机器视觉入门与实战：人脸识别与人体识别

定　价：¥89.00

作　者：	夏东，周波
出版社：	机械工业出版社
丛编项：
标　签：	暂缺

购买这本书可以去

当当网 (¥66.70)

ISBN：	9787111721475	出版时间：	2023-03-01	包装：	平装-胶订
开本：	32开	页数：		字数：

内容简介

　　这是一本系统讲解人脸识别和人体姿态识别技术、算法和应用的实战性著作，是作者团队多年研究成果和实践经验的总结。既有业界成熟的技术和算法，又有行业的新热点和新趋势。通过本书，读者将能轻松掌握如下知识：机器视觉的概念以及索引技术，包括向量空间索引和度量空间索引；人脸识别技术，以及人脸检测算法、人脸对齐算法、人脸特征提取算法；面向人脸检索的高维空间快速索引技术；人体姿态识别技术、目标检测算法以及算法的性能评测；面向嵌入式设备的人脸识别技术与算法，轻量级的人脸识别技术与算法，以及面向ARM设备的人脸精准识别方法VMFace；人脸识别、人体姿态识别相关技术和算法在门禁、安防和运动训练等场景的应用。

作者简介

　　夏　东国防科技大学通信与信息系统博士、控制科学与工程博士后。长期从事人工智能和自动目标识别领域的研究工作，主持完成国家“863计划”项目等多个重大项目的研究，发明专利60余项。在机器智能视觉、大数据等领域有丰富的实战经验与深入的商业化理解。将机器智能视觉理论付诸实践创立了湖南视觉伟业智能科技有限公司。作为湖南省科技创业领军人才，带领团队研发了人脸识别、行为分析等多款款业内领先AI软硬件产品，并在多个省份和城市得到应用。周　波长期从事计算机视觉、人工智能研究工作，发明专利40余项，获得“安防工匠人物”称号，创立深圳市海清视讯科技有限公司，获得国家级专精特新“小巨人”企业称号。

图书目录

CONTENTS
目　　录
前言
第1章　机器视觉概述　1
1.1　机器视觉简介　1
1.1.1　什么是机器视觉　2
1.1.2　机器视觉的技术分类　4
1.1.3　机器视觉技术的应用与价值　14
1.2　机器视觉在人体识别中的相关应用　19
1.2.1　人脸识别　19
1.2.2　人体姿态识别与估计　20
1.2.3　计算视觉小型化　22
1.2.4　意义与价值　23
1.3　本章小结　24
第2章　机器视觉中的索引技术　25
2.1　索引技术概述　25
2.1.1　索引的概念　26
2.1.2　索引的作用　27
2.2　向量空间索引技术　29
2.2.1　向量空间索引技术概述　29
2.2.2　分类介绍　30
2.2.3　向量空间索引的应用　42
2.3　度量空间索引技术　43
2.3.1　度量空间索引技术概述　43
2.3.2　分类介绍　44
2.3.3　度量空间索引的应用　49
2.4　本章小结　51
第3章　机器视觉中的人脸识别技术　52
3.1　人脸识别技术　52
3.1.1　概念与定义　52
3.1.2　人脸识别技术的分类　57
3.2　人脸检测算法　57
3.2.1　概念与定义　58
3.2.2　Adaboost　59
3.2.3　Cascade CNN　59
3.2.4　DenseBox　62
3.2.5　Faceness-Net　 65
3.2.6　MTCNN　 67
3.3　人脸对齐算法　69
3.3.1　概念与定义　69
3.3.2　DCNN　 70
3.3.3　TCNN　 72
3.3.4　LAB　 73
3.4　人脸特征提取算法　74
3.4.1　概念与定义　75
3.4.2　DeepID　 77
3.4.3　InsightFace　 79
3.4.4　MobileFaceNet　 80
3.5　本章小结　81
第4章　机器视觉中的人体姿态识别技术　82
4.1　人体姿态识别技术概述　82
4.1.1　概念与定义　83
4.1.2　人体姿态识别技术的特点　84
4.1.3　人体骨架关键点提取技术　85
4.1.4　人体姿态识别算法　87
4.2　自上而下的人体姿态识别技术　88
4.2.1　Mask R-CNN　88
4.2.2　RMPE　 92
4.2.3　DeepCut　95
4.3　自下而上的人体姿态识别技术　97
4.3.1　PAF　97
4.3.2　Associative Embedding　 99
4.4　本章小结　102
第5章　面向人脸检索的高维空间快速索引技术　103
5.1　度量空间索引和相似性检索　103
5.1.1　度量空间索引　104
5.1.2　相似性检索　106
5.2　高维空间快速索引方法　109
5.2.1　度量空间索引快速查询方法　109
5.2.2 　度量空间索引KNN查询方法　113
5.3　高维空间快速索引实验　117
5.3.1　实验环境　117
5.3.2　实验结果　117
5.3.3　分析比较　118
5.4　本章小结　119
第6章　嵌入式设备中的人脸精准识别技术　120
6.1　嵌入式设备概述　120
6.1.1　嵌入式设备的由来　121
6.1.2　嵌入式设备的分类　122
6.2　轻量级人脸识别算法与嵌入式人脸识别应用　125
6.2.1　轻量级人脸识别算法　125
6.2.2　嵌入式人脸识别应用　133
6.3　面向ARM的人脸精准识别方法VMFace　135
6.3.1　VMFace神经网络结构　135
6.3.2　VMFace在ARM环境的应用与性能分析　136
6.4　本章小结　139
第7章　面向姿态识别的目标检测算法与性能测评　140
7.1　两阶段目标检测算法　140
7.1.1　R-CNN模型　141
7.1.2　SPP-Net模型　148
7.1.3　Fast R-CNN模型　153
7.1.4　Faster R-CNN模型　157
7.2　一阶段目标检测算法　160
7.2.1　YOLO模型　160
7.2.2　YOLO 2模型　162
7.2.3　SSD模型　165
7.3　算法性能测评　167
7.3.1　实验环境与参数设置　167
7.3.2　性能测试结果对比　169
7.4　本章小结　172
第8章　嵌入式人脸设备的应用　173
8.1　门禁场景应用　174
8.1.1　门禁场景应用简介　175
8.1.2　人脸识别门禁场景体系设计　177
8.1.3　算法分析　178
8.1.4　案例介绍　179
8.2　安防场景应用　182
8.2.1　人脸识别安防场景应用简介　183
8.2.2　安防场景应用结构　184
8.2.3　案例介绍　187
8.3　本章小结　188
第9章　人体姿态识别技术的应用　189
9.1　运动训练场景应用　189
9.1.1　算法分析　190
9.1.2　案例介绍　191
9.2　姿态纠正应用　193
9.2.1　坐姿纠正应用　193
9.2.2　演讲姿态纠正应用　194
9.3　安防应用　196
9.3.1　安防应用背景　197
9.3.2　算法分析　197
9.4　虚拟现实应用　198
9.4.1　虚拟现实应用背景　198
9.4.2　算法分析　199
9.5　其他应用场景　201
9.6　本章小结　202
第10章　问题、挑战与发展　203
10.1　问题和挑战　203
10.1.1　基础性问题和挑战　203
10.1.2　技术挑战　204
10.1.3　用户隐私挑战　205
10.2　未来发展　207
10.2.1　人脸识别技术的未来　208
10.2.2　人体姿态识别技术的未来　209
10.3　本章小结　210