●前言
第1章 緒論
1.1 人臉識別的目的和意義
1.2 人臉識別的研究現狀
1.2.1 國際研究動態
1.2.2 國內研究現狀
1.3 人臉識別的研究內容
1.3.1 經典的工作
1.3.2 近期新的動向
1.4 本書的主要目的和內容安排
1.4.1 主要目的
1.4.2 內容安排
參考文獻
第2章 人臉特征表示
2.1 主成分分析
2.2 線性判別分析
2.3 優選間距準則
2.4 二維主成分分析
2.5 二維線性判別分析
2.6 雙向主成分分析
2.7 類增廣PCA
2.8 自適應類增廣PCA
2.9 融合小波變換和自適應類增廣PCA
2.10 二維類增廣PCA
2.10.1 用2DPCA進行預處理
2.10.2 特征矩陣歸一化
2.10.3 根據類信息獲得類增廣數據
2.10.4 對類增廣數據進行2DPCA處理
2.11 實驗結果與分析
2.11.1 識別性能分析
2.11.2 時間和綜合性能分析
2.11.3 二維CAPCA的實驗
2.12 本章小結
參考文獻
第3章 光照預處理與自適應特征提取
3.1 基於小波變換的預處理
3.2 自商圖像
3.3 Retinex方法
3.4 各向異性光滑處理
3.5 同態濾波
3.6 局部對比增強
3.7 基於Curvelet的特征提取
3.7.1 Curvelet變換
3.7.2 離散Curvelet變換的實現方法
3.8 自適應特征的提取
3.8.1 候選特征的表示
3.8.2 鋻別能力分析與特征選擇
3.9 非參數子空間分析
3.10 2DPCA非參數子空間分析
3.10.1 二維主成分分析
3.10.2 二維非參數子空間分析
3.10.3 特征提取和分類
3.11 實驗結果與分析
3.11.1 分塊熵特征表示的性能優勢
3.11.2 自適應特征選擇
3.11.3 不同2DPCA子空間對2DNSA的影響
3.11.4 各種光照預處理與特征提取方法相結合對比分析
3.12 本章小結
參考文獻
第4章 流形學習與圖像粒計算方法
4.1 等距映射
4.2 局部線性嵌入
4.3 拉普拉斯特征映射
4.4 局部保持投影
4.5 流形學習算法分析
4.6 粒計算
4.6.1 粒計算的基本組成
4.6.2 粒計算的基本問題
4.6.3 粒計算的應用研究
4.7 圖像粒
4.8 基於圖像粒的圖像處理
4.9 人臉圖像低維嵌入
4.9.1 人臉圖像二維嵌入
4.9.2 基於圖像粒的LLE
4.9.3 加權預處理的圖像粒LLE
4.10 基於圖像粒LPP的人臉姿態和表情分析
4.10.1 CMU PIE人臉庫實驗
4.10.2 Frey人臉庫實驗
4.11 本章小結
參考文獻
第5章 小波變換與特征提取
5.1 二維小波變換
5.2 基於小波和流形學習的人臉姿態表情分析
5.2.1 圖像特征信息粒
5.2.2 基於小波分解的流形算法
5.3 Gabor小波特征提取
5.3.1 Gabor小波介紹
5.3.2 Gabor特征表示
5.4 基於Gabor小波的S2DNPE算法
5.4.1 有監督的二維近鄰保持嵌入
5.4.2 GS2DNPE的算法流程
5.5 基於Gabor小波的SB2DLPP算法
5.5.1 雙向二維局部保持投影
5.5.2 有監督的雙向二維局部保持投影算法
5.6 雙向二維近鄰保持嵌入算法
5.7 雙向二維近鄰保持判別嵌入算法
5.7.1 投影矩陣的求解
5.7.2 特征分類識別
5.8 實驗結果與分析
5.8.1 基於Gabor小波的S2DNPE算法
5.8.2 基於Gabor小波的SB2DLPP算法
5.8.3 雙向二維近鄰保持判別嵌入算法
5.9 本章小結
參考文獻
第6章 稀疏表示與字典學習
6.1 稀疏表示的模型和求解算法
6.2 協同表示理論
6.3 字典學習
6.4 類別特色字典學習
6.5 類別特色字典優化
6.6 共享字典學習
6.7 共享字典和類別特色字典結合的分類方法
6.8 類內變化字典學習
6.9 類內變化字典優化
6.10 分類策略
6.11 實驗結果分析
6.11.1 類別特色字典優化實驗
6.11.2 算法6-4實驗
6.12 本章小結
參考文獻
第7章 特征篩選與人臉表情識別
7.1 LBP算子
7.2 CLBP算子
7.3 DisCLBP算子
7.4 基於Fisher準則改進的DisCLBP特征篩選算法描述
7.5 基於DisCLBP的人臉表情識別
7.6 特征塊初始化
7.7 初次篩選特征塊
7.8 再次篩選特征塊並分類
7.9 實驗結果與分析
7.9.1 DisCLBP的人臉表情識別實驗
7.9.2 篩選特征塊實驗
7.10 本章小結
參考文獻
第8章 人臉特征點檢測與2D矯正
8.1 牛頓法
8.2 從牛頓法推導SDM
8.2.1 牛頓法表達式
8.2.2 SDM
8.3 人臉特征點檢測SDM
8.3.1 SDM流程
8.3.2 SDM流程圖
8.3.3 SIFT特征點檢測
8.4 Delaunay三角剖分介紹
8.4.1 三角剖分定義
8.4.2 Delaunay三角剖分定義
8.4.3 Delaunay三角剖分準則
8.4.4 Delaunay三角剖分特性
8.4.5 局部很優化處理
8.5 Delaunay三角剖分算法
8.5.1 Lawson算法
8.5.2 Bowyer-Watson算法
8.6 基於網絡變形的人臉矯正
8.6.1 包圍盒
8.6.2 人臉矯正的流程
8.6.3 面部變形
8.6.4 仿射變換
8.7 實驗結果及分析
8.7.1 人臉庫簡介
8.7.2 LFW人臉庫上的實驗
8.7.3 對比分析
8.8 本章小結
參考文獻
第9章 人臉特征檢測與深度學習
9.1 背投影
9.2 特征檢測和描述
9.2.1 Haar級聯檢測
9.2.2 HoG
9.3 R-CNN繫列
9.3.1 R-CNN
9.3.2 Fast R-CNN
9.3.3 Faster R-CNN
9.4 BoVW
9.4.1 BoVW模型
9.4.2 基於BoVW模型的學習和識別
9.5 DeepFace
9.5.1 DNN架構和訓練
9.5.2 標準化
9.5.3 驗證度量
9.6 基於MT-CNN和FaceNet的算法描述
9.6.1 人臉檢測和識別的技術分析
9.6.2 MT-CNN
9.6.3 FaceNet
9.6.4 多實例模型
9.7 實驗結果及分析
9.7.1 FaceNet分析
9.7.2 多實例模型分析
9.8 本章小結
參考文獻

本書介紹人臉特征表達與識別相關的主要研究進展。主要內容包括：人臉圖像的光照預處理，人臉特征的2D表示，稀疏表示，字典表示，特征壓縮與選擇，以及分類器構造、分類器集成等方法。這些內容也代表了近年來人臉特征表達與識別的主要研究方向。該書集成了作者研究小組10年來的主要研究成果，為從事人臉識別方向的人員提供了有價值的參考。