刷臉背後 : 人臉檢測人臉識別人臉檢索 刷脸背后:人脸检测 人脸识别 人脸检索

張重生

  • 出版商: 電子工業出版社
  • 出版日期: 2017-08-01
  • 售價: $288
  • 貴賓價: 9.5$274
  • 語言: 簡體中文
  • 頁數: 234
  • 裝訂: 平裝
  • ISBN: 7121321386
  • ISBN-13: 9787121321382

立即出貨

買這商品的人也買了...

相關主題

商品描述

人臉識別是當今熱門的研發方向,在安防、金融、旅游等領域具有十分廣泛的應用。本書全面、系統地介紹“刷臉”背後的技術,包括人臉檢測、人臉識別、人臉檢索相關的算法原理和實現技術。本書中講解的算法具有高度的可操作性和實用性。通過學習本書,研究人員、工程師能夠在3~5個月內,系統瞭解、掌握人臉檢測、人臉識別、人臉檢索相關的原理和技術。本書內容新穎、層次清晰,適合高校教師、研究人員、研究生、高年級本科生、人臉識別愛好者使用。

作者簡介

張重生,男,博士,教授,碩士生導師,河南大學大數據研究中心、大數據團隊帶頭人。研究領域為大數據分析、深度學習、數據挖掘、數據庫、數據流(實時數據分析)。
博士畢業於INRIA,France(法國國家信息與自動化研究所),獲得優秀博士論文榮譽。2010年08月至2011年3月,在美國加州大學洛杉磯分校(UCLA),計算機系,師從著名的數據庫專家Carlo Zaniolo教授,從事數據挖掘領域的合作研究。2012-2013,挪威科技大學,ERCIM/Marie-Curie Fellow。

目錄大綱

第1章人臉檢測、人臉識別與人臉檢索概述1 
1.1人臉檢測、人臉識別與人臉檢索的應用場景2 
1.1.1當前應用3 
1.1.2未來應用5 
1.2人臉檢測、人臉識別與人臉檢索常用的數據集5 
1.2.1LFW數據集5 
1.2.2FDDB數據集6 
1.2.3Wanwan1數據集7 
1.2.4Wanwan2數據集8 
1.3OpenCV的簡介、安裝與使用8 
參考文獻15 
第2章圖像處理基礎16 
2.1數字圖像處理的基本概念16 
2.1.1像素17 
2.1.2分辨率17 
2.1.3圖像的色調、亮度和飽和度19 
2.1.4圖像的對比度22 
2.1.5圖像的紋理23 
2.2顏色空間26 
2.2.1RGB顏色空間26 
2.2.2HSV顏色空間27 
2.2.3YUV顏色空間27 
2.2.4顏色空間的轉換28 
2.3數字圖像處理的基本操作32 
2.3.1圖像的讀取32 
2.3.2圖像的顯示34 
2.3.3圖像的修改35 
2.3.4圖像的保存36 
2.3.5獲取圖像的基本信息37 
2.4圖像類型及轉換38 
2.4.1圖像類型39 
2.4.2圖像類型的轉換39 
2.5圖像變換處理48 
2.5.1圖像的平移48 
2.5.2圖像的旋轉51 
2.5.3圖像的縮放5 2 
2.5.4圖像的剪切55 
2.5.5圖像的翻轉58 
2.6圖像的噪聲和濾波60 
2.6.1常見的噪聲模型60 
2.6.2經典的去噪算法64 
第3章人臉檢測實戰67 
3.1DPM人臉檢測算法67 
3.1.1DPM人臉檢測算法的使用68 
3.1.2DPM人臉檢測算法的原理69 
3.1.3DPM人臉檢測算法的檢測結果73 
3.2LAEO人臉檢測算法74 
3.2.1LAEO人臉檢測算法的使用74 
3.2.2LAEO人臉檢測算法的原理75 
3.2.3LAEO人臉檢測算法的檢測結果77 
3.3Viola&Jones人臉檢測算法79 
3.3.1Viola&Jones人臉檢測算法的使用79 
3.3.2Viola&Jones人臉檢測算法的原理79 
3.3.3Viola&Jones人臉檢測算法的檢測結果82 
參考文獻83 
第4章基於深度學習的人臉檢測算法84 
4.1CNN Facial Point Detection人臉檢測算法84 
4.1.1CNN Facial Point Detection人臉檢測算法的使用85 
4.1.2CNN Facial Point Detection人臉檢測算法的原理85 
4.1.3CNN Facial Point Detection人臉檢測算法的檢測結果86 
4.2DDFD人臉檢測算法87 
4.2.1DDFD人臉檢測 法的使用87 
4.2.2DDFD人臉檢測算法的原理88 
4.2.3DDFD人臉檢測算法的檢測結果89 
4.3人臉檢測算法融合90 
參考文獻92 
第5章基於Fast R—CNN的人臉檢測94 
5.1Fast R—CNN簡介94 
5.2Fast R—CNN的特點和結構95 
5.3Fast R—CNN的使用96 
5.4數據集的預處理97 
5.5EdgeBoxes的使用98 
5.6使用EdgeBoxes提取object proposal99 
5.7基於Fast R—CNN訓練人臉檢測網絡模型和測試100 
5.7.1訓練階段100 
5.7.2測試階段106 
5.7.3評估階段108 
5.7.4優化階段111 
參考文獻112 
第6章人臉識別實戰113 
6.1DeepID算法114 
6.1.1DeepID算法的原理114 
6.1.2DeepID算法的流程116 
6.1.3DeepID算法的結果126 
6.2VGG Face Descriptor算法128 
6.2.1VGG Face Descriptor算法的原理128 
6.2.2VGG Face Descriptor算法的實現129 
6.2.3VGG Face Descriptor算法的結果131 
6.3 OpenCV中的3種人臉識別算法132 
6.3.1Eigenfaces132 
6.3.2Fisherfaces140 
6.3.3Local Binary Patterns Histograms148 
6.4人臉識別算法對比分析152 
6.5小結153 
參 考文獻155 
第7章人臉檢索實踐157 
7.1人臉檢索簡介157 
7.2計算人臉相似度的方法158 
7.2.1歐氏距離159 
7.2.2餘弦相似度159 
7.3查詢處理算法161 
7.4評價人臉檢索結果的標準161 
7.5PHash算法161 
7.5.1PHash算法的使用162 
7.5.2PHash算法原理162 
7.5.3PHash算法實現162 
7.5.4PHash算法的實驗數據、實驗結果及分析164 
7.6DHash算法168 
7.6.1DHash算法的使用168 
7.6.2DHash算法原理168 
7.6.3DHash算法實現169 
7.6.4DHash算法的實驗數據、實驗結果及分析170 
7.7PCA算法173 
7.7.1PCA算法的使用173 
7.7.2PCA算法原理174 
7.7.3PCA算法實現175 
7.7 .4PCA算法的實驗數據、實驗結果及分析177 
7.8BoF特徵181 
7.8.1BoF—SIFT算法的使用182 
7.8.2BoF—SIFT算法原理182 
7.8.3BoF—SIFT算法實現182 
7.8.4BoF—SIFT算法的實驗數據、實驗結果及分析188 
7.9用於圖像快速檢索的KD—Tree索引190 
7.9.1FLANN算法的使用191 
7.9.2KD—Tree的創建與查詢處理191 
7.9.3FLANN中KD—Tree的 法實現192 
7.9.4FLANN算法的實驗數據、實驗結果及分析194 
7.10Gabor算法195 
7.10.1Gabor算法的使用196 
7.10.2Gabor算法原理196 
7.10.3Gabor算法實現199 
7.10.4Gabor算法的實驗數據、實驗結果及分析204 
7.11HOG算法208 
7.11.1HOG算法的使用209 
7.11.2HOG算法原理209 
7.11.3HOG算法實現210 
7.11.4HOG算法的實驗數據、實驗結果及分析212 
7.12深度學習特徵215 
7.12.1深度學習算法的使用215 
7.12.2深度學習算法原理215 
7.12.3深度學習算法實現216 
7.12.4深度學習算法的實驗數據、實驗結果及分析216 
參考文獻220 
第8章人臉檢測商業軟件及其應用示例222 
8.1人臉檢測商業軟件之VeriLook222 
8.2人臉檢測商業軟件之Face++226 
8.3各種人臉檢測算法的對比分析229 
8.4視頻中的人臉檢測與追踪231 
參考文獻234