TensorFlow是谷歌公司开发的深度学习框架，也是目前深度学习的主流框架之一。
电子书
内容简介
本书系统介绍了人脸识别研究领域的研究状况以及作者在人脸识别领域的研究工作和研究成果，全书共分为3个部分。
第1部分首先介绍了人脸识别的基础：计算机视觉和模式识别的原理，并介绍了20世纪70年代以来国内外人脸识别研究的研究动态和主要方法，以及国内外人脸识别研究的主要成果和用途。
第2部分介绍了基于双属性图的人脸识别算法，该算法采用人脸特征检测、主成分分析方法、Gabor 函数等建立了一个人脸特征识别和属性特征匹配的人脸识别方法，并结合人脸图像的局部特征和全局特征，能够有效地利用从三维到二维投影的人脸图像信息之间的关联性。
第3部分介绍了动态场景下的人脸识别方法，该方法综合应用了人脸定位、人脸识别、视频处理等算法。
本书的读者对象主要为研究模式识别的科技人员以及高等院校高年级的学生和研究生。读者通过阅读本书可以系统地学习人脸识别研究的方法，并掌握国内外相关技术的最新进展。
章节目录
- 封面
- 扉页
- 版权
- 内容提要
- SUMMARY
- 前言
- 作者简介
- 致谢
- 第1部分 人脸识别介绍
- 第1章 人脸识别概论
- 1.1 历史背景
- 1.2 人脸识别相关学科的进展
- 1.2.1 神经生理学方面的进展
- 1.2.2 脑神经学方面的进展
- 1.2.3 计算机视觉方面的进展
- 1.3 模式识别理论
- 1.3.1 预处理
- 1.3.2 特征提取
- 1.3.3 分类
- 1.4 人脸图像识别主要研究的问题
- 1.4.1 数据采样
- 1.4.2 干扰因素
- 1.5 人脸图像识别系统的构成
- 1.5.1 人脸图像预处理
- 1.5.2 图像表示与特征提取
- 1.5.3 图像识别
- 第2章 人脸识别研究综述
- 2.1 研究现状
- 2.2 常用的静态人脸图像识别方法
- 2.2.1 几何特征方法
- 2.2.2 特征脸方法
- 2.2.3 局部特征分析技术
- 2.2.4 模板匹配
- 2.2.5 图匹配
- 2.2.6 人工神经网络方法
- 2.2.7 柔性形状模型技术
- 2.2.8 综合的方法
- 2.3 人脸检测以及人脸跟踪
- 2.4 人脸图像识别的应用前景
- 2.5 一些商用人脸识别软件
- 2.5.1 TrueFace
- 2.5.2 Face-It
- 2.5.3 Technology Recognition Systems
- 第2部分 静态人脸图像识别
- 第3章 人脸特征探测
- 3.1 简介
- 3.2 参数化模型法
- 3.2.1 图像的各种表示
- 3.2.2 眼睛模型表示
- 3.2.3 嘴巴模型和鼻子模型
- 3.2.4 方法的优缺点
- 3.3 基于模板的探测方法
- 3.3.1 模板表示
- 3.3.2 图像标准化
- 3.3.3 方法的优缺点
- 3.4 利用数学算子进行探测
- 3.4.1 特征探测模型
- 3.4.2 方法的优缺点
- 3.5 小结
- 第4章 基于通用形变模型的人脸轮廓特征提取
- 4.1 引言
- 4.2 通用形变模型的形成
- 4.2.1 轮廓特征点的选取
- 4.2.2 形变模型的形成
- 4.2.3 形变模型的能量
- 4.3 模型匹配
- 4.3.1 全局匹配
- 4.3.2 局部匹配
- 4.4 实验
- 4.5 小结
- 第5章 基于主成分分析方法的人脸图像识别及人脸局部特征探测
- 5.1 引言
- 5.2 主成分分析方法在人脸图像识别中的应用
- 5.2.1 特征向量的表示能力
- 5.2.2 特征向量的选择
- 5.2.3 光照的影响
- 5.2.4 尺度的影响
- 5.2.5 旋转因素的影响
- 5.2.6 小结
- 5.3 人脸局部特征探测
- 5.3.1 逐步求精定位法
- 5.3.2 实验
- 5.4 利用局部特征识别人脸图像
- 5.5 小结
- 第6章 人脸图像的双属性图表示
- 6.1 引言
- 6.2 Gabor变换
- 6.2.1 傅里叶变换
- 6.2.2 Gabor变换
- 6.3 基于数学变换的特征提取
- 6.3.1 特征的生成
- 6.3.2 实验
- 6.3.3 实验结果
- 6.3.4 小结
- 6.4 人脸图像的双属性图表示
- 6.4.1 关系图
- 6.4.2 属性图
- 6.4.3 双属性图
- 6.5 小结
- 第7章 人脸图像识别
- 7.1 引言
- 7.2 待识人脸图像的表示
- 7.2.1 局部特征点的确定
- 7.2.2 局部主成分特征的确定
- 7.2.3 Gabor系数特征的确定
- 7.3 双属性图匹配
- 7.3.1 匹配函数
- 7.3.2 λt 的确定
- 7.3.3 光照的处理
- 7.3.4 尺度的处理
- 7.3.5 平面旋转人脸图像的处理
- 7.3.6 深度旋转人脸图像的处理
- 7.3.7 图像识别
- 7.3.8 方法的有效性
- 7.4 实验
- 7.4.1 图像尺度及旋转情况的确定
- 7.4.2 人脸图像识别
- 7.5 小结
- 第8章 人脸图像识别程序实现
- 8.1 主成分分析算法的MATLAB实现
- 8.2 Gabor变换
- 8.3 使用动态模板方法进行识别
- 8.4 Gauss变换用于提取图像的特征
- 第3部分 动态人脸识别研究
- 第9章 动态人脸识别系统
- 9.1 研究背景及条件
- 9.1.1 研究背景
- 9.1.2 研究对象和限定条件
- 9.2 样本获取
- 9.2.1 视频格式
- 9.3 隐马尔科夫模型
- 9.4 动态人脸识别系统框架
- 9.4.1 预处理
- 9.4.2 相关性处理
- 9.4.3 隐马尔科夫模型的状态及属性确定
- 9.4.4 观察序列概率分布计算
- 9.4.5 隐马尔科夫模型的训练
- 9.4.6 隐马尔科夫模型的识别
- 第10章 动态人脸图像定位算法
- 10.1 动态人脸图像定位问题
- 10.2 Hausdorff距离
- 10.3 人脸图像定位算法
- 10.4 实验结果
- 第11章 动态人脸识别的相关性
- 11.1 人脸图像的相关性表示
- 11.2 动态人脸的相关系数
- 11.2.1 特征子空间相关系数
- 11.2.2 插值相关系数
- 11.2.3 图像内部信息相关系数
- 11.2.4 3种相关系数的实验比较
- 11.3 相关性处理与动态图像分割
- 第12章 动态人脸图像识别
- 12.1 隐马尔科夫模型的基本问题
- 12.1.1 估价问题和前向算法
- 12.1.2 解码问题和Viterbi算法
- 12.1.3 训练问题
- 12.1.4 识别问题
- 12.2 基于隐马尔科夫模型的动态人脸识别系统
- 12.2.1 隐马尔科夫模型的状态及属性图像
- 12.2.2 观察序列数目
- 12.2.3 观察序列初始概率分布
- 12.2.4 相关系数与初始概率调整
- 12.2.5 隐马尔科夫模型训练和动态人脸图像识别
- 12.3 实验结果与分析
- 12.3.1 实验结果
- 12.3.2 与相关实验结果的对比
- 12.4 隐马尔科夫模型与动态图像分割
- 12.5 动态人脸图像识别中外界影响的处理
- 12.5.1 有外界影响的动态人脸识别
- 12.5.2 动态人脸识别算法在外界影响下的调整
- 第13章 结束语
- 参考文献
- 术语
展开全部
人脸识别原理及算法：动态人脸识别系统研究是2014年由人民邮电出版社出版,作者著。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《人脸识别原理及算法：动态人脸识别系统研究》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
生动有趣教Python，培养孩子编程思维。
电子书
本书以智能感知为主要研究对象，以计算机视觉与图像处理作为课程的主体内容。通过学习传感器的用法，让读者感受人工智能的魅力，激发他们的学习兴趣。读者通过对人工智能开发板的学习，初步了解和掌握人工智能的入门知识。
电子书
中小学校创客课程或校外STEAM课程的指导教材，也适合不同年龄段、不同基础的创客自学中小学校创客课程或校外STEAM课程的指导教材，也适合不同年龄段、不同基础的创客自学中小学校创客课程或校外STEAM课程的指导教材，也适合不同年龄段、不同基础的创客自学中小学校创客课程或校外STEAM课程的指导教材，也适合不同年龄段、不同基础的创客自学中小学校创客课程或校外STEAM课程的指导教材，也适合不同年龄段
电子书
深入浅出讲述人工智能，全面、立体探讨历史、技术、应用与未来。
电子书
数学基础：从历年数学建模竞赛入手，解读人工智能中的数学方法。
编程实践：100余个代码实例，全面讲解网络爬虫、数据存储与数据分析等内容。
算法应用：实战案例辅以丰富图解，详尽分析人工智能算法特性及其应用场景。
电子书
本书深入浅出，详细讲解区块链社区的运营方法，帮助企业打造超级区块链社区。
电子书
AI、人工智能、智能机器人、人工智能医疗、智能驾驶，本书聚焦人工智能在产业的应用。
