基于子空间理论的人脸识别

内容简介

人脸识别是计算机视觉和模式识别领域的研究热点和难点问题之一，它依据人脸对象的面部特征自动鉴别人物的身份。人脸对象的表示和面部特征的提取是实现人脸识别的两个关键要素。本书主要研究了基于子空间理论的二维人脸识别，其中包括以人脸灰度图像和人脸彩色图像为对象的人脸表示模型，识别算法中无先验知识的无监督的学习以及融合先验知识的有监督的学习。人脸对象的特征提取主要以子空间理论为基础，研究样本对象所张成的人脸空间上特征子空间的构建，包括线性子空间与非线性流形子空间，以及在相应特征子空间上的人脸对象的分类与识别。

目录

第1章  绪论
　1．1  研究背景及意义  
　1．2  研究现状  
　　1．2．1  基于特征的方法  
　　1．2．2  基于模板的方法  
　　1．2．3  基于模型的方法  
　　1．2．4  基于机器学习的方法  
　　1．2．5  基于子空间的方法  
第2章  基于线性子空间的人脸识别
　2．1  基于彩色特征人脸的人脸识别  
　　2．1．1  彩色人脸图像的表示  
　　2．1．2  彩色特征人脸的计算  
　　2．1．3  特征提取及分类识别  
　　2．1．4  实验结果  
　　2．1．5  小结  
　2．2  基于Fisher块对角LNMF的彩色人脸识别  
　　2．2．1  NMF算法  
　　2．2．2  彩色人脸图像的块对角表示模型  
　　2．2．3  Fisher—BDLNMF算法  
　　2．2．4  实验结果  
　　2．2．5  小结  
第3章  基于非线性子空间的人脸识别
　3．1  基于线性测地线距离保持映射的人脸识别  
　　3．1．1  基于线性测地线距离保持映射的降维算法  
　　3．1．2  特征提取及分类识别  
　3．2  基于非线性测地线距离保持映射的人脸识别  
　　3．2．1  基于非线性测地线距离保持映射的降维算法  
　　3．2．2  特征提取及分类识别  
　3．3  实验结果  
　　3．3．1  0RL人脸数据库实验结果  
　　3．3．2  Yale人脸数据库实验结果  
　　3．3．3  CMU．PIE人脸数据库实验结果  
　　3．3．4  YaleB Extended人脸数据库实验结果  
　3．4  小结  
第4章  结论与展望
　4．1  研究总结  
　4．2  进一步的研究和展望  
参考文献