《刷臉背後：人臉檢測人臉識別人臉檢索》是2017年7月電子工業出版社出版的圖書，作者是張重生。
基本介紹
- 書名：刷臉背後：人臉檢測人臉識別人臉檢索
- 作者：張重生
- 譯者：張重生
- ISBN：9787121321382
- 頁數：244
- 出版社：電子工業出版社
- 出版時間：2017-07
- 開本：16開
內容簡介,作者簡介,圖書目錄,
內容簡介
人臉識別是當今熱門的研發方向，在安防、金融、旅遊等領域具有十分廣泛的套用。本書全面、系統地介紹“刷臉”背後的技術，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、資料庫、數據流（實時數據分析）。博士畢業於 INRIA,France(法國國家信息與自動化研究所)，獲得優秀博士論文榮譽。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，師從著名的資料庫專家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 1
1.1 人臉檢測、人臉識別與人臉檢索的套用場景 2
1.1.1 當前套用 3
1.1.2 未來套用 5
1.2 人臉檢測、人臉識別與人臉檢索常用的數據集 5
1.2.1 LFW數據集 5
1.2.2 FDDB數據集 6
1.2.3 Wanwan1數據集 7
1.2.4 Wanwan2數據集 8
1.3 OpenCV的簡介、安裝與使用 8
參考文獻 15
第2章 圖像處理基礎 16
2.1 數字圖像處理的基本概念 16
2.1.1 像素 17
2.1.2 解析度 17
2.1.3 圖像的色調、亮度和飽和度 19
2.1.4 圖像的對比度 22
2.1.5 圖像的紋理 23
2.2 顏色空間 26
2.2.1 RGB顏色空間 26
2.2.2 HSV顏色空間 27
2.2.3 YUV顏色空間 27
2.2.4 顏色空間的轉換 28
2.3 數字圖像處理的基本操作 32
2.3.1 圖像的讀取 32
2.3.2 圖像的顯示 34
2.3.3 圖像的修改 35
2.3.4 圖像的保存 36
2.3.5 獲取圖像的基本信息 37
2.4 圖像類型及轉換 38
2.4.1 圖像類型 39
2.4.2 圖像類型的轉換 39
2.5 圖像變換處理 48
2.5.1 圖像的平移 48
2.5.2 圖像的旋轉 51
2.5.3 圖像的縮放 52
2.5.4 圖像的剪下 55
2.5.5 圖像的翻轉 58
2.6 圖像的噪聲和濾波 60
2.6.1 常見的噪聲模型 60
2.6.2 經典的去噪算法 64
第3章 人臉檢測實戰 67
3.1 DPM人臉檢測算法 67
3.1.1 DPM人臉檢測算法的使用 68
3.1.2 DPM人臉檢測算法的原理 69
3.1.3 DPM人臉檢測算法的檢測結果 73
3.2 LAEO人臉檢測算法 74
3.2.1 LAEO人臉檢測算法的使用 74
3.2.2 LAEO人臉檢測算法的原理 75
3.2.3 LAEO人臉檢測算法的檢測結果 77
3.3 Viola&Jones人臉檢測算法 79
3.3.1 Viola&Jones人臉檢測算法的使用 79
3.3.2 Viola&Jones人臉檢測算法的原理 79
3.3.3 Viola&Jones人臉檢測算法的檢測結果 82
參考文獻 83
第4章 基於深度學習的人臉檢測算法 84
4.1 CNN Facial Point Detection人臉檢測算法 84
4.1.1 CNN Facial Point Detection人臉檢測算法的使用 85
4.1.2 CNN Facial Point Detection人臉檢測算法的原理 85
4.1.3 CNN Facial Point Detection人臉檢測算法的檢測結果 86
4.2 DDFD人臉檢測算法 87
4.2.1 DDFD人臉檢測算法的使用 87
4.2.2 DDFD人臉檢測算法的原理 88
4.2.3 DDFD人臉檢測算法的檢測結果 89
4.3 人臉檢測算法融合 90
參考文獻 92
第5章 基於Fast R-CNN的人臉檢測 94
5.1 Fast R-CNN簡介 94
5.2 Fast R-CNN的特點和結構 95
5.3 Fast R-CNN的使用 96
5.4 數據集的預處理 97
5.5 EdgeBoxes的使用 98
5.6 使用EdgeBoxes提取object proposal 99
5.7 基於Fast R-CNN訓練人臉檢測網路模型和測試 100
5.7.1 訓練階段 100
5.7.2 測試階段 106
5.7.3 評估階段 108
5.7.4 最佳化階段 111
參考文獻 112
第6章 人臉識別實戰 113
6.1 DeepID算法 114
6.1.1 DeepID算法的原理 114
6.1.2 DeepID算法的流程 116
6.1.3 DeepID算法的結果 126
6.2 VGG Face Descriptor算法 128
6.2.1 VGG Face Descriptor算法的原理 128
6.2.2 VGG Face Descriptor算法的實現 129
6.2.3 VGG Face Descriptor算法的結果 131
6.3 OpenCV中的3種人臉識別算法 132
6.3.1 Eigenfaces 132
6.3.2 Fisherfaces 140
6.3.3 Local Binary Patterns Histograms 148
6.4 人臉識別算法對比分析 152
6.5 小結 153
參考文獻 155
第7章 人臉檢索實踐 157
7.1 人臉檢索簡介 157
7.2 計算人臉相似度的方法 158
7.2.1 歐氏距離 159
7.2.2 餘弦相似度 159
7.3 查詢處理算法 161
7.4 評價人臉檢索結果的標準 161
7.5 PHash算法 161
7.5.1 PHash算法的使用 162
7.5.2 PHash算法原理 162
7.5.3 PHash算法實現 162
7.5.4 PHash算法的實驗數據、實驗結果及分析 164
7.6 DHash算法 168
7.6.1 DHash算法的使用 168
7.6.2 DHash算法原理 168
7.6.3 DHash算法實現 169
7.6.4 DHash算法的實驗數據、實驗結果及分析 170
7.7 PCA算法 173
7.7.1 PCA算法的使用 173
7.7.2 PCA算法原理 174
7.7.3 PCA算法實現 175
7.7.4 PCA算法的實驗數據、實驗結果及分析 177
7.8 BoF特徵 181
7.8.1 BoF-SIFT算法的使用 182
7.8.2 BoF-SIFT算法原理 182
7.8.3 BoF-SIFT算法實現 182
7.8.4 BoF-SIFT算法的實驗數據、實驗結果及分析 188
7.9 用於圖像快速檢索的KD-Tree索引 190
7.9.1 FLANN算法的使用 191
7.9.2 KD-Tree的創建與查詢處理 191
7.9.3 FLANN中KD-Tree的算法實現 192
7.9.4 FLANN算法的實驗數據、實驗結果及分析 194
7.10 Gabor算法 195
7.10.1 Gabor算法的使用 196
7.10.2 Gabor算法原理 196
7.10.3 Gabor算法實現 199
7.10.4 Gabor算法的實驗數據、實驗結果及分析 204
7.11 HOG算法 208
7.11.1 HOG算法的使用 209
7.11.2 HOG算法原理 209
7.11.3 HOG算法實現 210
7.11.4 HOG算法的實驗數據、實驗結果及分析 212
7.12 深度學習特徵 215
7.12.1 深度學習算法的使用 215
7.12.2 深度學習算法原理 215
7.12.3 深度學習算法實現 216
7.12.4 深度學習算法的實驗數據、實驗結果及分析 216
參考文獻 220
第8章 人臉檢測商業軟體及其套用示例 222
8.1 人臉檢測商業軟體之VeriLook 222
8.2 人臉檢測商業軟體之Face++ 226
8.3 各種人臉檢測算法的對比分析 229
8.4 視頻中的人臉檢測與追蹤 231
參考文獻 234
