本书围绕人脸这一研究对象，从计算机图像认知的角度，对二维人脸图像分析和三维人脸建模进行全面介绍，内容包括：人脸检测及特征点标定，人脸轮廓定位，三维人脸建模完整方案（包括人脸形状知识库的建立、人脸统计模型、基于特征点的形变算法、人脸建模具体方案、纹理映射），光照分析及姿态估计。最后，本书对一些经典算法以附录的形式加以详述，并提供源代码，以利于读者理解并尽快上手应用。
本书可作为信息处理、计算机、人工智能、模式识别、认知心理学等有关专业的高年级本科生、硕士生和博士生的学习参考用书，也可供以上领域的研究工作者参考。
样章试读
目录
- 前言
第1章 人类视觉感知概述
1.1 人脸感知
1.2 人类视觉认知
1.2.1 视觉的地位
1.2.2 视觉的内涵
1.2.3 视觉的特点
1.2.4 人类视觉如何识别人脸
1.3 计算机视觉
1.4 机器视觉与人类视觉的联系
1.5 本书各章内容简介及阅读本书要注意的问题
第一部分二维人脸图像处理
第2章 人脸及其特征的自动检测
2.1 概述
2.1.1 人脸检测
2.1.2 人脸特征点自动标定
2.1.3 人脸轮廓检测
2.2 图像处理基本技术
2.2.1 滤波
2.2.2 直方图
2.2.3 图像归一化
2.2.4 边缘检测
2.2.5 形态学运算
2.3 基于Adaboost的人脸检测
2.3.1 基本概念
2.3.2 算法实现
2.4 主动形状模型ASM
2.4.1 特征点选择
2.4.2 标定点对齐
2.4.3 形状建模
2.4.4 局部灰度纹理建模
2.4.5 ASM目标搜索过程
2.5 主动外观模型AAM
2.5.1 形状、纹理建模
2.5.2 统计表观建模
2.5.3 AAM拟合算法
2.5.4 ASM与AAM小结
2.6 人脸轮廓检测
2.6.1 活动轮廓模型简介
2.6.2 Chan-Vese模型
2.7 小结
第3章 人脸特征提取及识别
3.1 人脸识别技术的发展
3.2 人脸识别原理及方法
3.2.1 子空间识别算法
3.2.2 Gabor小波
3.3 动态主成分子空间的构造
3.3.1 基于PCA的人脸重建分析
3.3.2 动态主成分子空间构造算法
3.3.3 基于Gabor特征的动态主成分分析算法
3.4 人脸图像的增强Gabor特征构造与应用
3.4.1 增强Gabor特征的构造
3.4.2 DF_LDA+EGF算法
3.4.3 最近邻欧氏距离分类器
3.5 小结
第二部分人脸三维建模
第4章 人脸三维建模概述
4.1 背景
4.2 生活中的三维人脸
4.3 人脸三维建模技术发展
4.3.1 基于几何数据的人脸三维建模
4.3.2 基于图像的人脸三维建模
4.3.3 人脸动画驱动模型分类
4.4 三维人脸数据库
4.5 商业三维人脸建模软件
4.5.1 新加坡的面部识别公司XID Technologies的三维人脸识别系统
4.5.2 美国Bioscrypt三维人脸识别产品3D FastPassTMFace Reader
4.5.3 加拿大Singular Inversions公司的FaceGen Modeller
4.6 小结
第5章 标准化三维人脸库
5.1 三维人脸数据库标准化基本概念
5.2 基于特征区域分片的三维人脸数据重采样
5.2.1 三维人脸区域分块
5.2.2 基于平面模板的网格重建
5.3 基于AAM特征点定位的三维人脸数据重采样
5.3.1 基本思路
5.3.2 平面模板
5.4 标准化人脸的应用
5.4.1 标准人脸库及其线性运算
5.4.2 多分辨率人脸模型
5.4.3 混合分辨率人脸模型
5.5 基于人脸形状统计模型
5.6 小结
第6章 三维人脸形状建模
6.1 基于图像的人脸建模概述
6.2 基于动态成分的形变模型
6.2.1 形状系数的优化求解
6.2.2 主成分的动态选择
6.3 基于Sibson坐标的局部特征分析
6.3.1 局部特征分析理论基础
6.3.2 基于LFA的局部形变模型
6.4 双重形变模型
6.5 形状建模性能分析
6.5.1 误差估计函数
6.5.2 建模实例
6.6 小结
第7章 根据单张照片进行三维人脸建模
7.1 引言
7.2 两步人脸建模方案
7.2.1 基本思路
7.2.2 特征点深度值估计
7.3 纹理映射
7.3.1 纹理映射方法分类
7.3.2 基于调和映射的纹理映射
7.3.3 基于正面人脸照片的纹理映射
7.4 建模效果
7.5 小结
第8章 光照分析及姿态估计
8.1 引言
8.2 基于中性人脸球面谐波模型的光照估计及补偿
8.2.1 球面谐波理论
8.2.2 光照估计
8.2.3 光照补偿
8.3 基于线性回归的人脸姿态估计
8.3.1 姿态估计概述
8.3.2 基于特征点对的线性回归模型
8.4 小结
附录A PCA算法及其在人脸识别中的应用
A.1 问题描述
A.1.1 K-L变换
A.1.2 利用PCA进行人脸识别
A.2 PCA的理论基础
A.2.1 投影
A.2.2 PCA的作用及其统计特性
A.2.3 特征脸
A.2.4 图片重建
A.2.5 奇异值分解(SVD)
A.2.6 利用小矩阵计算大矩阵特征向量
A.3 PCA相关源代码(matlab版)
A.3.1 人脸识别FaceRec.m
A.3.2 特征人脸识别Eigface.m
A.3.3 人脸重建Reconstruction.m
附录B LFA理论
B.1 理论描述
B.2 LFA相关源代码
B.2.1 LFA核K与逆核K^-1
B.2.2 LFA重建
B.2.3 LFA的核K图及差P图
附录C 基于单高斯模型的肤色检测及高斯混合模型参数优化
C.1 高斯混合模型概述
C.1.1 单高斯模型
C.1.2 高斯混合模型
C.2 采用EM估计GMM的参数
C.2.1 初始值
C.2.2 算法流程
C.3 源码
C.3.1 基于单高斯模型SGM的人脸肤色检测
C.3.2 高斯混合模型
附录D 平面曲线法向量及曲率的数值计算
D.1 法向量的计算
D.1.1 封闭曲线
D.1.2 非封闭曲线
D.2 曲率的计算
参考文献
京公网安备 11010102004214号