刷臉背后：人臉檢測、人臉識別、人臉檢索

定　價：￥48.00

作　者：	張重生著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121321382	出版時間：	2017-07-01	包裝：	平裝
開本：	16開	頁數：	244	字數：

內容簡介

　　人臉識別是當今熱門的研發(fā)方向，在安防、金融、旅游等領域具有十分廣泛的應用。本書全面、系統(tǒng)地介紹“刷臉”背后的技術，包括人臉檢測、人臉識別、人臉檢索相關的算法原理和實現技術。本書中講解的算法具有高度的可操作性和實用性。通過學習本書，研究人員、工程師能夠在3～5個月內，系統(tǒng)了解、掌握人臉檢測、人臉識別、人臉檢索相關的原理和技術。本書內容新穎、層次清晰，適合高校教師、研究人員、研究生、高年級本科生、人臉識別愛好者使用。

作者簡介

　　張重生，男，博士，教授，碩士生導師，河南大學大數據研究中心、大數據團隊帶頭人。研究領域為大數據分析、深度學習、數據挖掘、數據庫、數據流（實時數據分析）。博士畢業(yè)于 INRIA，France（法國國家信息與自動化研究所），獲得優(yōu)秀博士論文榮譽。2010年08月至2011年3月，在美國加州大學洛杉磯分校（UCLA），計算機系，師從著名的數據庫專家Carlo Zaniolo教授，從事數據挖掘領域的合作研究。 2012-2013，挪威科技大學，ERCIM/Marie-Curie Fellow。

圖書目錄

第1章人臉檢測、人臉識別與人臉檢索概述\t1
1．1 人臉檢測、人臉識別與人臉檢索的應用場景\t2
1．1．1 當前應用\t3
1．1．2 未來應用\t5
1．2 人臉檢測、人臉識別與人臉檢索常用的數據集\t5
1．2．1 LFW數據集\t5
1．2．2 FDDB數據集\t6
1．2．3 Wanwan1數據集\t7
1．2．4 Wanwan2數據集\t8
1．3 OpenCV的簡介、安裝與使用\t8
參考文獻\t15
第2章圖像處理基礎\t16
2．1 數字圖像處理的基本概念\t16
2．1．1 像素\t17
2．1．2 分辨率\t17
2．1．3 圖像的色調、亮度和飽和度\t19
2．1．4 圖像的對比度\t22
2．1．5 圖像的紋理\t23
2．2 顏色空間\t26
2．2．1 RGB顏色空間\t26
2．2．2 HSV顏色空間\t27
2．2．3 YUV顏色空間\t27
2．2．4 顏色空間的轉換\t28
2．3 數字圖像處理的基本操作\t32
2．3．1 圖像的讀取\t32
2．3．2 圖像的顯示\t34
2．3．3 圖像的修改\t35
2．3．4 圖像的保存\t36
2．3．5 獲取圖像的基本信息\t37
2．4 圖像類型及轉換\t38
2．4．1 圖像類型\t39
2．4．2 圖像類型的轉換\t39
2．5　圖像變換處理\t48
2．5．1　圖像的平移\t48
2．5．2 圖像的旋轉\t51
2．5．3 圖像的縮放\t52
2．5．4 圖像的剪切\(zhòng)t55
2．5．5 圖像的翻轉\t58
2．6 圖像的噪聲和濾波\t60
2．6．1 常見的噪聲模型\t60
2．6．2 經典的去噪算法\t64
第3章人臉檢測實戰(zhàn)\t67
3．1 DPM人臉檢測算法\t67
3．1．1 DPM人臉檢測算法的使用\t68
3．1．2 DPM人臉檢測算法的原理\t69
3．1．3 DPM人臉檢測算法的檢測結果\t73
3．2 LAEO人臉檢測算法\t74
3．2．1 LAEO人臉檢測算法的使用\t74
3．2．2 LAEO人臉檢測算法的原理\t75
3．2．3 LAEO人臉檢測算法的檢測結果\t77
3．3 Viola＆Jones人臉檢測算法\t79
3．3．1 Viola＆Jones人臉檢測算法的使用\t79
3．3．2 Viola＆Jones人臉檢測算法的原理\t79
3．3．3 Viola＆Jones人臉檢測算法的檢測結果\t82
參考文獻\t83
第4章基于深度學習的人臉檢測算法\t84
4．1 CNN Facial Point Detection人臉檢測算法\t84
4．1．1 CNN Facial Point Detection人臉檢測算法的使用\t85
4．1．2 CNN Facial Point Detection人臉檢測算法的原理\t85
4．1．3 CNN Facial Point Detection人臉檢測算法的檢測結果\t86
4．2 DDFD人臉檢測算法\t87
4．2．1 DDFD人臉檢測算法的使用\t87
4．2．2 DDFD人臉檢測算法的原理\t88
4．2．3 DDFD人臉檢測算法的檢測結果\t89
4．3 人臉檢測算法融合\t90
參考文獻\t92
第5章基于Fast R-CNN的人臉檢測\t94
5．1 Fast R-CNN簡介\t94
5．2 Fast R-CNN的特點和結構\t95
5．3 Fast R-CNN的使用\t96
5．4 數據集的預處理\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訓練人臉檢測網絡模型和測試\t100
5．7．1 訓練階段\t100
5．7．2 測試階段\t106
5．7．3 評估階段\t108
5．7．4 優(yōu)化階段\t111
參考文獻\t112
第6章人臉識別實戰(zhàn)\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算法的結果\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算法的實現\t129
6．2．3 VGG Face Descriptor算法的結果\t131
6．3 OpenCV中的3種人臉識別算法\t132
6．3．1 Eigenfaces\t132
6．3．2 Fisherfaces\t140
6．3．3 Local Binary Patterns Histograms\t148
6．4 人臉識別算法對比分析\t152
6．5 小結\t153
參考文獻\t155
第7章人臉檢索實踐\t157
7．1 人臉檢索簡介\t157
7．2 計算人臉相似度的方法\t158
7．2．1 歐氏距離\t159
7．2．2 余弦相似度\t159
7．3 查詢處理算法\t161
7．4 評價人臉檢索結果的標準\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算法實現\t162
7．5．4 PHash算法的實驗數據、實驗結果及分析\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算法實現\t169
7．6．4 DHash算法的實驗數據、實驗結果及分析\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算法實現\t175
7．7．4 PCA算法的實驗數據、實驗結果及分析\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算法實現\t182
7．8．4 BoF-SIFT算法的實驗數據、實驗結果及分析\t188
7．9 用于圖像快速檢索的KD-Tree索引\t190
7．9．1 FLANN算法的使用\t191
7．9．2 KD-Tree的創(chuàng)建與查詢處理\t191
7．9．3 FLANN中KD-Tree的算法實現\t192
7．9．4 FLANN算法的實驗數據、實驗結果及分析\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算法實現\t199
7．10．4 Gabor算法的實驗數據、實驗結果及分析\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算法實現\t210
7．11．4 HOG算法的實驗數據、實驗結果及分析\t212
7．12 深度學習特征\t215
7．12．1 深度學習算法的使用\t215
7．12．2 深度學習算法原理\t215
7．12．3 深度學習算法實現\t216
7．12．4 深度學習算法的實驗數據、實驗結果及分析\t216
參考文獻\t220
第8章人臉檢測商業(yè)軟件及其應用示例\t222
8．1 人臉檢測商業(yè)軟件之VeriLook\t222
8．2 人臉檢測商業(yè)軟件之Face++\t226
8．3 各種人臉檢測算法的對比分析\t229
8．4 視頻中的人臉檢測與追蹤\t231
參考文獻\t234