描述
开 本: 16开纸 张: 轻型纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787121321382
1.1 人脸检测、人脸识别与人脸检索的应用场景 2
1.1.1 当前应用 3
1.1.2 未来应用 5
1.2 人脸检测、人脸识别与人脸检索常用的数据集 5
1.2.1 LFW数据集 5
1.2.2 FDDB数据集 6
1.2.3 Wanwan1数据集 7
1.2.4 Wanwan2数据集 8
1.3 OpenCV的简介、安装与使用 8
参考文献 15
第2章 图像处理基础 16
2.1 数字图像处理的基本概念 16
2.1.1 像素 17
2.1.2 分辨率 17
2.1.3 图像的色调、亮度和饱和度 19
2.1.4 图像的对比度 22
2.1.5 图像的纹理 23
2.2 颜色空间 26
2.2.1 RGB颜色空间 26
2.2.2 HSV颜色空间 27
2.2.3 YUV颜色空间 27
2.2.4 颜色空间的转换 28
2.3 数字图像处理的基本操作 32
2.3.1 图像的读取 32
2.3.2 图像的显示 34
2.3.3 图像的修改 35
2.3.4 图像的保存 36
2.3.5 获取图像的基本信息 37
2.4 图像类型及转换 38
2.4.1 图像类型 39
2.4.2 图像类型的转换 39
2.5 图像变换处理 48
2.5.1 图像的平移 48
2.5.2 图像的旋转 51
2.5.3 图像的缩放 52
2.5.4 图像的剪切 55
2.5.5 图像的翻转 58
2.6 图像的噪声和滤波 60
2.6.1 常见的噪声模型 60
2.6.2 经典的去噪算法 64
第3章 人脸检测实战 67
3.1 DPM人脸检测算法 67
3.1.1 DPM人脸检测算法的使用 68
3.1.2 DPM人脸检测算法的原理 69
3.1.3 DPM人脸检测算法的检测结果 73
3.2 LAEO人脸检测算法 74
3.2.1 LAEO人脸检测算法的使用 74
3.2.2 LAEO人脸检测算法的原理 75
3.2.3 LAEO人脸检测算法的检测结果 77
3.3 Viola＆Jones人脸检测算法 79
3.3.1 Viola＆Jones人脸检测算法的使用 79
3.3.2 Viola＆Jones人脸检测算法的原理 79
3.3.3 Viola＆Jones人脸检测算法的检测结果 82
参考文献 83
第4章 基于深度学习的人脸检测算法 84
4.1 CNN Facial Point Detection人脸检测算法 84
4.1.1 CNN Facial Point Detection人脸检测算法的使用 85
4.1.2 CNN Facial Point Detection人脸检测算法的原理 85
4.1.3 CNN Facial Point Detection人脸检测算法的检测结果 86
4.2 DDFD人脸检测算法 87
4.2.1 DDFD人脸检测算法的使用 87
4.2.2 DDFD人脸检测算法的原理 88
4.2.3 DDFD人脸检测算法的检测结果 89
4.3 人脸检测算法融合 90
参考文献 92
第5章 基于Fast R-CNN的人脸检测 94
5.1 Fast R-CNN简介 94
5.2 Fast R-CNN的特点和结构 95
5.3 Fast R-CNN的使用 96
5.4 数据集的预处理 97
5.5 EdgeBoxes的使用 98
5.6 使用EdgeBoxes提取object proposal 99
5.7 基于Fast R-CNN训练人脸检测网络模型和测试 100
5.7.1 训练阶段 100
5.7.2 测试阶段 106
5.7.3 评估阶段 108
5.7.4 优化阶段 111
参考文献 112
第6章 人脸识别实战 113
6.1 DeepID算法 114
6.1.1 DeepID算法的原理 114
6.1.2 DeepID算法的流程 116
6.1.3 DeepID算法的结果 126
6.2 VGG Face Descriptor算法 128
6.2.1 VGG Face Descriptor算法的原理 128
6.2.2 VGG Face Descriptor算法的实现 129
6.2.3 VGG Face Descriptor算法的结果 131
6.3 OpenCV中的3种人脸识别算法 132
6.3.1 Eigenfaces 132
6.3.2 Fisherfaces 140
6.3.3 Local Binary Patterns Histograms 148
6.4 人脸识别算法对比分析 152
6.5 小结 153
参考文献 155
第7章 人脸检索实践 157
7.1 人脸检索简介 157
7.2 计算人脸相似度的方法 158
7.2.1 欧氏距离 159
7.2.2 余弦相似度 159
7.3 查询处理算法 161
7.4 评价人脸检索结果的标准 161
7.5 PHash算法 161
7.5.1 PHash算法的使用 162
7.5.2 PHash算法原理 162
7.5.3 PHash算法实现 162
7.5.4 PHash算法的实验数据、实验结果及分析 164
7.6 DHash算法 168
7.6.1 DHash算法的使用 168
7.6.2 DHash算法原理 168
7.6.3 DHash算法实现 169
7.6.4 DHash算法的实验数据、实验结果及分析 170
7.7 PCA算法 173
7.7.1 PCA算法的使用 173
7.7.2 PCA算法原理 174
7.7.3 PCA算法实现 175
7.7.4 PCA算法的实验数据、实验结果及分析 177
7.8 BoF特征 181
7.8.1 BoF-SIFT算法的使用 182
7.8.2 BoF-SIFT算法原理 182
7.8.3 BoF-SIFT算法实现 182
7.8.4 BoF-SIFT算法的实验数据、实验结果及分析 188
7.9 用于图像快速检索的KD-Tree索引 190
7.9.1 FLANN算法的使用 191
7.9.2 KD-Tree的创建与查询处理 191
7.9.3 FLANN中KD-Tree的算法实现 192
7.9.4 FLANN算法的实验数据、实验结果及分析 194
7.10 Gabor算法 195
7.10.1 Gabor算法的使用 196
7.10.2 Gabor算法原理 196
7.10.3 Gabor算法实现 199
7.10.4 Gabor算法的实验数据、实验结果及分析 204
7.11 HOG算法 208
7.11.1 HOG算法的使用 209
7.11.2 HOG算法原理 209
7.11.3 HOG算法实现 210
7.11.4 HOG算法的实验数据、实验结果及分析 212
7.12 深度学习特征 215
7.12.1 深度学习算法的使用 215
7.12.2 深度学习算法原理 215
7.12.3 深度学习算法实现 216
7.12.4 深度学习算法的实验数据、实验结果及分析 216
参考文献 220
第8章 人脸检测商业软件及其应用示例 222
8.1 人脸检测商业软件之VeriLook 222
8.2 人脸检测商业软件之Face 226
8.3 各种人脸检测算法的对比分析 229
8.4 视频中的人脸检测与追踪 231
参考文献 234
我们正处于“刷脸”的时代，越来越多的“刷脸”应用开始出现。例如，北京西站的刷脸检票、厦门景点的刷脸验票、余额宝的刷脸认证等。初学者如果想进行人脸识别相关的研究和开发，那么他们应该阅读什么书籍呢？
“刷脸”背后的技术，不仅仅是人脸识别，亦需要人脸检测和人脸检索等技术提供支撑。目前，市场上有少部分人脸识别的书籍，而专门讲解人脸检测和人脸检索技术的书籍则更少。近年来，笔者及其团队在从事人脸检测、人脸识别、人脸检索相关的研究时，查阅了很多国内外的参考资料，到目前为止，尚未见到一本能够全面涵盖“刷脸”应用所涉及的人脸检测、人脸识别和人脸检索相关技术且有实战参考价值的书籍。其中的一个主要原因可能是刷脸技术的商业价值高。
本书按照“刷脸”应用开发时所需技术的先后顺序，通过原理、例子、实战的方式，分别讲解了“刷脸”应用需要掌握的三大技术：人脸检测、人脸识别和人脸检索。更为重要的是，本书高度注重实战应用，每一个算法都通过具体程序讲解算法的使用、实验设计，以及实验结果。读者不但能够了解每个算法的原理，而且能够掌握应用开发的实战技能。
本书的目标是作为通用、普及性强、可操作性强的人脸识别的书籍，方便研究人员、工程师、研究生、计算机专业的高年级本科生，快速上手并全面、深入理解，扎实掌握“刷脸”应用相关的理论和算法，帮助读者快速入门，理解“刷脸”应用背后的核心技术与算法，并切实掌握“刷脸”应用开发所需的实战技术。
本书主编为张重生，副主编为王弯弯、王朋友、赵冬冬。于珂珂、彭国雯、裴宸平等研究生对本书的编写、实验部分的验证提供了一定的帮助，在此致谢。
笔者自知才疏学浅，仅略知人脸检测、人脸识别、人脸检索之皮毛。书中错谬之处在所难免，如蒙读者不吝告知（邮箱：[email protected]，微信号：A13938613173），将不胜感激。
张重生
2017年4月
评论
还没有评论。