基于子空间的人脸识别

　　第1章 绪论
　　1．1 人脸识别概况
　　1．1．1 历史回顾
　　1．1．2 研究进展和应用扩展
　　1．1．3 生物特征识别
　　1．2 人脸识别的研究
　　1．2．1 人脸识别相关概念
　　1．2．2 人脸识别流程
　　1．2．3 人脸识别中的几个问题
　　1．2．4 扩展研究
　　1．3 全书框架
　　1．3．1 子空间方法
　　1．3．2 各章 摘要
　　参考文献
　　第2章 人脸检测
　　2．1 基于学习的人脸检测流程
　　2．1．1 分类器的离线学习
　　2．1．2 目标的在线检测
　　2．1．3 性能评价方法
　　2．2 基于Adaboost的人脸检测方法
　　2．2．1 Haar矩形特征
　　2．2．2 基于离散Adaboost的特征选择
　　2．2．3 级联分类器结构
　　2．3 基于Adaboost人脸检测方法的扩展
　　2．3．1 Haar特征的扩展
　　2．3．2 Adaboost的扩展
　　2．3．3 级联结构的扩展
　　2．3．4 多视角人脸检测
　　参考文献
　　第3章 人脸跟踪
　　3．1 确定性跟踪算法
　　3．1．1 目标表示
　　3．1．2 目标定位
　　3．1．3 跟踪算法实现
　　3．1．4 多核跟踪
　　3．2 随机跟踪算法
　　3．2．1 基于动力学系统模型的方法
　　3．2．2 基于统计模式识别的方法
　　参考文献
　　第4章 人脸描述
　　4．1 基于主动形状模型的人脸描述
　　4．1．1 ASM的建立
　　4．1．2 ASM的局部特征模型
　　4．2 基于主动表观模型的人脸描述
　　4．2．1 AAM方法简介
　　4．2．2 形状无关图像的获取
　　4．2．3 统计表观模型的建立
　　4．3 HOG特征及LBP特征
　　4．3．1 HOG特征
　　4．3．2 LBP特征
　　4．4 基于盖伯变换特征的人脸描述
　　4．4．1 盖伯变换的定义
　　4．4．2 2-D盖伯滤波器的定义
　　参考文献
　　第5章 基本线性子空间方法
　　5．1 线性子空间方法
　　5．2 主分量分析
　　5．2．1 基本原理
　　5．2．2 典型算法
　　5．3 独立分量分析
　　5．3．1 基本概念
　　5．3．2 特性研究
　　5．3．3 典型算法
　　5．4 线性鉴别分析
　　5．4．1 基本定义
　　5．4．2 目标函数研究
　　5．4．3 可行解技术研究
　　5．4．4 类内和类间度量矩阵刻画
　　5．4．5 图像差值模型
　　5．5 类依赖特征分析
　　5．5．1 基本框架
　　5．5．2 常用的相关滤波器
　　参考文献
　　第6章 张量方法
　　6．1 2D-PCA
　　6．1．1 2D-PCA的基本原理
　　6．1．2 2D-PCA的应用
　　6．1．3 统一主分量分析
　　6．2 2D-LDA
　　6．2．1 2D-LDA的基本原理
　　6．2．2 2D-LDA与1D-LDA的对比
　　6．3 张量脸
　　6．3．1 张量脸的基本原理
　　6．3．2 一些改进方法
　　参考文献
　　第7章 核方法
　　7．1 基本概念
　　7．1．1 核映射与核空间
　　7．1．2 内积与核函数
　　7．1．3 核矩阵
　　7．2 核主分量分析
　　7．2．1 KPCA原理
　　7．2．2 K2D-PCA
　　7．3 核鉴别分析
　　7．3．1 KDA及改进
　　7．3．2 KDCV
　　7．3．3 K2D-FDA
　　7．4 核流形分析
　　7．4．1 核局部保持映射
　　7．4．2 核图嵌入模型
　　7．4．3 KLWMMC
　　参考文献
　　第8章 非负矩阵(集)分解
　　8．1 NMF的基本概念
　　8．2 基于基本NMF模型的算法
　　8．2．1 基于单目标函数的NMF算法
　　8．2．2 基于目标函数族的NMF算法
　　8．3 基于改进NMF模型的算法
　　8．3．1 稀疏性增强的NMF算法
　　8．3．2 加权NMF算法
　　8．3．3 鉴别性嵌入NMF算法
　　8．4 NMSF模型和方法
　　8．4．1 NMSF定义与基本性质
　　8．4．2 NMSF的解释
　　8．4．3 NMSF的分类
　　8．4．4 NMSF描述能力和推广性实验
　　参考文献
　　第9章 分类器设计
　　9．1 最近邻法
　　9．2 线性分类器
　　9．3 人工神经网络
　　9．3．1 神经元和神经网
　　9．3．2 反向传播算法
　　9．4 支持向量机
　　9．4．1 原理和数学表示
　　9．4．2 改进和推广
　　9．5 Adaboost分类器
　　9．5．1 Adaboost算法
　　9．5．2 Adaboost算法分析
　　9．5．3 Adaboost算法拓展
　　参考文献
　　第10章 评价指标与评测比较
　　10．1 评价指标
　　10．2 评测比较
　　附录A张量
　　A．1 基本概念
　　A．2 张量分解
　　参考文献
　　附录B3-D人脸识别综述
　　B．1 基于视频的人脸识别
　　B．1．1 “视频-图像”人脸识别
　　B．1．2 “视频-视频”人脸识别
　　B．2 3-D人脸建模
　　B．2．1 未结合人脸先验模型的建模
　　B．2．2 结合一般人脸模型的建模
　　B．2．3 结合3-D人脸形变模型的建模
　　参考文献
　　附录C相关识别概述
　　C．1 表情识别
　　C．1．1 表情识别的依据
　　C．1．2 表情识别系统框架
　　C．1．3 表情特征提取研究
　　C．1．4 表情分类研究
　　C．2 年龄识别
　　C．2．1 年龄识别的依据
　　C．2．2 年龄模拟研究
　　C．2．3 年龄估计研究
　　C．2．4 与年龄无关的人脸识别
　　C．3 性别识别
　　C．3．1 性别识别的依据
　　C．3．2 性别识别研究方法
　　参考文献
　　附录D常用数据库
　　D．1 数据库概况
　　D．2 数据库具体描述

　　《基于子空间的人脸识别》结合作者自身的相关研究工作，回顾该领域的发展过程，介绍基本的原理和关键技术，总结已有的丰富成果，探索深入研究的方向。全面系统地介绍人脸识别的主要概念、基本原理、典型方法、实用技术，以及国际上有关研究的新成果和新动向。全书可分为4部分：第1部分（包含第1～4章）介绍人脸识别的预备内容（发展概述，人脸检测、跟踪、描述）；第2部分（包含第5～8章）介绍人脸识别的各种典型的子空间方法（既有基本的线性方法，也有特殊的非线性方法）；第3部分（包含第9、10章）介绍人脸识别分类器设计和一些实验结果；第4部分（包含4个附录）介绍人脸识别的相关基础和扩展。考虑到人脸识别涉及的学科多、范围广，《基于子空间的人脸识别》选取了一些比较有特色的技术方法进行介绍，并结合科研成果给出形象的实例，以使该书既能较好地反映该领域的全貌，也有一定的层次，方便读者学习和使用。人脸识别是近年信息科学领域里一个备受关注的热点，基于子空间的人脸识别方法是一类主流的方法。
　　《基于子空间的人脸识别》可作为信号和信息处理、通信与电子系统、模式识别、计算机视觉、生物医学工程等学科的专业课教材和教学参考书，也可供信息工程、电子工程、计算机科学与技术、数据库管理、媒体制作和生产、远程教育和医疗、公安、遥感和军事侦察等领域的科技工作者参考。