多模態(tài)生物特征識(shí)別——基于人臉與人耳信息
定 價(jià)：55 元
叢書名：普通高等教育“十三五”規(guī)劃教材普通高等院校工程實(shí)踐系列規(guī)劃教材
- 作者：王瑜著
- 出版時(shí)間：2013/12/11
- ISBN：9787030389503
- 出 版 社：科學(xué)出版社
- 中圖法分類：TP391.41
- 頁(yè)碼：179頁(yè)
- 紙張：膠版紙
- 版次：1
- 開本：16K
《多模態(tài)生物特征識(shí)別--基于人臉與人耳信息》 (作者王瑜)以人臉和人耳單生物特征為研究對(duì)象，旨在探討人臉、人耳多模態(tài)識(shí)別技術(shù)的可行性和有效性，共分6章。第1、2章是基礎(chǔ)知識(shí)部分，主要介紹單生物特征和多模態(tài)生物特征識(shí)別技術(shù)的基本概念、評(píng)價(jià)體系和發(fā)展現(xiàn)狀。第3～5章是算法研究部分，主要利用人臉和人耳近似90°的特殊生理位置所帶來的信息互補(bǔ)性，分別從融合信息方式、提取特征方法和捕獲姿態(tài)不變量屬性等方面入手，提出一系列人臉、人耳多模態(tài)識(shí)別的相關(guān)算法，試圖緩解甚至消除由于姿態(tài)和遮擋等不利因素對(duì)人臉或人耳單生物特征識(shí)別造成的不利影響。第6章詳細(xì)介紹目前國(guó)內(nèi)外具有影響力的人臉和人耳圖像庫(kù)，并著重介紹作者組織并參與搭建的人臉人耳罔像庫(kù)。
《多模態(tài)生物特征識(shí)別--基于人臉與人耳信息》可作為高等院校計(jì)算機(jī)等相關(guān)專業(yè)的教材，也可作為相關(guān)領(lǐng)域工程技術(shù)人員的參考書。
更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。
目錄
前言
第1章 生物特征識(shí)別 1
1.1 生物特征識(shí)別的概念 1
1.1.1 生物特征識(shí)別技術(shù) 1
1.1.2 生物特征識(shí)別系統(tǒng) 2
1.1.3 生物特征識(shí)別的優(yōu)勢(shì) 3
1.1.4 社會(huì)的可接受性和隱私問題 4
1.2 生物特征識(shí)別的發(fā)展 6
1.3 生物特征識(shí)別技術(shù)的評(píng)價(jià) 7
1.4 生物特征識(shí)別技術(shù)簡(jiǎn)介 9
1.4.1 人臉識(shí)別 11
1.4.2 人耳識(shí)別 22
1.4.3 指紋識(shí)別 33
1.4.4 語(yǔ)音識(shí)別 35
1.4.5 簽名識(shí)別 36
1.4.6 虹膜識(shí)別 40
1.4.7 掌紋識(shí)別 41
1.4.8 擊鍵動(dòng)力學(xué)分析 42
1.4.9 步態(tài)識(shí)別 43
1.4.10 視網(wǎng)膜識(shí)別 44
1.4.11 DNA識(shí)別 44
1.4.12 其他生物特征識(shí)別技術(shù) 44
1.5 本章小結(jié) 45
參考文獻(xiàn) 46
第2章 多模態(tài)生物特征識(shí)別 55
2.1 多模態(tài)生物特征識(shí)別的概念 55
2.2 多模態(tài)生物特征識(shí)別的優(yōu)勢(shì) 57
2.3 多模態(tài)生物特征識(shí)別技術(shù)簡(jiǎn)介 60
2.3.1 多模態(tài)生物特征的信息融合 60
2.3.2 多模態(tài)生物特征識(shí)別系統(tǒng)與數(shù)據(jù)庫(kù) 64
2.4 人臉人耳多模態(tài)識(shí)別技術(shù)研究 67
2.5 本章小結(jié) 69
參考文獻(xiàn) 69
第3章 基于核典型相關(guān)分析的人臉人耳多模態(tài)識(shí)別 73
3.1 典型相關(guān)分析原理 73
3.2 核典型相關(guān)分析原理 75
3.3 方法介紹 78
3.3.1 融合前的預(yù)處理 78
3.3.2 人臉與人耳的信息融合 79
3.3.3 分類器設(shè)計(jì) 80
3.4 實(shí)驗(yàn)與討論 80
3.4.1 實(shí)驗(yàn)設(shè)計(jì) 80
3.4.2 實(shí)驗(yàn)步驟 81
3.4.3 實(shí)驗(yàn)結(jié)果與分析 81
3.5 本章小結(jié) 85
參考文獻(xiàn) 86
第4章 基于局部二值模式紋理分析的人臉人耳多模態(tài)識(shí)別 89
4.1 紋理分析的概念與優(yōu)勢(shì) 90
4.1.1 紋理的概念 90
4.1.2 紋理分析的優(yōu)勢(shì) 90
4.2 局部二值模式紋理分析原理 92
4.2.1 相關(guān)紋理分析方法比較 92
4.2.2 基本局部二值模式 95
4.2.3 圓形局部二值模式 99
4.2.4 旋轉(zhuǎn)不變量局部二值模式 101
4.2.5 對(duì)比度與紋理模式 103
4.2.6 規(guī)范型局部二值模式 104
4.2.7 局部二值模式的優(yōu)勢(shì) 106
4.3 方法介紹 108
4.3.1 Haar小波變換 108
4.3.2 分塊融合思想 111
4.3.3 多尺度融合與規(guī)范型局部二值模式特征提取 112
4.3.4 人臉與人耳的信息融合 113
4.3.5 分類器設(shè)計(jì) 115
4.4 實(shí)驗(yàn)與討論 116
4.4.1 實(shí)驗(yàn)設(shè)計(jì) 116
4.4.2 實(shí)驗(yàn)步驟 116
4.4.3 實(shí)驗(yàn)結(jié)果與分析 117
4.5 本章小結(jié) 125
參考文獻(xiàn) 125
第5章 基于姿態(tài)轉(zhuǎn)換的人臉人耳多模態(tài)識(shí)別 130
5.1 姿態(tài)轉(zhuǎn)換原理 130
5.2 方法介紹 131
5.2.1 特征提取與基空間的計(jì)算 132
5.2.2 姿態(tài)圖像特征空間的姿態(tài)轉(zhuǎn)換 134
5.2.3 人臉與人耳的信息融合 137
5.2.4 分類器設(shè)計(jì) 137
5.3 實(shí)驗(yàn)與討論 137
5.3.1 實(shí)驗(yàn)設(shè)計(jì) 137
5.3.2 實(shí)驗(yàn)步驟 138
5.3.3 實(shí)驗(yàn)結(jié)果與分析 139
5.4 本章小結(jié) 144
參考文獻(xiàn) 145
第6章 人臉人耳多模態(tài)標(biāo)準(zhǔn)圖像庫(kù)的構(gòu)建與完善 147
6.1 人臉圖像庫(kù)簡(jiǎn)介 147
6.1.1 M2VTS多模態(tài)人臉圖像庫(kù) 147
6.1.2 XM2VTSDB人臉圖像庫(kù) 148
6.1.3 CASGPEAL人臉圖像庫(kù) 149
6.1.4 FERET人臉圖像庫(kù) 152
6.1.5 韓國(guó)人臉圖像庫(kù) 153
6.1.6 MPI人臉圖像庫(kù) 153
6.1.7 圣母大學(xué)人臉圖像庫(kù) 154
6.1.8 得克薩斯大學(xué)人臉圖像庫(kù) 155
6.1.9 FRGC人臉圖像庫(kù) 155
6.1.10 CMU高光譜人臉圖像庫(kù) 157
6.1.11 CMUPIE人臉圖像庫(kù) 158
6.1.12 AR人臉圖像庫(kù) 158
6.1.13 Equinox紅外人臉圖像庫(kù) 159
6.1.14 ORL人臉圖像庫(kù) 160
6.1.15 Yale人臉圖像庫(kù) 161
6.1.16 YaleB人臉圖像庫(kù) 161
6.1.17 BANCA人臉圖像庫(kù) 162
6.1.18 JAFFE人臉圖像庫(kù) 163
6.1.19 馬里蘭大學(xué)人臉圖像庫(kù) 164
6.1.20 CKAC人臉圖像庫(kù) 165
6.1.21 UMIST人臉圖像庫(kù) 165
6.1.22 奧盧大學(xué)人臉圖像庫(kù) 165
6.1.23 MIT人臉圖像庫(kù) 165
6.1.24 NISTGMID人臉圖像庫(kù) 166
6.1.25 Harvard人臉圖像庫(kù) 166
6.2 人耳圖像庫(kù)簡(jiǎn)介 166
6.2.1 圣母大學(xué)人耳圖像庫(kù) 166
6.2.2 WPUTGDB人耳圖像庫(kù) 167
6.2.3 IITDelhi人耳圖像庫(kù) 167
6.2.4 IIT坎普爾人耳圖像庫(kù) 168
6.2.5 ScFace人耳圖像庫(kù) 168
6.2.6 Sheffield人耳圖像庫(kù) 168
6.2.7 YSU人耳圖像庫(kù) 169
6.2.8 NCKU人耳圖像庫(kù) 169
6.2.9 UBEAR人耳圖像庫(kù) 169
6.2.10 CP人耳圖像庫(kù) 170
6.3 USTB人臉人耳圖像庫(kù)的構(gòu)建與完善 170
6.3.1 人耳圖像庫(kù)Ⅰ 171
6.3.2 人耳圖像庫(kù)Ⅱ 171
6.3.3 人臉人耳圖像庫(kù)Ⅲ 172
6.3.4 人臉人耳圖像庫(kù)Ⅳ 174
6.4 本章小結(jié) 176
參考文獻(xiàn) 176
書單推薦
