內容簡介
人臉檢測及特徵點標定，人臉輪廓定位，三維人臉建模完整方案(包括人臉形狀知識庫的建立、人臉統計模型、基於特徵點的形變算法、人臉建模具體方案、紋理映射)，光照分析及姿態估計。最後，本書對一些經典算法以附錄的形式加以詳述，並提供原始碼，以利於讀者理解並儘快上手套用。
《人臉感知(從二維到三維)》可作為信息處理、計算機、人工智慧、模式識別、認知心理學等有關專業的高年級本科生、碩士生和博士生的學習參考用書，也可供以上領域的研究工作者參考。本書由王國胤博士和龔勛博士著。
圖書目錄
前言
第1章 人類視覺感知概述
1.1 人臉感知
1.2 人類視覺認知
1.2.1 視覺的地位
1.2.2 視覺的內涵
1.2.3 視覺的特點
1.2.4 人類視覺如何識別人臉
1.3 計算機視覺
1.4 機器視覺與人類視覺的聯繫
1.5 本書各章內容簡介及閱讀本書要注意的問題
第一部分 二維人臉圖像處理
第2章 人臉及其特徵的自動檢測
2.1 概述
2.1.1 人臉檢測
2.1.2 人臉特徵點自動標定
2.1.3 人臉輪廓檢測
2.2 圖像處理基本技術
2.2.1 濾波
2.2.2 直方圖
2.2.3圖像歸一化
2.2.4 邊緣檢測
2.2.5 形態學運算
2.3 基於AdaBoost的人臉檢測
2.3.1 基本概念
2.3.2 算法實現
2.4 主動形狀模型ASM
2.4.1 特徵點選擇
2.4.2 標定點對齊
2.4.3 形狀建模
2.4.4 局部灰度紋理建模
2.4.5 ASM目標搜尋過程
2.5 主動外觀模型AAM
2.5.1 形狀、紋理建模
2.5.2 統計表觀建模
2.5.3 AAM擬合算法
2.5.4 ASM與AAM小結
2.6 人臉輪廓檢測
2.6.1 活動輪廓模型簡介
2.6.2 Chan-Vese模型
2.7 小結
第3章 人臉特徵提取及識別
3.1 人臉識別技術的發展
3.2 人臉識別原理及方法
3.2.1 子空間識別算法
3.2.2 Gabor小波
3.3 動態主成分子空間的構造
3.3.1 基於PCA的人臉重建分析
3.3.2 動態主成分子空間構造算法
3.3.3 基於Gabor特徵的動態主成分分析算法
3.4 人臉圖像的增強Gabor特徵構造與套用
3.4.1 增強Gabor特徵的構造
3.4.2 DF-LDA+EGF算法
3.4.3 最近鄰歐氏距離分類器
3.5 小結
第二部分 人臉三維建模
第4章 人臉三維建模概述
4.1 背景
4.2 生活中的三維人臉
4.3 人臉三維建模技術發展
4.3.1 基於幾何數據的人臉三維建模
4.3.2 基於圖像的人臉三維建模
4.3.3 人臉動畫驅動模型分類
4.4 三維人臉資料庫
4.5 商業三維人臉建模軟體
4.5.1 新加坡的面部識別公司XID Technologies的三維人臉識別系統
4.5.2 美國Bioscrypt三維人臉識別產品3D FastPassTM Face Reader
4.5.3 加拿大Singular Inversions公司的FaeeGen Modeller
4.6 小結
第5章 標準化三維人臉庫
5.1 三維人臉資料庫標準化基本概念
5.2 基於特徵區域分片的三維人臉數據重採樣
5.2.1 三維人臉區域分塊
5.2.2 基於平面模板的格線重建
5.3 基於AAM特徵點定位的三維人臉數據重採樣
5.3.1 基本思路
5.3.2 平面模板
5.4 標準化人臉的套用
5.4.1 標準人臉庫及其線性運算
5.4.2 多解析度人臉模型
5.4.3 混合解析度人臉模型
5.5 基於人臉形狀統計模型
5.6 小結
第6章 三維人臉形狀建模
6.1 基於圖像的人臉建模概述
6.2 基於動態成分的形變模型
6.2.1 形狀係數的最佳化求解
6.2.2 主成分的動態選擇
6.3 基於Sibson坐標的局部特徵分析
6.3.1 局部特徵分析理論基礎
6.3.2 基於LFA的局部形變模型
6.4 雙重形變模型
6.5 形狀建模性能分析
6.5.1 誤差估計函式
6.5.2 建模實例
6.6 小結
第7章 根據單張照片進行三維人臉建模
7.1 引言
7.2 兩步人臉建模方案
7.2.1 基本思路
7.2.2 特徵點深度值估計
7.3 紋理映射
7.3.1 紋理映射方法分類
7.3.2 基於調和映射的紋理映射
7.3.3 基於正面人臉照片的紋理映射
7.4 建模效果
7.5 小結
第8章 光照分析及姿態估計
8.1 引言
8.2 基於中性人臉球面諧波模型的光照估計及補償
8.2.1 球面諧波理論
8.2.2 光照估計
8.2.3 光照補償
8.3 基於線性回歸的人臉姿態估計
8.3.1 姿態估計概述
8.3.2 基於特徵點對的線性回歸模型
8.4 小結
附錄APCA算法及其在人臉識別中的套用
A.1 問題描述
A.1.1 K-L變換
A.1.2 利用PCA進行人臉識別
A.2 PCA的理論基礎
A.2.1 投影
A.2.2 PCA的作用及其統計特性
A.2.3 特徵臉
A.2.4 圖片重建
A.2.5 奇異值分解(SVD)
A.2.6 利用小矩陣計算大矩陣特徵向量
A.3 PCA相關原始碼(matlab版)
A.3.1 人臉識別FaceRec.m
A.3.2 特徵人臉識別Eigface.m
A.3.3人臉重建Reconstruction.m
附錄B LFA理論
B.1 理論描述
B.2 LFA相關原始碼
B.2.1 LFA核K與逆核K-1
B.2.2 LFA重建
B.2.3 LFA的核K圖及差P圖
附錄C 基於單高斯模型的膚色檢測及高斯混合模型參數最佳化
C.1 高斯混合模型概述
C.1.1 單高斯模型
C.1.2 高斯混合模型
C.2 採用EM估計GMM的參數
C.2.1 初始值
C.2.2 算法流程
C.3 源碼
C.3.1 基於單高斯模型SGM的人臉膚色檢測
C.3.2 高斯混合模型
附錄D 平面曲線法向量及曲率的數值計算
D.1 法向量的計算
D.1.1 封閉曲線
0.1.2 非封閉曲線
D.2 曲率的計算
參考文獻
