│ 3ds Max│ Maya│ Rhino│ After Effects│ SketchUp│ ZBrush│ Painter│ Unity│
│ PhotoShop│ AutoCad│ MasterCam│ SolidWorks│ Creo│ UG│ Revit│ Nuke│
│ C#│ C│ C++│ Java│ 遊戲程式│ Linux│ 嵌入式│ PLC│ FPGA│ Matlab│
│ 駭客│ 資料庫│ 搜索引擎│ 影像處理│ Fluent│ VR+AR│ ANSYS│ 深度學習│
│ 單晶片│ AVR│ OpenGL│ Arduino│ Raspberry Pi│ 電路設計│ Cadence│ Protel│
│ Hadoop│ Python│ Stm32│ Cortex│ Labview│ 手機程式│ Android│ iPhone│
可查書名,作者,ISBN,3dwoo書號 目前顯示有庫存 顯示全部書籍 詳細書籍分類

人臉識別原理及算法——動態人臉識別系統研究 ( 簡體 字)
作者：沈理	類別：1. -> 教材 -> 數位影像處理
譯者：
出版社：人民郵電出版社	3dWoo書號： 40042 詢問書籍請說出此書號！ 【有庫存】 NT售價： 445 元
出版日：10/1/2014
頁數：235
光碟數：0
站長推薦：
印刷：黑白印刷	語系： ( 簡體 版 )
	加入購物車 │加到我的最愛 (請先登入會員)
ISBN：9787115339782
作者序　|　譯者序　|　前言　|　內容簡介　|　目錄　|　序
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序：
譯者序：
前言：
內容簡介： 　　《人臉識別原理及算法——動態人臉識別系統研究》系統介紹了人臉識別研究領域的研究狀況以及作者在人臉識別領域的研究工作和研究成果，全書共分為3個部分。 　　第1部分首先介紹了人臉識別的基礎：計算機視覺和模式識別的原理，并介紹了20世紀70年代以來國內外人臉識別研究的研究動態和主要方法，以及國內外人臉識別研究的主要成果和用途。 　　第2部分介紹了基于雙屬性圖的人臉識別算法，該算法采用人臉特征檢測、主成分分析方法、Gabor函數等建立了一個人臉特征識別和屬性特征匹配的人臉識別方法，并結合人臉圖像的局部特征和全局特征，能夠有效地利用從三維到二維投影的人臉圖像信息之間的關聯性。 　　第3部分介紹了動態場景下的人臉識別方法，該方法綜合應用了人臉定位、人臉識別、視頻處理等算法。 　　《人臉識別原理及算法——動態人臉識別系統研究》的讀者對象主要為研究模式識別的科技人員以及高等院校高年級的學生和研究生。讀者通過閱讀本書可以系統地學習人臉識別研究的方法，并掌握國內外相關技術的最新進展。
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　人臉識別相關學科的進展　4 1.2.1　神經生理學方面的進展　4 1.2.2　腦神經學方面的進展　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　數據采樣　15 1.4.2　干擾因素　16 1.5　人臉圖像識別系統的構成　17 1.5.1　人臉圖像預處理　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　研究現狀　19 2.2　常用的靜態人臉圖像識別方法　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　24 2.2.4　模板匹配　25 2.2.5　圖匹配　26 2.2.6　人工神經網絡方法　28 2.2.7　柔性形狀模型技術　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　方法的優缺點　48 3.4　利用數學算子進行探測　49 3.4.1　特征探測模型　49 3.4.2　方法的優缺點　50 3.5　小結　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　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　旋轉因素的影響　76 5.2.6　小結　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　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　基于數學變換的特征提取　96 6.3.1　特征的生成　96 6.3.2　實驗　98 6.3.3　實驗結果　100 6.3.4　小結　102 6.4　人臉圖像的雙屬性圖表示　103 6.4.1　關系圖　103 6.4.2　屬性圖　103 6.4.3　雙屬性圖　104 6.5　小結　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系數特征的確定　109 7.3　雙屬性圖匹配　113 7.3.1　匹配函數　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　平面旋轉人臉圖像的處理　115 7.3.6　深度旋轉人臉圖像的處理　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　圖像尺度及旋轉情況的確定　120 7.4.2　人臉圖像識別　122 7.5　小結　123 第8章　人臉圖像識別程序實現　124 8.1　主成分分析算法的MATLAB實現　124 8.2　Gabor變換　128 8.3　使用動態模板方法進行識別　130 8.4　Gauss變換用于提取圖像的特征　136 第3部分　動態人臉識別研究　143 第9章　動態人臉識別系統　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　動態人臉識別系統框架　153 9.4.1　預處理　154 9.4.2　相關性處理　159 9.4.3　隱馬爾科夫模型的狀態及屬性確定　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練　161 9.4.6　隱馬爾科夫模型的識別　161 第10章　動態人臉圖像定位算法　162 10.1　動態人臉圖像定位問題　162 10.2　Hausdorff距離　164 10.3　人臉圖像定位算法　166 10.4　實驗結果　169 第11章　動態人臉識別的相關性　179 11.1　人臉圖像的相關性表示　179 11.2　動態人臉的相關系數　181 11.2.1　特征子空間相關系數　182 11.2.2　插值相關系數　184 11.2.3　圖像內部信息相關系數　186 11.2.4　3種相關系數的實驗比較　187 11.3　相關性處理與動態圖像分割　189 第12章　動態人臉圖像識別　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人臉識別系統　195 12.2.1　隱馬爾科夫模型的狀態及屬性圖像　196 12.2.2　觀察序列數目　201 12.2.3　觀察序列初始概率分布　202 12.2.4　相關系數與初始概率調整　202 12.2.5　隱馬爾科夫模型訓練和動態人臉圖像識別　203 12.3　實驗結果與分析　204 12.3.1　實驗結果　204 12.3.2　與相關實驗結果的對比　208 12.4　隱馬爾科夫模型與動態圖像分割　209 12.5　動態人臉圖像識別中外界影響的處理　210 12.5.1　有外界影響的動態人臉識別　210 12.5.2　動態人臉識別算法在外界影響下的調整　211 第13章　結束語　213 參考文獻　217 術語　233
序：