生物特征識(shí)別技術(shù)：人耳自動(dòng)識(shí)別

《信息科學(xué)技術(shù)學(xué)術(shù)著作叢書(shū)》序
前言
第一章 生物特征識(shí)別
1.1 生物特征識(shí)別的概念
1.2 生物特征識(shí)別技術(shù)簡(jiǎn)介
1.2.1 基于生理特征的識(shí)別
1.2.2 基于行為特征的識(shí)別
1.2.3 生物特征識(shí)別技術(shù)比較
1.3 生物特征識(shí)別技術(shù)的應(yīng)用前景
參考文獻(xiàn)
第二章 人耳識(shí)別
2.1 人耳識(shí)別概述
2.1.1 人耳識(shí)別的特點(diǎn)
2.1.2 人耳識(shí)別研究?jī)?nèi)容
2.2 人耳圖像庫(kù)簡(jiǎn)介
2.2.1 USTB人耳圖像庫(kù)簡(jiǎn)介
2.2.2 UND人耳圖像庫(kù)
2.2.3 UCR圖像庫(kù)
2.2.4 其他圖像庫(kù)
2.3 人耳識(shí)別研究
2.3.1 二維人耳識(shí)別
2.3.2 三維人耳識(shí)別
2.3.3 耳紋識(shí)別
2.3.4 人耳的對(duì)稱性討論
2.4 本章小結(jié)
參考文獻(xiàn)
第三章 人耳檢測(cè)與人耳跟蹤
3.1 人耳檢測(cè)和跟蹤概述
3.2 基于特征的人耳檢測(cè)方法
3.2.1 運(yùn)動(dòng)目標(biāo)提取
3.2.2 基于顏色信息的罔像分割
3.2.3 人耳檢測(cè)模塊
3.2.4 人耳檢測(cè)實(shí)驗(yàn)結(jié)果
3.3 基于學(xué)習(xí)的人耳檢測(cè)方法
3.3.1 Haarlike特征
3.3.2 利用積分圖像計(jì)算矩形特征
3.3.3 AdaBoost算法原理
3.3.4 級(jí)聯(lián)分類器結(jié)構(gòu)
3.3.5 訓(xùn)練人耳檢測(cè)分類器
3.3.6 人耳檢測(cè)
3.3.7 人耳檢測(cè)實(shí)驗(yàn)結(jié)果
3.4 人耳跟蹤方法
3.4.1 基于改進(jìn)的cAMsHIFT算法的側(cè)面人臉區(qū)域跟蹤
3.4.2 利用輪廓擬合精確定位人耳
3.4.3 人耳跟蹤實(shí)驗(yàn)結(jié)果
3.5 本章小結(jié)
參考文獻(xiàn)
第四章 人耳圖像歸一化處理
4.1 幾何歸一化
4.1.1 基于關(guān)鍵點(diǎn)和關(guān)鍵線的人耳歸一化
4.1.2 基于主動(dòng)形狀模型的人耳歸一化方法
4. 1.3 基于主動(dòng)表觀模型的人耳歸一化方法
4.1.4 幾何歸一化其他方法
4.2 光照歸一化
4.2.1 帶有光照變化的人耳圖像庫(kù)
4.2.2 光照歸一化研究
4.3 本章小結(jié)
參考文獻(xiàn)
第五章 人耳特征提取與識(shí)別
5.1 人耳識(shí)別評(píng)測(cè)體系
5.1.1 人耳識(shí)別性能評(píng)測(cè)方法
5.1.2 入耳認(rèn)證性能評(píng)測(cè)方法
5.2 受控條件下的人耳識(shí)別
5.2.1 特征耳人耳識(shí)別方法
5.2.2 基于全空間線性鑒別分析的人耳識(shí)別
5.2.3 基于局部特征的人耳識(shí)別
5.2.4 基于力場(chǎng)轉(zhuǎn)換和收斂域圖像的人耳識(shí)別
5.3 姿態(tài)變化下的人耳識(shí)別
5.3.1 姿態(tài)變化對(duì)人耳識(shí)別性能的影響分析
5.3.2 基于流形學(xué)習(xí)的多姿態(tài)人耳識(shí)別
5.3.3 基于姿態(tài)轉(zhuǎn)換的人耳識(shí)別
5.4 人耳識(shí)別中的遮擋問(wèn)題研究
5.4.1 基于局部信息融合的帶遮擋人耳識(shí)別方法
5.4.2 基于稀疏表示的帶遮擋人耳識(shí)別方法
5.5 本章小結(jié)
參考文獻(xiàn)
第六章 三維人耳識(shí)別
第七章 基于人耳和人臉信息融合的多模態(tài)生物特征識(shí)別
第八章 人耳識(shí)別應(yīng)用系統(tǒng)