基於子空間的人臉識別（簡體書）

人臉識別是近年信息科學領域里一個備受關注的熱點，基於子空間的人臉識別方法是一類主流的方法。本書結合作者自身的相關研究工作，回顧該領域的發展過程，介紹基本的原理和關鍵技術，總結已有的豐富成果，探索深入研究的方向。全面系統地介紹人臉識別的主要概念、基本原理、典型方法、實用技術，以及國際上有關研究的新成果和新動向。全書可分為4部分：第1部分（包含第1～4章）介紹人臉識別的預備內容（發展概述，人臉檢測、跟蹤、描述）；第2部分（包含第5～8章）介紹人臉識別的各種典型的子空間方法（既有基本的線性方法，也有特殊的非線性方法）；第3部分（包含第9、10章）介紹人臉識別分類器設計和一些實驗結果；第4部分（包含4個附錄）介紹人臉識別的相關基礎和擴展。考慮到人臉識別涉及的學科多、范圍廣，本書選取了一些比較有特色的技術方法進行介紹，并結合科研成果給出形象的實例，以使該書既能較好地反映該領域的全貌，也有一定的層次，方便讀者學習和使用。
本書可作為信號和信息處理、通信與電子系統、模式識別、計算機視覺、生物醫學工程等學科的專業課教材和教學參考書，也可供信息工程、電子工程、計算機科學與技術、數據庫管理、媒體製作和生產、遠程教育和醫療、公安、遙感和軍事偵察等領域的科技工作者參考。

第1章　緒論
　1.1　人臉識別概況
1.1.1　歷史回顧
1.1.2　研究進展和應用擴展
1.1.3　生物特徵識別
　1.2　人臉識別的研究
1.2.1　人臉識別相關概念
1.2.2　人臉識別流程
1.2.3　人臉識別中的幾個問題
1.2.4　擴展研究
　1.3　全書框架
1.3.1　子空間方法
1.3.2　各章摘要
　參考文獻
第2章　人臉檢測
　2.1　基於學習的人臉檢測流程
2.1.1　分類器的離線學習
2.1.2 目標的在線檢測
2.1.3　性能評價方法
　2.2　基於Adaboost的人臉檢測方法
2.2.1　Haar矩形特徵
2.2.2　基於離散Adaboost的特徵選擇
2.2.3　級聯分類器結構
　2.3　基於Adaboost人臉檢測方法的擴展
2.3.1　Haar特徵的擴展
2.3.2　Adaboost的擴展
2.3.3　級聯結構的擴展
2.3.4　多視角人臉檢測
　參考文獻
第3章　人臉跟蹤
3.1　確定性跟蹤算法
3.1.1 目標表示
3.1.2 目標定位
3.1.3　跟蹤算法實現
3.1.4　多核跟蹤
3.2　隨機跟蹤算法
3.2.1　基於動力學系統模型的方法
3.2.2　基於統計模式識別的方法
　參考文獻
第4章　人臉描述
　4.1　基於主動形狀模型的人臉描述
4.1.1　ASM的建立
4.1.2　ASM的局部特徵模型
　4.2　基於主動表觀模型的人臉描述
4.2.1　AAM方法簡介
4.2.2　形狀無關圖像的獲取
4.2.3　統計表觀模型的建立
　4.3　HOG特徵及LBP特徵
4.3.1　HOG特徵
4.3.2　LBP特徵
　4.4　基於蓋伯變換特徵的人臉描述
4.4.1　蓋伯變換的定義
4.4.2　2-D蓋伯濾波器的定義
　參考文獻
第5章　基本線性子空間方法
　5.1　線性子空間方法
　5.2　主分量分析
5.2.1　基本原理
5.2.2　典型算法
　5.3　獨立分量分析
5.3.1　基本概念
5.3.2　特性研究
5.3.3　典型算法
……
第6章　張量方法
第7章　核方法
第8章　非負矩陣（集）分解
第9章　分類器設計
附錄