內容簡介
《基於子空間的人臉識別》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、範圍廣，《基於子空間的人臉識別》選取了一些比較有特色的技術方法進行介紹，並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。人臉識別是近年信息科學領域裡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。
《基於子空間的人臉識別》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、資料庫管理、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。
前言
人臉識別（或更廣泛地說，人臉圖像分析）是近年信息科學領域裡一個備受關注的熱點，人臉識別技術在社會發展與建設中也得到了廣泛的重視和套用，基於子空間的人臉識別方法是一類主流的方法。本書結合清華大學電子工程系圖像工程研究室近年一些相關的研究工作，對這類方法進行了比較全面的介紹，希望對其他研究者有所啟發和幫助。
在編寫方針上，本書從科研的角度出發，結合理論性、實用性、系統性和前瞻性。本書既參考了許多有關文獻，也結合了作者近年在該方面的研究工作；不僅有較系統全面的原理介紹，還有結合科研工作和成果給出的一些實例；不僅選取了比較典型和成熟的技術方法，還注意吸取了近年來國際上的最新研究成果和動向。
在內容選取上，本書圍繞基於子空間人臉識別的技術展開，覆蓋了人臉檢測/跟蹤、特徵提取和特徵降維以及匹配分類/識別等相關的方面，希望對正在進行和準備進行研究和套用的讀者有所幫助。另外，本書也可作為研究生專業課的教材或教學參考書。
從篇幅上看，本書包括10章正文和4個附錄共56節，約30多萬字，書中有插圖74幅，表格17個，公式509個。
在結構上看，本書可分為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）介紹人臉識別中的各種典型子空間方法（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）介紹人臉識別的分類器設計和一些實驗的結果；第4部分（包含4個附錄）介紹人臉識別的相關基礎和擴展。另外，書中列出了500多篇有代表性的參考文獻，希望對讀者進一步深入學習有關內容、了解技術細節和開展科研工作有所幫助。
本書是多位作者分工合作、共同努力的結果。參加的人員包括（按姓氏拼音排列）：程正東、賈彗星、李樂、沈斌、譚華春、嚴嚴、章毓晉、朱雲峰。在面對面充分討論和交流的基礎上，第1章由章毓晉執筆，第2章由賈彗星執筆，第3章由賈彗星和沈斌執筆，第4章由朱雲峰執筆，第5章由嚴嚴執筆，第6章由譚華春執筆，第7章由程正東執筆，第8章由李樂執筆，第9章由沈斌執筆，第10章由嚴嚴執筆，附錄A由譚華春執筆，附錄B由嚴嚴和朱雲峰執筆，附錄C由譚華春執筆，附錄D由李樂執筆，全書由章毓晉統稿。
目錄
第1章 緒論
1．1 人臉識別概況
1．1．1 歷史回顧
1．1．2 研究進展和套用擴展
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 目標的線上檢測
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
4．3hog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
5．4 線性鑑別分析
5．4．1 基本定義
5．4．2 目標函式研究
5．4．3可行解技術研究
5．4．4 類內和類間度量矩陣刻畫
5．4．5 圖像差值模型
5．5 類依賴特徵分析
5．5．1 基本框架
5．5．2 常用的相關濾波器
參考文獻
第6章 張量方法
6．1 2D-PCA
6．1．1 2D-PCA的基本原理
6．1．2 2D-PCA的套用
6．1．3 統一主分量分析
6．2 2D-LDA
6．2．1 2D-LDA的基本原理
6．2．2 2D-LDA與1D-LDA的對比
6．3 張量臉
6．3．1 張量臉的基本原理
6．3．2 一些改進方法
參考文獻
第7章 核方法
7．1 基本概念
7．1．1核映射與核空間
7．1．2 內積與核函式
7．1．3 核矩陣
7．2 核主分量分析
7．2．1 KPCA原理
7．2．2 K2D-PCA
7．3 核鑑別分析
7．3．1kDa及改進
7．3．2 KDCV
7．3．3 K2D-FDA
7．4 核流形分析
7．4．1 核局部保持映射
7．4．2 核圖嵌入模型
7．4．3 KLWMMC
參考文獻
第8章 非負矩陣(集)分解
8．1 NMF的基本概念
8．2 基於基本NMF模型的算法
8．2．1 基於單目標函式的NMF算法
8．2．2 基於目標函式族的NMF算法
8．3 基於改進NMF模型的算法
8．3．1稀疏性增強的NMF算法
8．3．2 加權NMF算法
8．3．3 鑑別性嵌入NMF算法
8．4 NMSF模型和方法
8．4．1 NMSF定義與基本性質
8．4．2 NMSF的解釋
8．4．3 NMSF的分類
8．4．4 NMSF描述能力和推廣性實驗
參考文獻
第9章 分類器設計
9．1 最近鄰法
9．2 線性分類器
9．3 人工神經網路
9．3．1 神經元和神經網
9．3．2 反向傳播算法
9．4 支持向量機
9．4．1 原理和數學表示
9．4．2 改進和推廣
9．5 Adaboost分類器
9．5．1 Adaboost算法
9．5．2 Adaboost算法分析
9．5．3 Adaboost算法拓展
參考文獻
第10章 評價指標與評測比較
10．1 評價指標
10．2 評測比較
附錄A張量
A．1 基本概念
A．2 張量分解
參考文獻
附錄B3-D人臉識別綜述
B．1 基於視頻的人臉識別
B．1．1 “視頻-圖像”人臉識別
B．1．2 “視頻-視頻”人臉識別
B．2 3-D人臉建模
B．2．1 未結合人臉先驗模型的建模
B．2．2 結合一般人臉模型的建模
B．2．3 結合3-D人臉形變模型的建模
參考文獻
附錄C相關識別概述
C．1 表情識別
C．1．1 表情識別的依據
C．1．2 表情識別系統框架
C．1．3 表情特徵提取研究
C．1．4 表情分類研究
C．2 年齡識別
C．2．1 年齡識別的依據
C．2．2 年齡模擬研究
C．2．3 年齡估計研究
C．2．4 與年齡無關的人臉識別
C．3 性別識別
C．3．1 性別識別的依據
C．3．2 性別識別研究方法
參考文獻
附錄D常用資料庫
D．1 資料庫概況
D．2 資料庫具體描述
精彩書摘
第1章 緒論
人臉識別（face recognition，FR）也稱自動人臉識別（automated face recognition，AFR），是一個近年得到廣泛關注的研究熱點，其相關技術的套用範圍也在不斷擴展。
本章對人臉識別，特別是人臉識別技術（face recognition technology，FRT），包括它的歷史、發展、研究、套用進行回顧和概述，對全書的覆蓋範圍、重點內容和安排順序也給予概括的介紹。
1．1 人臉識別概，兄
通過觀察人臉來判定人的身份可以說是人類的一種基本能力，同時這種能力也與每個人的經驗有關。一般意義上的人臉識別指的就是這種能力，是人類觀察、分析、判斷等能力的綜合。近年隨著圖像技術的發展，對人臉識別的工作也多藉助圖像技術來完成。
對利用圖像技術的人臉識別有許多相近但不完全相同的定義和描述，如：
（1）給定場景的靜止或視頻圖像，利用存儲在資料庫中的人臉來鑑別場景中的一個或多個人臉。這裡可利用一些間接信息，如人種、年齡、性別等來幫．助縮小搜尋範圍EChellappa19951①。
（2）人臉識別屬於一個更一般/通用的圖像分類問題，它的特性限制了它的生成空間[Riaz 2004]。
（3）人臉識別的目的是從圖像或視頻中根據人的臉部外貌來驗證人的身份ERomdhan[2006]。
