日韩精品 中文字幕 动漫,91亚洲午夜一区,在线不卡日本v一区v二区丶,久久九九国产精品自在现拍

注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁出版圖書科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)圖形圖像、多媒體、網(wǎng)頁制作視頻/音頻/流媒體人臉識別與人體動作識別技術(shù)及應(yīng)用

人臉識別與人體動作識別技術(shù)及應(yīng)用

人臉識別與人體動作識別技術(shù)及應(yīng)用

定 價:¥48.00

作 者: 曹林
出版社: 電子工業(yè)出版社
叢編項(xiàng):
標(biāo) 簽: 暫缺

ISBN: 9787121266607 出版時間: 2015-08-01 包裝:
開本: 16開 頁數(shù): 240 字?jǐn)?shù):  

內(nèi)容簡介

  本書以模式識別的一些基本理論與方法為基礎(chǔ),重點(diǎn)討論了模式識別在人臉識別、人臉配準(zhǔn)、人臉檢測、素描人臉識別、圖像超分辨率重建、Kinect人體動作識別中的應(yīng)用。全書共分7章,第1章概述了人臉識別技術(shù)與人臉圖像超分辨率重建技術(shù)的發(fā)展現(xiàn)狀。第2章提出了基于人臉紋理特征點(diǎn)3D人臉配準(zhǔn)算法和基于均值權(quán)重粒子濾波器的人臉檢測跟蹤算法。第3章提出了基于LBP的素描人臉識別算法。第4章提出了一種基于Gabor小波變換和隱馬爾可夫模型的人臉識別算法。第5章提出了一種基于分塊PCA的單幀人臉超分辨率算法。第6章提出了基于空間幾何角度信息的人體動作識別算法。第7章實(shí)現(xiàn)了一種基于Kinect的手勢識別算法,完成了對智能小車的控制。

作者簡介

  曹林,2005年4月―2007年12月 北京信息工程學(xué)院 通信工程系 講師2008年1月――至今 北京信息科技大學(xué) 通信工程系 副教授

圖書目錄

第1章 緒論 1
1.1 人臉識別技術(shù)的研究與應(yīng)用 1
1.1.1 國內(nèi)外人臉庫介紹 2
1.1.2 國內(nèi)外研究現(xiàn)狀 2
1.1.3 人臉識別技術(shù)的難點(diǎn)和發(fā)展趨勢 3
1.2 人臉圖像超分辨率重建技術(shù)的研究與實(shí)現(xiàn) 4
1.2.1 圖像超分辨率的發(fā)展及國內(nèi)外研究現(xiàn)狀 8
1.2.2 低分辨率圖像退化模型 10
1.3 空間角度的人體行為識別介紹 11
1.3.1 國內(nèi)外研究現(xiàn)狀 13
1.3.2 人體行為視頻數(shù)據(jù)庫 14
本章參考文獻(xiàn) 17
第2章 人臉圖像配準(zhǔn)和人臉檢測跟蹤 21
2.1 人臉配準(zhǔn)簡介 21
2.1.1 3D人臉配準(zhǔn)簡介 22
2.1.2 數(shù)據(jù)庫簡介 22
2.2 3D人臉配準(zhǔn) 23
2.2.1 獲取紋理圖像 24
2.2.2 檢測特征點(diǎn) 25
2.2.3 細(xì)化特征點(diǎn)位置 25
2.2.4 特征點(diǎn)模型標(biāo)準(zhǔn)化 27
2.2.5 3D人臉模型配準(zhǔn) 28
2.3 人臉檢測簡介與常用算法介紹 30
2.3.1 神經(jīng)網(wǎng)絡(luò) 31
2.3.2 支持向量機(jī)(SVM) 32
2.3.3 AdaBoost算法 32
2.4 Gentle AdaBoost人臉檢測算法 33
2.4.1 圖像訓(xùn)練預(yù)處理 33
2.4.2 haar特征選擇和積分圖的計(jì)算 34
2.4.3 Gentle AdaBoost算法 35
2.5 實(shí)時人臉跟蹤 39
2.5.1 均值權(quán)重粒子濾波器 40
2.5.2 人臉檢測校正策略 41
2.5.3 人臉檢測和跟蹤實(shí)驗(yàn)結(jié)果分析 42
2.6 本章小結(jié) 45
本章參考文獻(xiàn) 46
第3章 人臉驗(yàn)證和素描人臉識別 48
3.1 人臉驗(yàn)證簡介 48
3.2 SIFT匹配算法 50
3.2.1 SIFT算子 50
3.2.2 SIFT匹配 51
3.2.3 SIFT數(shù)量特征匹配分析 52
3.3 SIFT位置特征的人臉驗(yàn)證算法 53
3.4 人臉驗(yàn)證實(shí)驗(yàn)結(jié)果與分析 55
3.4.1 SIFT數(shù)量特征的人臉識別 56
3.4.2 結(jié)合SIFT位置特征的人臉驗(yàn)證 57
3.4.3 和傳統(tǒng)人臉驗(yàn)證算法的對比 59
3.5 人臉識別簡介 61
3.6 LBP識別算法 62
3.6.1 LBP基本算子 62
3.6.2 LBP人臉識別 63
3.6.3 LBP算法分析 64
3.6.4 濾波器分析 65
3.7 結(jié)合LBP和分塊特征的識別算法 66
3.7.1 訓(xùn)練算法 66
3.7.2 識別過程 70
3.8 素描人臉識別實(shí)驗(yàn)結(jié)果和分析 70
3.8.1 訓(xùn)練樣本數(shù)量分析 71
3.8.2 特征數(shù)量對識別效果的影響 72
3.8.3 識別級別對識別結(jié)果的影響 73
3.8.4 和目前已存在算法進(jìn)行比較 74
3.8.5 交叉驗(yàn)證實(shí)驗(yàn) 75
3.9 本章小結(jié) 76
本章參考文獻(xiàn) 76
第4章 Gabor小波在人臉識別中的應(yīng)用研究 79
4.1 人臉識別典型方法 80
4.1.1 子空間方法 80
4.1.2 基于連接機(jī)制的人臉識別方法 80
4.1.3 隱馬爾可夫模型識別方法 81
4.1.4 基于貝葉斯的人臉識別方法 81
4.1.5 基于流形的人臉識別 82
4.2 隱馬爾可夫模型 83
4.2.1 隱馬爾可夫模型介紹 83
4.2.2 隱馬爾可夫模型的三個基本問題 84
4.2.3 隱馬爾可夫模型算法實(shí)現(xiàn)中的問題 89
4.3 基于Gabor臉和HMM的人臉識別方法 95
4.3.1 研究背景 95
4.3.2 Gabor小波概述 97
4.3.3 利用Gabor小波進(jìn)行特征提取 100
4.3.4 主元分析降維 103
4.3.5 HMM人臉識別 104
4.3.6 算法復(fù)雜度分析 107
4.3.7 實(shí)驗(yàn)結(jié)果及分析 109
4.3.8 結(jié)論 117
4.4 基于Gabor小波、ICA和HMM的人臉識別方法 117
4.4.1 獨(dú)立元分析降維 117
4.4.2 實(shí)驗(yàn)結(jié)果及分析 119
4.4.3 結(jié)論 123
4.5 本章小結(jié) 125
本章參考文獻(xiàn) 127
第5章 人臉圖像超分辨率重建 130
5.1 基于PCA的人臉超分辨率重建 131
5.1.1 PCA算法原理 131
5.1.2 算法流程 131
5.2 全局重建和殘差補(bǔ)償結(jié)合的人臉超分辨率重建 133
5.2.1 人臉超分辨率重建的約束條件 133
5.2.2 全局人臉重建 134
5.2.3 殘差補(bǔ)償 135
5.3 基于分塊PCA的單幀人臉圖像超分辨率重建 136
5.3.1 圖像分塊策略 136
5.3.2 訓(xùn)練庫生成策略 138
5.3.3 算法流程 139
5.4 本章小結(jié) 142
本章參考文獻(xiàn) 143
第6章 Kinect人體動作識別 144
6.1 基于Kinect骨骼空間幾何角度的動作識別 145
6.1.1 人體骨骼信息獲取 145
6.1.2 骨骼空間角度特征提取 146
6.1.3 多分類支持向量機(jī) 151
6.1.4 訓(xùn)練與識別結(jié)果分析 153
6.2 基于三維時空特征的人體行為識別 157
6.2.1 時空直方圖特征提取 157
6.2.2 基于圖像顯著性的輪廓特征提取 163
6.2.3 基于SVM的人體行為識別 166
6.2.4 行為識別結(jié)果及分析 166
6.3 本章小結(jié) 170
本章參考文獻(xiàn) 170
第7章 Kinect應(yīng)用示例 172
7.1 基于深度信息的手勢識別的實(shí)現(xiàn) 172
7.1.1 基于Kinect的深度信息的獲取 173
7.1.2 手部區(qū)域分割 174
7.1.3 手勢分類 179
7.1.4 實(shí)驗(yàn)結(jié)果 184
7.2 智能小車的設(shè)計(jì)與實(shí)現(xiàn) 190
7.2.1模塊介紹 190
7.2.2 PC端控制程序 194
7.2.3 智能小車制作與控制 195
7.3 本章小結(jié) 197
本章參考文獻(xiàn) 197

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) rgspecialties.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號