掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人臉表情識別算法及應用 版權信息
- ISBN：9787122349545
- 條形碼：9787122349545 ; 978-7-122-34954-5
- 裝幀：簡裝本
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人臉表情識別算法及應用 本書特色
讓機器看懂你的眼神
為讀者提供一本反映當前表情識別系統發展水平的專業參考書籍。
人臉表情識別算法及應用 內容簡介
本書主要研究了表情識別系統基本理論、算法設計和應用。書中分別以動態人臉表情、微表情、魯棒表情為識別對象， 系統介紹了相關特征提取、分類算法的技術方法， 并設計了一套主動視覺人臉跟蹤與表情識別系統。
本書可供從事模式識別、表情識別、人臉識別系統研究的科研人員、相關專業的研究生或高年級本科學生使用。
人臉表情識別算法及應用人臉表情識別算法及應用 前言
隨著計算機技術的不斷發展，人們在享受計算機帶來的方便與快捷的同時，對人機互動的需求也不斷增加。人機智能交互變得尤為重要。如果計算機像人類一樣能主動適應周圍的環境，并且還能觀察、理解和產生各種“情感”，這將從根本上改變人與計算機之間的關系，*終實現自然、富有情感、和諧的人機交互，使計算機能夠更好、更全方位地為人類服務。由于人臉表情傳遞著豐富的個人情感信息，是人們非語言交流的一種重要方式，在人與人之間的交流中扮演著重要的角色，因此計算機通過對人臉表情進行識別，可以感知人的情感和意圖，與人類的交互就會變得更加智能。近年來，人臉表情識別已成為國內外模式識別和人工智能領域的研究熱點，其內容涉及到心理學、社會學、數學、認知科學、生物學、計算機科學等眾多學科，是一個極富挑戰性的交叉課題。
本書以人臉表情識別為研究對象，比較全面系統地研究了人臉表情識別系統的基本理論、算法設計和應用，設計了一套主動視覺人臉跟蹤與表情識別系統。書中分別以動態人臉表情、微表情、魯棒表情為識別對象，介紹了相關特征提取、分類算法的技術方法。書中各部分主要內容如下：第1 章是人臉表情識別系統的概述，還介紹了相關技術的國內外發展現狀。第2 章針對復雜背景彩色圖像人臉快速檢測的問題，提出了一種人臉檢測與定位的方法。第3 章針對動態人臉表情特征提取的問題，提出了基于Candide3 模型的人臉表情跟蹤及動態特征提取方法。第4 章詳細討論了基于動態圖像序列的表情圖像分類及實現方法。第5 章研究并討論了基于主動外觀模型的人臉動態序列圖像表情特征提取算法。第6 章設計了基于子空間分析和改進*近鄰分類的表情識別算法。第7 章針對微表情序列圖像的分析，提出了一種微表情序列圖像的預處理方法。第8 章設計了基于多尺度LBP-TOP 的微表情特征提取方法。第9 章提出了基于全局光流特征提取與LBP-TOP 特征結合的微表情特征提取算法。第10 章討論了基于支持向量機和隨機森林的微表情識別的分類器設計方法。第11 章提出了一種基于Gabor 多方向特征融合與分塊直方圖的表情特征提取方法。第12 章針對光照變化下的表情分析問題，研究了基于對稱雙線性模型的光照魯棒性人臉表情分析。第13 章針對局部遮擋情況下的表情特征提取問題，研究了一種基于局部特征徑向編碼的局部遮擋表情特征提取方法。第14 章針對局部遮擋表情特征提取，設計了局部累加核支持向量機分類器算法。第15 章設計了一套基于主動視覺的人臉跟蹤與表情識別系統。
本書由筆者團隊結合吉林省科技項目及吉林大學“985工程”科技創新平臺，從事表情識別系統研究，特別是人臉面部表情識別系統關鍵技術的教學和研究成果積累編寫而成。書中很多應用技術和進展是筆者及所在課題組多年研究和開發成果的匯集，旨在為讀者提供一本適合于當前表情識別系統發展水平的專業參考書籍。本書可供從事模式識別、表情識別、人臉識別系統研究的科研人員、相關專業的研究生或高年級本科學生使用。
本書由吉林大學田彥濤教授、長春工業大學劉帥師博士與東北師范大學萬川博士編寫而成。在編寫過程中，王新竹碩士、郭艷君碩士、高旭碩士、張軒閣碩士為本書的部分章節提供了寶貴素材；吉林大學洪偉副教授、隋振副教授，長春工業大學廉宇峰副教授、孫中波博士為本書的編寫給予了很大幫助。在此表示感謝！
由于筆者水平有限，書中難免存在不妥之處，敬請廣大讀者批評指正。
著 者
說明:為了方便讀者學習,書中部分圖片提供電子版(提供電子版的圖,在圖上有“電子版”標識),在www.cip.com.cn/資源下載/配書資源中查找書名或者書號即可下載。
人臉表情識別算法及應用 目錄
第1 章 緒論 / 1
1．1 人臉表情識別系統概述 / 1
1．2 基于動態圖像序列的人臉表情識別的研究情況 / 2
1．3 微表情識別的研究情況 / 4
1．3．1 微表情識別的應用研究 / 4
1．3．2 微表情表達的研究 / 4
1．3．3 微表情識別的算法研究 / 4
1．3．4 微表情數據庫的研究 / 5
1．4 魯棒性人臉表情識別的研究情況 / 6
1．4．1 面部有遮擋的表情識別研究現狀 / 7
1．4．2 非均勻光照下的表情識別研究現狀 / 7
1．4．3 與視角無關的表情識別研究現狀 / 8
1．5 人臉表情識別相關資料匯總 / 8
參考文獻 / 8
第2 章 人臉檢測與定位 / 9
2．1 概述 / 9
2．2 基于膚色分割和模板匹配算法的快速人臉檢測 / 10
2．2．1 基于彩色信息的圖像分割 / 10
2．2．2 自適應模板匹配 / 12
2．2．3 仿真實驗及結果分析 / 14
2．3 改進Adaboost 算法的人臉檢測 / 15
2．3．1 由擴展的Haar-like 特征生成弱分類器 / 16
2．3．2 Adaboost 算法生成強分類器 / 16
2．3．3 級聯分類器的生成 / 18
2．3．4 極端學習機 / 20
2．3．5 仿真實驗及結果分析 / 22
參考文獻 / 25
第3 章 基于Candide3 模型的人臉表情跟蹤及動態特征提取 / 26
3．1 概述 / 26
3．2 基于Candide3 人臉模型的跟蹤算法研究 / 26
3．2．1 Candide3 人臉模型的研究 / 26
3．2．2 基于Candide3 模型的跟蹤算法研究 / 28
3．3 跟蹤算法改進 / 33
3．3．1 光照處理 / 33
3．3．2 基于在線表觀模型的跟蹤算法 / 34
3．3．3 模型的自動初始化研究 / 34
3．3．4 改進算法后跟蹤實驗 / 36
3．4 動態特征提取 / 37
3．4．1 特征點的跟蹤 / 37
3．4．2 動態特征提取 / 38
3．4．3 基于k 均值的聚類分析 / 39
參考文獻 / 42
第4 章 表情分類的實現 / 44
4．1 概述 / 44
4．2 K 近鄰分類器 / 44
4．2．1 K 近鄰規則 / 44
4．2．2 K 近鄰分類的距離度量 / 44
4．2．3 基于K 近鄰分類器的分類實驗 / 45
4．3 流形學習 / 46
4．3．1 主成分分析（PCA） / 47
4．3．2 拉普拉斯映射（LE） / 47
4．3．3 基于流形學習的降維分類實驗 / 48
4．4 支持向量機 / 51
4．4．1 支持向量機的基本思想 / 51
4．4．2 非線性支持向量機 / 52
4．4．3 基于支持向量機的分類實驗 / 52
4．5 基于Adaboost 的分類研究 / 53
4．5．1 Adaboost 算法 / 53
4．5．2 基于Adaboost 的分類實驗 / 54
參考文獻 / 55
第5 章 人臉動態序列圖像表情特征提取 / 56
5．1 概述 / 56
5．2 基于主動外觀模型的運動特征提取 / 56
5．2．1 主動形狀模型 / 56
5．2．2 幾何特征提取 / 57
5．3 基于Candide3 三維人臉模型的動態特征提取 / 59
5．3．1 Candide3 三維人臉模型 / 59
5．3．2 提取表情運動參數特征 / 59
5．4 動態時間規整（DTW） / 61
5．5 特征選擇 / 64
5．5．1 基于Fisher 準則的特征選擇 / 64
5．5．2 基于分布估計算法的特征選擇 / 65
5．6 仿真實驗及結果分析 / 67
5．6．1 基于主動外觀模型的運動特征提取 / 67
5．6．2 基于Candide3 模型的動態特征提取 / 69
參考文獻 / 72
第6 章 基于子空間分析和改進*近鄰分類的表情識別 / 74
6．1 概述 / 74
6．2 特征降維 / 74
6．2．1 非線性流形學習方法 / 74
6．2．2 線性子空間方法 / 76
6．3 改進*近鄰分類法 / 81
6．4 仿真實驗及結果分析 / 84
參考文獻 / 85
第7 章 微表情序列圖像預處理 / 86
7．1 概述 / 86
7．2 灰度歸一化 / 86
7．3 尺度歸一化 / 88
7．4 序列長度歸一化 / 89
7．4．1 時間插值法原理 / 90
7．4．2 時間插值法建模 / 91
7．4．3 時間插值法實現 / 93
參考文獻 / 95
第8 章 基于多尺度LBP-TOP 的微表情特征提取 / 97
8．1 概述 / 97
8．2 多尺度分析 / 97
8．2．1 平滑濾波 / 97
8．2．2 高斯微分 / 99
8．3 局部二值模式 / 101
8．3．1 原始LBP / 101
8．3．2 改進LBP / 102
8．3．3 降維 / 103
8．3．4 靜態特征統計 / 105
8．4 時空局部二值模式 / 106
8．4．1 LBP-TOP / 107
8．4．2 動態特征統計 / 109
8．5 多尺度LBP-TOP / 112
參考文獻 / 114
第9 章 基于全局光流與LBP-TOP 特征結合的微表情特征提取 / 115
9．1 概述 / 115
9．2 相關理論 / 115
9．2．1 運動場及光流場 / 115
9．2．2 經典計算方法 / 116
9．3 問題描述 / 117
9．3．1 約束條件 / 117
9．3．2 模型構建 / 119
9．4 算法實現 / 120
9．4．1 目標優化 / 120
9．4．2 多分辨率策略 / 122
9．4．3 特征統計 / 124
9．5 光流與LBP-TOP 特征結合 / 128
參考文獻 / 129
第10 章 人臉微表情分類器設計及實驗分析 / 131
10．1 概述 / 131
10．2 支持向量機 / 131
10．2．1 分類原理 / 131
10．2．2 樣本空間 / 132
10．2．3 模型參數優化 / 135
10．3 隨機森林 / 136
10．3．1 集成學習 / 137
10．3．2 決策樹 / 137
10．3．3 組合分類模型 / 139
10．4 評價準則 / 141
10．5 實驗對比驗證 / 143
10．5．1 識別LBP-TOP 特征 / 143
10．5．2 識別GDLBP-TOP 特征 / 146
10．5．3 識別OF 特征 / 147
10．5．4 識別LBP-TOP＋OF 特征 / 149
參考文獻 / 153
第11 章 基于Gabor 多方向特征融合與分塊直方圖的表情特征提取 / 155
11．1 概述 / 155
11．2 人臉表情圖像的Gabor 特征表征 / 156
11．2．1 二維Gabor 濾波器 / 156
11．2．2 人臉表情圖像的Gabor 特征表征 / 157
11．3 二維Gabor 小波多方向特征融合 / 159
11．3．1 融合規則1 / 159
11．3．2 融合規則2 / 160
11．4 分塊直方圖特征選擇 / 161
11．5 基于Gabor 特征融合與分塊直方圖統計的特征提取 / 162
11．6 算法可行性分析 / 163
11．7 實驗描述及結果分析 / 164
11．7．1 實驗流程 / 164
11．7．2 表情圖庫中圖像預處理 / 165
11．7．3 實驗描述 / 166
11．7．4 實驗結果分析 / 167
11．7．5 所選融合特征的尺度分析 / 169
參考文獻 / 170
第12 章 基于對稱雙線性模型的光照魯棒性人臉表情分析 / 172
12．1 概述 / 172
12．2 雙線性模型 / 174
12．3 基于對稱雙線性變換的表情圖像處理 / 175
12．4 光照變換 / 178
12．5 實驗描述及結果分析 / 181
12．5．1 實驗描述 / 181
12．5．2 實驗對比 / 182
參考文獻 / 185
第13 章 基于局部特征徑向編碼的局部遮擋表情特征提取 / 187
13．1 概述 / 187
13．2 表情圖像預處理 / 188
13．3 局部特征提取與表征 / 190
13．4 Gabor 特征徑向編碼 / 190
13．5 算法可行性分析 / 193
13．6 實驗描述及結果分析 / 193
13．6．1 局部子塊數對識別結果的影響 / 195
13．6．2 徑向網格尺寸對識別結果的影響 / 195
13．6．3 左/右人臉區域遮擋對識別結果的影響 / 196
13．6．4 不同局部特征編碼方法的實驗對比分析 / 196
13．6．5 遮擋對于表情識別的影響 / 197
參考文獻 / 198
第14 章 局部累加核支持向量機分類器 / 201
14．1 概述 / 201
14．2 支持向量機基本理論 / 202
14．2．1 廣義*優分類面 / 202
14．2．2 線性分類問題 / 203
14．2．3 支持向量機 / 205
14．2．4 核函數 / 206
14．3 局部徑向基累加核支持向量機 / 206
14．4 局部歸一化線性累加核支持向量機 / 207
14．5 實驗描述及結果分析 / 209
14．5．1 實驗描述 / 209
14．5．2 對比實驗 / 210
參考文獻 / 213
第15 章 基于主動視覺的人臉跟蹤與表情識別系統 / 214
15．1 概述 / 214
15．2 系統架構 / 214
15．2．1 硬件設計 / 214
15．2．2 交互界面的設計 / 217
15．3 相關算法 / 218
15．3．1 云臺跟蹤算法 / 218
15．3．2 表情識別算法 / 220
15．4 仿真實驗及結果分析 / 221
15．4．1 人臉定位跟蹤實驗 / 221
15．4．2 人臉表情識別實驗 / 224
參考文獻 / 227
索引 / 229
1．1 人臉表情識別系統概述 / 1
1．2 基于動態圖像序列的人臉表情識別的研究情況 / 2
1．3 微表情識別的研究情況 / 4
1．3．1 微表情識別的應用研究 / 4
1．3．2 微表情表達的研究 / 4
1．3．3 微表情識別的算法研究 / 4
1．3．4 微表情數據庫的研究 / 5
1．4 魯棒性人臉表情識別的研究情況 / 6
1．4．1 面部有遮擋的表情識別研究現狀 / 7
1．4．2 非均勻光照下的表情識別研究現狀 / 7
1．4．3 與視角無關的表情識別研究現狀 / 8
1．5 人臉表情識別相關資料匯總 / 8
參考文獻 / 8
第2 章 人臉檢測與定位 / 9
2．1 概述 / 9
2．2 基于膚色分割和模板匹配算法的快速人臉檢測 / 10
2．2．1 基于彩色信息的圖像分割 / 10
2．2．2 自適應模板匹配 / 12
2．2．3 仿真實驗及結果分析 / 14
2．3 改進Adaboost 算法的人臉檢測 / 15
2．3．1 由擴展的Haar-like 特征生成弱分類器 / 16
2．3．2 Adaboost 算法生成強分類器 / 16
2．3．3 級聯分類器的生成 / 18
2．3．4 極端學習機 / 20
2．3．5 仿真實驗及結果分析 / 22
參考文獻 / 25
第3 章 基于Candide3 模型的人臉表情跟蹤及動態特征提取 / 26
3．1 概述 / 26
3．2 基于Candide3 人臉模型的跟蹤算法研究 / 26
3．2．1 Candide3 人臉模型的研究 / 26
3．2．2 基于Candide3 模型的跟蹤算法研究 / 28
3．3 跟蹤算法改進 / 33
3．3．1 光照處理 / 33
3．3．2 基于在線表觀模型的跟蹤算法 / 34
3．3．3 模型的自動初始化研究 / 34
3．3．4 改進算法后跟蹤實驗 / 36
3．4 動態特征提取 / 37
3．4．1 特征點的跟蹤 / 37
3．4．2 動態特征提取 / 38
3．4．3 基于k 均值的聚類分析 / 39
參考文獻 / 42
第4 章 表情分類的實現 / 44
4．1 概述 / 44
4．2 K 近鄰分類器 / 44
4．2．1 K 近鄰規則 / 44
4．2．2 K 近鄰分類的距離度量 / 44
4．2．3 基于K 近鄰分類器的分類實驗 / 45
4．3 流形學習 / 46
4．3．1 主成分分析（PCA） / 47
4．3．2 拉普拉斯映射（LE） / 47
4．3．3 基于流形學習的降維分類實驗 / 48
4．4 支持向量機 / 51
4．4．1 支持向量機的基本思想 / 51
4．4．2 非線性支持向量機 / 52
4．4．3 基于支持向量機的分類實驗 / 52
4．5 基于Adaboost 的分類研究 / 53
4．5．1 Adaboost 算法 / 53
4．5．2 基于Adaboost 的分類實驗 / 54
參考文獻 / 55
第5 章 人臉動態序列圖像表情特征提取 / 56
5．1 概述 / 56
5．2 基于主動外觀模型的運動特征提取 / 56
5．2．1 主動形狀模型 / 56
5．2．2 幾何特征提取 / 57
5．3 基于Candide3 三維人臉模型的動態特征提取 / 59
5．3．1 Candide3 三維人臉模型 / 59
5．3．2 提取表情運動參數特征 / 59
5．4 動態時間規整（DTW） / 61
5．5 特征選擇 / 64
5．5．1 基于Fisher 準則的特征選擇 / 64
5．5．2 基于分布估計算法的特征選擇 / 65
5．6 仿真實驗及結果分析 / 67
5．6．1 基于主動外觀模型的運動特征提取 / 67
5．6．2 基于Candide3 模型的動態特征提取 / 69
參考文獻 / 72
第6 章 基于子空間分析和改進*近鄰分類的表情識別 / 74
6．1 概述 / 74
6．2 特征降維 / 74
6．2．1 非線性流形學習方法 / 74
6．2．2 線性子空間方法 / 76
6．3 改進*近鄰分類法 / 81
6．4 仿真實驗及結果分析 / 84
參考文獻 / 85
第7 章 微表情序列圖像預處理 / 86
7．1 概述 / 86
7．2 灰度歸一化 / 86
7．3 尺度歸一化 / 88
7．4 序列長度歸一化 / 89
7．4．1 時間插值法原理 / 90
7．4．2 時間插值法建模 / 91
7．4．3 時間插值法實現 / 93
參考文獻 / 95
第8 章 基于多尺度LBP-TOP 的微表情特征提取 / 97
8．1 概述 / 97
8．2 多尺度分析 / 97
8．2．1 平滑濾波 / 97
8．2．2 高斯微分 / 99
8．3 局部二值模式 / 101
8．3．1 原始LBP / 101
8．3．2 改進LBP / 102
8．3．3 降維 / 103
8．3．4 靜態特征統計 / 105
8．4 時空局部二值模式 / 106
8．4．1 LBP-TOP / 107
8．4．2 動態特征統計 / 109
8．5 多尺度LBP-TOP / 112
參考文獻 / 114
第9 章 基于全局光流與LBP-TOP 特征結合的微表情特征提取 / 115
9．1 概述 / 115
9．2 相關理論 / 115
9．2．1 運動場及光流場 / 115
9．2．2 經典計算方法 / 116
9．3 問題描述 / 117
9．3．1 約束條件 / 117
9．3．2 模型構建 / 119
9．4 算法實現 / 120
9．4．1 目標優化 / 120
9．4．2 多分辨率策略 / 122
9．4．3 特征統計 / 124
9．5 光流與LBP-TOP 特征結合 / 128
參考文獻 / 129
第10 章 人臉微表情分類器設計及實驗分析 / 131
10．1 概述 / 131
10．2 支持向量機 / 131
10．2．1 分類原理 / 131
10．2．2 樣本空間 / 132
10．2．3 模型參數優化 / 135
10．3 隨機森林 / 136
10．3．1 集成學習 / 137
10．3．2 決策樹 / 137
10．3．3 組合分類模型 / 139
10．4 評價準則 / 141
10．5 實驗對比驗證 / 143
10．5．1 識別LBP-TOP 特征 / 143
10．5．2 識別GDLBP-TOP 特征 / 146
10．5．3 識別OF 特征 / 147
10．5．4 識別LBP-TOP＋OF 特征 / 149
參考文獻 / 153
第11 章 基于Gabor 多方向特征融合與分塊直方圖的表情特征提取 / 155
11．1 概述 / 155
11．2 人臉表情圖像的Gabor 特征表征 / 156
11．2．1 二維Gabor 濾波器 / 156
11．2．2 人臉表情圖像的Gabor 特征表征 / 157
11．3 二維Gabor 小波多方向特征融合 / 159
11．3．1 融合規則1 / 159
11．3．2 融合規則2 / 160
11．4 分塊直方圖特征選擇 / 161
11．5 基于Gabor 特征融合與分塊直方圖統計的特征提取 / 162
11．6 算法可行性分析 / 163
11．7 實驗描述及結果分析 / 164
11．7．1 實驗流程 / 164
11．7．2 表情圖庫中圖像預處理 / 165
11．7．3 實驗描述 / 166
11．7．4 實驗結果分析 / 167
11．7．5 所選融合特征的尺度分析 / 169
參考文獻 / 170
第12 章 基于對稱雙線性模型的光照魯棒性人臉表情分析 / 172
12．1 概述 / 172
12．2 雙線性模型 / 174
12．3 基于對稱雙線性變換的表情圖像處理 / 175
12．4 光照變換 / 178
12．5 實驗描述及結果分析 / 181
12．5．1 實驗描述 / 181
12．5．2 實驗對比 / 182
參考文獻 / 185
第13 章 基于局部特征徑向編碼的局部遮擋表情特征提取 / 187
13．1 概述 / 187
13．2 表情圖像預處理 / 188
13．3 局部特征提取與表征 / 190
13．4 Gabor 特征徑向編碼 / 190
13．5 算法可行性分析 / 193
13．6 實驗描述及結果分析 / 193
13．6．1 局部子塊數對識別結果的影響 / 195
13．6．2 徑向網格尺寸對識別結果的影響 / 195
13．6．3 左/右人臉區域遮擋對識別結果的影響 / 196
13．6．4 不同局部特征編碼方法的實驗對比分析 / 196
13．6．5 遮擋對于表情識別的影響 / 197
參考文獻 / 198
第14 章 局部累加核支持向量機分類器 / 201
14．1 概述 / 201
14．2 支持向量機基本理論 / 202
14．2．1 廣義*優分類面 / 202
14．2．2 線性分類問題 / 203
14．2．3 支持向量機 / 205
14．2．4 核函數 / 206
14．3 局部徑向基累加核支持向量機 / 206
14．4 局部歸一化線性累加核支持向量機 / 207
14．5 實驗描述及結果分析 / 209
14．5．1 實驗描述 / 209
14．5．2 對比實驗 / 210
參考文獻 / 213
第15 章 基于主動視覺的人臉跟蹤與表情識別系統 / 214
15．1 概述 / 214
15．2 系統架構 / 214
15．2．1 硬件設計 / 214
15．2．2 交互界面的設計 / 217
15．3 相關算法 / 218
15．3．1 云臺跟蹤算法 / 218
15．3．2 表情識別算法 / 220
15．4 仿真實驗及結果分析 / 221
15．4．1 人臉定位跟蹤實驗 / 221
15．4．2 人臉表情識別實驗 / 224
參考文獻 / 227
索引 / 229
展開全部
書友推薦
- >
自卑與超越
- >
巴金－再思錄
- >
羅曼·羅蘭讀書隨筆-精裝
- >
推拿
- >
朝聞道
- >
上帝之肋:男人的真實旅程
- >
李白與唐代文化
- >
苦雨齋序跋文-周作人自編集
本類暢銷
