刷脸背后：人脸检测、人脸识别、人脸检索

定　价：¥48.00

作　者：	张重生著
出版社：	电子工业出版社
丛编项：
标　签：	暂缺

购买这本书可以去

ISBN：	9787121321382	出版时间：	2017-07-01	包装：	平装
开本：	16开	页数：	244	字数：

内容简介

　　人脸识别是当今热门的研发方向，在安防、金融、旅游等领域具有十分广泛的应用。本书全面、系统地介绍“刷脸”背后的技术，包括人脸检测、人脸识别、人脸检索相关的算法原理和实现技术。本书中讲解的算法具有高度的可操作性和实用性。通过学习本书，研究人员、工程师能够在3～5个月内，系统了解、掌握人脸检测、人脸识别、人脸检索相关的原理和技术。本书内容新颖、层次清晰，适合高校教师、研究人员、研究生、高年级本科生、人脸识别爱好者使用。

作者简介

　　张重生，男，博士，教授，硕士生导师，河南大学大数据研究中心、大数据团队带头人。研究领域为大数据分析、深度学习、数据挖掘、数据库、数据流（实时数据分析）。博士毕业于 INRIA，France（法国国家信息与自动化研究所），获得优秀博士论文荣誉。2010年08月至2011年3月，在美国加州大学洛杉矶分校（UCLA），计算机系，师从著名的数据库专家Carlo Zaniolo教授，从事数据挖掘领域的合作研究。 2012-2013，挪威科技大学，ERCIM/Marie-Curie Fellow。

图书目录

第1章人脸检测、人脸识别与人脸检索概述\t1
1．1 人脸检测、人脸识别与人脸检索的应用场景\t2
1．1．1 当前应用\t3
1．1．2 未来应用\t5
1．2 人脸检测、人脸识别与人脸检索常用的数据集\t5
1．2．1 LFW数据集\t5
1．2．2 FDDB数据集\t6
1．2．3 Wanwan1数据集\t7
1．2．4 Wanwan2数据集\t8
1．3 OpenCV的简介、安装与使用\t8
参考文献\t15
第2章图像处理基础\t16
2．1 数字图像处理的基本概念\t16
2．1．1 像素\t17
2．1．2 分辨率\t17
2．1．3 图像的色调、亮度和饱和度\t19
2．1．4 图像的对比度\t22
2．1．5 图像的纹理\t23
2．2 颜色空间\t26
2．2．1 RGB颜色空间\t26
2．2．2 HSV颜色空间\t27
2．2．3 YUV颜色空间\t27
2．2．4 颜色空间的转换\t28
2．3 数字图像处理的基本操作\t32
2．3．1 图像的读取\t32
2．3．2 图像的显示\t34
2．3．3 图像的修改\t35
2．3．4 图像的保存\t36
2．3．5 获取图像的基本信息\t37
2．4 图像类型及转换\t38
2．4．1 图像类型\t39
2．4．2 图像类型的转换\t39
2．5　图像变换处理\t48
2．5．1　图像的平移\t48
2．5．2 图像的旋转\t51
2．5．3 图像的缩放\t52
2．5．4 图像的剪切\t55
2．5．5 图像的翻转\t58
2．6 图像的噪声和滤波\t60
2．6．1 常见的噪声模型\t60
2．6．2 经典的去噪算法\t64
第3章人脸检测实战\t67
3．1 DPM人脸检测算法\t67
3．1．1 DPM人脸检测算法的使用\t68
3．1．2 DPM人脸检测算法的原理\t69
3．1．3 DPM人脸检测算法的检测结果\t73
3．2 LAEO人脸检测算法\t74
3．2．1 LAEO人脸检测算法的使用\t74
3．2．2 LAEO人脸检测算法的原理\t75
3．2．3 LAEO人脸检测算法的检测结果\t77
3．3 Viola＆Jones人脸检测算法\t79
3．3．1 Viola＆Jones人脸检测算法的使用\t79
3．3．2 Viola＆Jones人脸检测算法的原理\t79
3．3．3 Viola＆Jones人脸检测算法的检测结果\t82
参考文献\t83
第4章基于深度学习的人脸检测算法\t84
4．1 CNN Facial Point Detection人脸检测算法\t84
4．1．1 CNN Facial Point Detection人脸检测算法的使用\t85
4．1．2 CNN Facial Point Detection人脸检测算法的原理\t85
4．1．3 CNN Facial Point Detection人脸检测算法的检测结果\t86
4．2 DDFD人脸检测算法\t87
4．2．1 DDFD人脸检测算法的使用\t87
4．2．2 DDFD人脸检测算法的原理\t88
4．2．3 DDFD人脸检测算法的检测结果\t89
4．3 人脸检测算法融合\t90
参考文献\t92
第5章基于Fast R-CNN的人脸检测\t94
5．1 Fast R-CNN简介\t94
5．2 Fast R-CNN的特点和结构\t95
5．3 Fast R-CNN的使用\t96
5．4 数据集的预处理\t97
5．5 EdgeBoxes的使用\t98
5．6 使用EdgeBoxes提取object proposal\t99
5．7 基于Fast R-CNN训练人脸检测网络模型和测试\t100
5．7．1 训练阶段\t100
5．7．2 测试阶段\t106
5．7．3 评估阶段\t108
5．7．4 优化阶段\t111
参考文献\t112
第6章人脸识别实战\t113
6．1 DeepID算法\t114
6．1．1 DeepID算法的原理\t114
6．1．2 DeepID算法的流程\t116
6．1．3 DeepID算法的结果\t126
6．2 VGG Face Descriptor算法\t128
6．2．1 VGG Face Descriptor算法的原理\t128
6．2．2 VGG Face Descriptor算法的实现\t129
6．2．3 VGG Face Descriptor算法的结果\t131
6．3 OpenCV中的3种人脸识别算法\t132
6．3．1 Eigenfaces\t132
6．3．2 Fisherfaces\t140
6．3．3 Local Binary Patterns Histograms\t148
6．4 人脸识别算法对比分析\t152
6．5 小结\t153
参考文献\t155
第7章人脸检索实践\t157
7．1 人脸检索简介\t157
7．2 计算人脸相似度的方法\t158
7．2．1 欧氏距离\t159
7．2．2 余弦相似度\t159
7．3 查询处理算法\t161
7．4 评价人脸检索结果的标准\t161
7．5 PHash算法\t161
7．5．1 PHash算法的使用\t162
7．5．2 PHash算法原理\t162
7．5．3 PHash算法实现\t162
7．5．4 PHash算法的实验数据、实验结果及分析\t164
7．6 DHash算法\t168
7．6．1 DHash算法的使用\t168
7．6．2 DHash算法原理\t168
7．6．3 DHash算法实现\t169
7．6．4 DHash算法的实验数据、实验结果及分析\t170
7．7 PCA算法\t173
7．7．1 PCA算法的使用\t173
7．7．2 PCA算法原理\t174
7．7．3 PCA算法实现\t175
7．7．4 PCA算法的实验数据、实验结果及分析\t177
7．8 BoF特征\t181
7．8．1 BoF-SIFT算法的使用\t182
7．8．2 BoF-SIFT算法原理\t182
7．8．3 BoF-SIFT算法实现\t182
7．8．4 BoF-SIFT算法的实验数据、实验结果及分析\t188
7．9 用于图像快速检索的KD-Tree索引\t190
7．9．1 FLANN算法的使用\t191
7．9．2 KD-Tree的创建与查询处理\t191
7．9．3 FLANN中KD-Tree的算法实现\t192
7．9．4 FLANN算法的实验数据、实验结果及分析\t194
7．10 Gabor算法\t195
7．10．1 Gabor算法的使用\t196
7．10．2 Gabor算法原理\t196
7．10．3 Gabor算法实现\t199
7．10．4 Gabor算法的实验数据、实验结果及分析\t204
7．11 HOG算法\t208
7．11．1 HOG算法的使用\t209
7．11．2 HOG算法原理\t209
7．11．3 HOG算法实现\t210
7．11．4 HOG算法的实验数据、实验结果及分析\t212
7．12 深度学习特征\t215
7．12．1 深度学习算法的使用\t215
7．12．2 深度学习算法原理\t215
7．12．3 深度学习算法实现\t216
7．12．4 深度学习算法的实验数据、实验结果及分析\t216
参考文献\t220
第8章人脸检测商业软件及其应用示例\t222
8．1 人脸检测商业软件之VeriLook\t222
8．2 人脸检测商业软件之Face++\t226
8．3 各种人脸检测算法的对比分析\t229
8．4 视频中的人脸检测与追踪\t231
参考文献\t234