機器視覺入門與實戰(zhàn)：人臉識別與人體識別

定　價：￥89.00

作　者：	夏東，周波
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥66.70)

ISBN：	9787111721475	出版時間：	2023-03-01	包裝：	平裝-膠訂
開本：	32開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　這是一本系統(tǒng)講解人臉識別和人體姿態(tài)識別技術(shù)、算法和應(yīng)用的實戰(zhàn)性著作，是作者團隊多年研究成果和實踐經(jīng)驗的總結(jié)。既有業(yè)界成熟的技術(shù)和算法，又有行業(yè)的新熱點和新趨勢。通過本書，讀者將能輕松掌握如下知識：機器視覺的概念以及索引技術(shù)，包括向量空間索引和度量空間索引；人臉識別技術(shù)，以及人臉檢測算法、人臉對齊算法、人臉特征提取算法；面向人臉檢索的高維空間快速索引技術(shù)；人體姿態(tài)識別技術(shù)、目標檢測算法以及算法的性能評測；面向嵌入式設(shè)備的人臉識別技術(shù)與算法，輕量級的人臉識別技術(shù)與算法，以及面向ARM設(shè)備的人臉精準識別方法VMFace；人臉識別、人體姿態(tài)識別相關(guān)技術(shù)和算法在門禁、安防和運動訓(xùn)練等場景的應(yīng)用。

作者簡介

　　夏　東國防科技大學通信與信息系統(tǒng)博士、控制科學與工程博士后。長期從事人工智能和自動目標識別領(lǐng)域的研究工作，主持完成國家“863計劃”項目等多個重大項目的研究，發(fā)明專利60余項。在機器智能視覺、大數(shù)據(jù)等領(lǐng)域有豐富的實戰(zhàn)經(jīng)驗與深入的商業(yè)化理解。將機器智能視覺理論付諸實踐創(chuàng)立了湖南視覺偉業(yè)智能科技有限公司。作為湖南省科技創(chuàng)業(yè)領(lǐng)軍人才，帶領(lǐng)團隊研發(fā)了人臉識別、行為分析等多款款業(yè)內(nèi)領(lǐng)先AI軟硬件產(chǎn)品，并在多個省份和城市得到應(yīng)用。周　波長期從事計算機視覺、人工智能研究工作，發(fā)明專利40余項，獲得“安防工匠人物”稱號，創(chuàng)立深圳市海清視訊科技有限公司，獲得國家級專精特新“小巨人”企業(yè)稱號。

圖書目錄

CONTENTS
目　　錄
前言
第1章　機器視覺概述　1
1.1　機器視覺簡介　1
1.1.1　什么是機器視覺　2
1.1.2　機器視覺的技術(shù)分類　4
1.1.3　機器視覺技術(shù)的應(yīng)用與價值　14
1.2　機器視覺在人體識別中的相關(guān)應(yīng)用　19
1.2.1　人臉識別　19
1.2.2　人體姿態(tài)識別與估計　20
1.2.3　計算視覺小型化　22
1.2.4　意義與價值　23
1.3　本章小結(jié)　24
第2章　機器視覺中的索引技術(shù)　25
2.1　索引技術(shù)概述　25
2.1.1　索引的概念　26
2.1.2　索引的作用　27
2.2　向量空間索引技術(shù)　29
2.2.1　向量空間索引技術(shù)概述　29
2.2.2　分類介紹　30
2.2.3　向量空間索引的應(yīng)用　42
2.3　度量空間索引技術(shù)　43
2.3.1　度量空間索引技術(shù)概述　43
2.3.2　分類介紹　44
2.3.3　度量空間索引的應(yīng)用　49
2.4　本章小結(jié)　51
第3章　機器視覺中的人臉識別技術(shù)　52
3.1　人臉識別技術(shù)　52
3.1.1　概念與定義　52
3.1.2　人臉識別技術(shù)的分類　57
3.2　人臉檢測算法　57
3.2.1　概念與定義　58
3.2.2　Adaboost　59
3.2.3　Cascade CNN　59
3.2.4　DenseBox　62
3.2.5　Faceness-Net　 65
3.2.6　MTCNN　 67
3.3　人臉對齊算法　69
3.3.1　概念與定義　69
3.3.2　DCNN　 70
3.3.3　TCNN　 72
3.3.4　LAB　 73
3.4　人臉特征提取算法　74
3.4.1　概念與定義　75
3.4.2　DeepID　 77
3.4.3　InsightFace　 79
3.4.4　MobileFaceNet　 80
3.5　本章小結(jié)　81
第4章　機器視覺中的人體姿態(tài)識別技術(shù)　82
4.1　人體姿態(tài)識別技術(shù)概述　82
4.1.1　概念與定義　83
4.1.2　人體姿態(tài)識別技術(shù)的特點　84
4.1.3　人體骨架關(guān)鍵點提取技術(shù)　85
4.1.4　人體姿態(tài)識別算法　87
4.2　自上而下的人體姿態(tài)識別技術(shù)　88
4.2.1　Mask R-CNN　88
4.2.2　RMPE　 92
4.2.3　DeepCut　95
4.3　自下而上的人體姿態(tài)識別技術(shù)　97
4.3.1　PAF　97
4.3.2　Associative Embedding　 99
4.4　本章小結(jié)　102
第5章　面向人臉檢索的高維空間快速索引技術(shù)　103
5.1　度量空間索引和相似性檢索　103
5.1.1　度量空間索引　104
5.1.2　相似性檢索　106
5.2　高維空間快速索引方法　109
5.2.1　度量空間索引快速查詢方法　109
5.2.2 　度量空間索引KNN查詢方法　113
5.3　高維空間快速索引實驗　117
5.3.1　實驗環(huán)境　117
5.3.2　實驗結(jié)果　117
5.3.3　分析比較　118
5.4　本章小結(jié)　119
第6章　嵌入式設(shè)備中的人臉精準識別技術(shù)　120
6.1　嵌入式設(shè)備概述　120
6.1.1　嵌入式設(shè)備的由來　121
6.1.2　嵌入式設(shè)備的分類　122
6.2　輕量級人臉識別算法與嵌入式人臉識別應(yīng)用　125
6.2.1　輕量級人臉識別算法　125
6.2.2　嵌入式人臉識別應(yīng)用　133
6.3　面向ARM的人臉精準識別方法VMFace　135
6.3.1　VMFace神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)　135
6.3.2　VMFace在ARM環(huán)境的應(yīng)用與性能分析　136
6.4　本章小結(jié)　139
第7章　面向姿態(tài)識別的目標檢測算法與性能測評　140
7.1　兩階段目標檢測算法　140
7.1.1　R-CNN模型　141
7.1.2　SPP-Net模型　148
7.1.3　Fast R-CNN模型　153
7.1.4　Faster R-CNN模型　157
7.2　一階段目標檢測算法　160
7.2.1　YOLO模型　160
7.2.2　YOLO 2模型　162
7.2.3　SSD模型　165
7.3　算法性能測評　167
7.3.1　實驗環(huán)境與參數(shù)設(shè)置　167
7.3.2　性能測試結(jié)果對比　169
7.4　本章小結(jié)　172
第8章　嵌入式人臉設(shè)備的應(yīng)用　173
8.1　門禁場景應(yīng)用　174
8.1.1　門禁場景應(yīng)用簡介　175
8.1.2　人臉識別門禁場景體系設(shè)計　177
8.1.3　算法分析　178
8.1.4　案例介紹　179
8.2　安防場景應(yīng)用　182
8.2.1　人臉識別安防場景應(yīng)用簡介　183
8.2.2　安防場景應(yīng)用結(jié)構(gòu)　184
8.2.3　案例介紹　187
8.3　本章小結(jié)　188
第9章　人體姿態(tài)識別技術(shù)的應(yīng)用　189
9.1　運動訓(xùn)練場景應(yīng)用　189
9.1.1　算法分析　190
9.1.2　案例介紹　191
9.2　姿態(tài)糾正應(yīng)用　193
9.2.1　坐姿糾正應(yīng)用　193
9.2.2　演講姿態(tài)糾正應(yīng)用　194
9.3　安防應(yīng)用　196
9.3.1　安防應(yīng)用背景　197
9.3.2　算法分析　197
9.4　虛擬現(xiàn)實應(yīng)用　198
9.4.1　虛擬現(xiàn)實應(yīng)用背景　198
9.4.2　算法分析　199
9.5　其他應(yīng)用場景　201
9.6　本章小結(jié)　202
第10章　問題、挑戰(zhàn)與發(fā)展　203
10.1　問題和挑戰(zhàn)　203
10.1.1　基礎(chǔ)性問題和挑戰(zhàn)　203
10.1.2　技術(shù)挑戰(zhàn)　204
10.1.3　用戶隱私挑戰(zhàn)　205
10.2　未來發(fā)展　207
10.2.1　人臉識別技術(shù)的未來　208
10.2.2　人體姿態(tài)識別技術(shù)的未來　209
10.3　本章小結(jié)　210