生物特征識別方法與技術(shù)

第1章 緒論
1.1 生物特征識別簡述
1.1.1 常用的生物特征識別技術(shù)
1.1.2 各種常用生物特征識別技術(shù)的比較
1.2 生物特征識別技術(shù)發(fā)展概述
1.2.1 生物特征識別技術(shù)的優(yōu)勢
1.2.2 生物特征識別技術(shù)的市場發(fā)展概況
1.2.3 我國生物特征識別技術(shù)發(fā)展概述
參考文獻
第2章 人臉檢測與跟蹤
2.1 概述
2.2 AdaBoost學習算法
2.2.1 AdaBoost方法
2.2.2 分類器訓練思想
2.2.3 構(gòu)造弱分類器
2.2.4 構(gòu)造強分類器
2.2.5 分類器訓練流程
2.3 多層級聯(lián)分類器
2.3.1 多層級聯(lián)分類器的分類方法
2.3.2 使用級聯(lián)分類器進行訓練
2.3.3 實驗結(jié)果
2.4 基于AdaBoost的膚色檢測新方法
2.4.1 膚色檢測方法
2.4.2 膚色分布的分析
2.4.3 實驗結(jié)果
2.5 人臉跟蹤
2.5.1 智能像素聚類目標跟蹤算法
2.5.2 簡單背景的目標跟蹤
2.5.3 人臉跟蹤
參考文獻
第3章 基于流形學習的人臉識別
3.1 生長型局部線性嵌入算法
3.1.1 生長模型分析
3.1.2 生長型局部線性嵌入算法
3.1.3 GLLE對Isomap算法改進的啟發(fā)
3.2 噪聲流形學習與分析
3.2.1 問題的提出
3.2.2 鄰域平滑嵌入算法
3.3 流形學習算法的應(yīng)用
3.3.1 人臉序列數(shù)據(jù)庫的建立與評測
3.3.2 人臉序列中的流形結(jié)構(gòu)
3.3.3 基于外觀流形的動態(tài)視頻人臉識別
3.3.4 基于流形重構(gòu)的單圖像人臉識別
參考文獻
第4章 多姿態(tài)人臉識別
4.1 基于保持數(shù)據(jù)近鄰信息的增量學習方法
4.1.1 增量LaplacianEigenmaps（LE）算法
4.1.2 仿真實驗
4.2 引入遺忘機制的ART2改進算法
4.2.1 自適應(yīng)共振理論簡介
4.2.2 ARTl神經(jīng)網(wǎng)絡(luò)
4.2.3 ART2神經(jīng)網(wǎng)絡(luò)
4.2.4 ART2網(wǎng)絡(luò)存在的問題與改進
4.3 逆轉(zhuǎn)錄ARl3算法
4.3.1 ART3神經(jīng)網(wǎng)絡(luò)
4.3.2 ARlr3改進算法——ReART
4.3.3 仿真實驗
4.3.4 ReART在多姿態(tài)人臉識別中的應(yīng)用
4.4 圖像平均重構(gòu)技術(shù)與多姿態(tài)人臉識別
4.4.1 自動人臉識別中的圖像平均技術(shù)
4.4.2 從原始圖像到平均臉：加權(quán)圖像平均技術(shù)
4.4.3 從平均臉到原始圖像：重構(gòu)臉的生成
4.4.4 一個識別示例：視頻人臉識別
4.4.5 仿真實驗
第5章 多特征指紋識別
第6章 掌紋掌脈及其融合識別技術(shù)
第7章 人臉與掌紋識別的子空間特征提取方法
參考文獻