期刊及国际会议上发表学术论文8篇，其中三大检索收录6篇；申请发明专利4项。
|
| 章节目录： |
第1章 绪论 1
1.1 人脸识别研究的背景 1
1.2 人脸识别研究的意义 3
1.3 二维人脸识别存在的困难与挑战 6
1.4 三维人脸识别方法综述 7
1.5 三维人脸识别存在的困难与挑战 9
1.6 三维人脸测量的基本原理 11
1.6.1 平视双目立体视觉系统 11
1.6.2 立体视差原理 11
1.6.3 极线约束 14
1.6.4 结构光 15
1.7 本书的主要工作与贡献 18
参考文献 21
第2章 基于改进级联形状回归的多视角二维人脸特征点定位 25
2.1 问题的提出 26
2.2 前人相关工作 27
2.3 级联形状回归算法描述 28
2.4 基于改进级联形状回归的多视角二维人脸特征点定位 29
2.4.1 对姿态变化的鲁棒性 30
2.4.2 有效特征提取 32
2.5 实验结果与分析 33
2.5.1 AFLW数据库上实验结果 33
2.5.2 Color FERET数据库上实验结果 35
2.5.3 MultiPIE数据库上实验结果 37
2.6 本章小结 39
参考文献 39
第3章 基于改进的随机森林的人脸姿态估计 41
3.1 问题的提出 41
3.2 前人相关工作 42
3.2.1 随机森林原理介绍 42
3.2.2 随机森林用于人脸姿态估计 44
3.3 基于改进的随机森林的人脸姿态估计 44
3.3.1 特征加权 45
3.3.2 训练随机森林 46
3.3.3 生成树评估与筛选 48
3.3.4 人脸姿态估计 48
3.4 实验结果与分析 49
3.4.1 生成树数量的选取 50
3.4.2 Pointing’04上的实验结果 50
3.4.3 CASPEAL上的实验结果 53
3.4.4 NCKU上的实验结果 54
3.4.5 FacePix上的实验结果 55
3.4.6 监控数据库上的实验结果 56
3.4.7 阈值的选择 60
3.5 本章小结 61
参考文献 62
第4章 基于稠密多变量标签分布的人脸姿态估计 65
4.1 问题的提出 66
4.2 前人相关工作 69
4.3 基于稠密多变量标签分布的人脸姿态估计 70
4.3.1 基于稠密多变量标签分布 71
4.3.2 特征提取 73
4.3.3 多变量标签分布学习方法 74
4.3.4 人脸姿态估计 75
4.4 实验结果与分析 76
4.4.1 实验设置 76
4.4.2 参数选择 77
4.4.3 训练样本中不存在姿态的预测能力 79
4.4.4 Pointing’04数据库上结果比较 81
4.4.5 CASPEAL数据库上结果比较 83
4.4.6 MultiPIE数据库上结果比较 85
4.5 本章小结 86
参考文献 86
第5章 基于稠密多变量标签分布和深度卷积神经网络的人脸姿态估计方法 88
5.1 问题的提出 89
5.2 前人相关工作 90
5.2.1 深度卷积网络原理 92
5.2.2 深度卷积网络用于人脸姿态估计 93
5.3 基于稠密多变量标签分布和深度卷积神经网络的人脸姿态估计方法 93
5.3.1 基于深度卷积神经网络的有效特征提取 94
5.3.2 基于稠密多变量标签分布的分类器学习 96
5.4 实验结果与分析 97
5.4.1 实验设置 97
5.4.2 方法的对齐鲁棒性测试 99
5.4.3 稠密多变量标签分布的有效性测试 101
5.4.4 与其他 stateoftheart方法结果比较 102
5.4.5 算法实时性测试 105
5.5 本章小结 105
参考文献 106
第6章 基于三维人脸模型辅助姿态鲁棒的二维人脸识别 109
6.1 问题的提出 110
6.2 前人相关工作 111
6.3 基于三维人脸模型辅助姿态鲁棒的二维人脸识别 112
6.3.1 三维人脸模型辅助的二维人脸对齐 113
6.3.2 稀疏表示分类 115
6.4 实验结果与分析 116
6.4.1 数据库介绍 116
6.4.2 三维辅助的二维人脸识别结果 118
6.4.3 时间复杂度 120
6.5 本章小结 121
参考文献 122
第7章 表情鲁棒的三维人脸识别方法 124
7.1 问题的提出 125
7.2 前人相关工作 125
7.3 三维人脸模型的自动预处理 126
7.4 表情鲁棒的三维人脸识别方法 128
7.4.1 刚性/非刚性区域划分 129
7.4.2 非刚性区域相似度计算方法 131
7.4.3 刚性区域相似度计算方法 134
7.5 实验结果与分析 135
7.5.1 实验设置及参数 135
7.5.2 含有表情变化的三维人脸识别 136
7.5.3 无表情变化的三维人脸识别 139
7.5.4 点云密度对识别率的影响 141
7.5.5 CurtinFaces数据库识别结果 143
7.6 本章小结 144
参考文献 145
|
| 精彩片段： |
|
|
| 书 评： |
|
|
| 其 它： |
|
|
|
