“中国制造2025”出版工程--人脸表情识别算法及应用
出版时间:
2020-07
版次:
1
ISBN:
9787122349545
定价:
58.00
装帧:
平装
开本:
16开
纸张:
胶版纸
页数:
231页
3人买过
-
本书主要研究了表情识别系统基本理论、算法设计和应用。书中分别以动态人脸表情、微表情、鲁棒表情为识别对象， 系统介绍了相关特征提取、分类算法的技术方法， 并设计了一套主动视觉人脸跟踪与表情识别系统。
本书可供从事模式识别、表情识别、人脸识别系统研究的科研人员、相关专业的研究生或高年级本科学生使用。 第1 章 绪论 / 1
1．1 人脸表情识别系统概述 / 1
1．2 基于动态图像序列的人脸表情识别的研究情况 / 2
1．3 微表情识别的研究情况 / 4
1．3．1 微表情识别的应用研究 / 4
1．3．2 微表情表达的研究 / 4
1．3．3 微表情识别的算法研究 / 4
1．3．4 微表情数据库的研究 / 5
1．4 鲁棒性人脸表情识别的研究情况 / 6
1．4．1 面部有遮挡的表情识别研究现状 / 7
1．4．2 非均匀光照下的表情识别研究现状 / 7
1．4．3 与视角无关的表情识别研究现状 / 8
1．5 人脸表情识别相关资料汇总 / 8
参考文献 / 8
第2 章 人脸检测与定位 / 9
2．1 概述 / 9
2．2 基于肤色分割和模板匹配算法的快速人脸检测 / 10
2．2．1 基于彩色信息的图像分割 / 10
2．2．2 自适应模板匹配 / 12
2．2．3 仿真实验及结果分析 / 14
2．3 改进Adaboost 算法的人脸检测 / 15
2．3．1 由扩展的Haar-like 特征生成弱分类器 / 16
2．3．2 Adaboost 算法生成强分类器 / 16
2．3．3 级联分类器的生成 / 18
2．3．4 极端学习机 / 20
2．3．5 仿真实验及结果分析 / 22
参考文献 / 25
第3 章 基于Candide3 模型的人脸表情跟踪及动态特征提取 / 26
3．1 概述 / 26
3．2 基于Candide3 人脸模型的跟踪算法研究 / 26
3．2．1 Candide3 人脸模型的研究 / 26
3．2．2 基于Candide3 模型的跟踪算法研究 / 28
3．3 跟踪算法改进 / 33
3．3．1 光照处理 / 33
3．3．2 基于在线表观模型的跟踪算法 / 34
3．3．3 模型的自动初始化研究 / 34
3．3．4 改进算法后跟踪实验 / 36
3．4 动态特征提取 / 37
3．4．1 特征点的跟踪 / 37
3．4．2 动态特征提取 / 38
3．4．3 基于k 均值的聚类分析 / 39
参考文献 / 42
第4 章 表情分类的实现 / 44
4．1 概述 / 44
4．2 K 近邻分类器 / 44
4．2．1 K 近邻规则 / 44
4．2．2 K 近邻分类的距离度量 / 44
4．2．3 基于K 近邻分类器的分类实验 / 45
4．3 流形学习 / 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 基于流形学习的降维分类实验 / 48
4．4 支持向量机 / 51
4．4．1 支持向量机的基本思想 / 51
4．4．2 非线性支持向量机 / 52
4．4．3 基于支持向量机的分类实验 / 52
4．5 基于Adaboost 的分类研究 / 53
4．5．1 Adaboost 算法 / 53
4．5．2 基于Adaboost 的分类实验 / 54
参考文献 / 55
第5 章 人脸动态序列图像表情特征提取 / 56
5．1 概述 / 56
5．2 基于主动外观模型的运动特征提取 / 56
5．2．1 主动形状模型 / 56
5．2．2 几何特征提取 / 57
5．3 基于Candide3 三维人脸模型的动态特征提取 / 59
5．3．1 Candide3 三维人脸模型 / 59
5．3．2 提取表情运动参数特征 / 59
5．4 动态时间规整（DTW） / 61
5．5 特征选择 / 64
5．5．1 基于Fisher 准则的特征选择 / 64
5．5．2 基于分布估计算法的特征选择 / 65
5．6 仿真实验及结果分析 / 67
5．6．1 基于主动外观模型的运动特征提取 / 67
5．6．2 基于Candide3 模型的动态特征提取 / 69
参考文献 / 72
第6 章 基于子空间分析和改进最近邻分类的表情识别 / 74
6．1 概述 / 74
6．2 特征降维 / 74
6．2．1 非线性流形学习方法 / 74
6．2．2 线性子空间方法 / 76
6．3 改进最近邻分类法 / 81
6．4 仿真实验及结果分析 / 84
参考文献 / 85
第7 章 微表情序列图像预处理 / 86
7．1 概述 / 86
7．2 灰度归一化 / 86
7．3 尺度归一化 / 88
7．4 序列长度归一化 / 89
7．4．1 时间插值法原理 / 90
7．4．2 时间插值法建模 / 91
7．4．3 时间插值法实现 / 93
参考文献 / 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 平滑滤波 / 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 改进LBP / 102
8．3．3 降维 / 103
8．3．4 静态特征统计 / 105
8．4 时空局部二值模式 / 106
8．4．1 LBP-TOP / 107
8．4．2 动态特征统计 / 109
8．5 多尺度LBP-TOP / 112
参考文献 / 114
第9 章 基于全局光流与LBP-TOP 特征结合的微表情特征提取 / 115
9．1 概述 / 115
9．2 相关理论 / 115
9．2．1 运动场及光流场 / 115
9．2．2 经典计算方法 / 116
9．3 问题描述 / 117
9．3．1 约束条件 / 117
9．3．2 模型构建 / 119
9．4 算法实现 / 120
9．4．1 目标优化 / 120
9．4．2 多分辨率策略 / 122
9．4．3 特征统计 / 124
9．5 光流与LBP-TOP 特征结合 / 128
参考文献 / 129
第10 章 人脸微表情分类器设计及实验分析 / 131
10．1 概述 / 131
10．2 支持向量机 / 131
10．2．1 分类原理 / 131
10．2．2 样本空间 / 132
10．2．3 模型参数优化 / 135
10．3 随机森林 / 136
10．3．1 集成学习 / 137
10．3．2 决策树 / 137
10．3．3 组合分类模型 / 139
10．4 评价准则 / 141
10．5 实验对比验证 / 143
10．5．1 识别LBP-TOP 特征 / 143
10．5．2 识别GDLBP-TOP 特征 / 146
10．5．3 识别OF 特征 / 147
10．5．4 识别LBP-TOP＋OF 特征 / 149
参考文献 / 153
第11 章 基于Gabor 多方向特征融合与分块直方图的表情特征提取 / 155
11．1 概述 / 155
11．2 人脸表情图像的Gabor 特征表征 / 156
11．2．1 二维Gabor 滤波器 / 156
11．2．2 人脸表情图像的Gabor 特征表征 / 157
11．3 二维Gabor 小波多方向特征融合 / 159
11．3．1 融合规则1 / 159
11．3．2 融合规则2 / 160
11．4 分块直方图特征选择 / 161
11．5 基于Gabor 特征融合与分块直方图统计的特征提取 / 162
11．6 算法可行性分析 / 163
11．7 实验描述及结果分析 / 164
11．7．1 实验流程 / 164
11．7．2 表情图库中图像预处理 / 165
11．7．3 实验描述 / 166
11．7．4 实验结果分析 / 167
11．7．5 所选融合特征的尺度分析 / 169
参考文献 / 170
第12 章 基于对称双线性模型的光照鲁棒性人脸表情分析 / 172
12．1 概述 / 172
12．2 双线性模型 / 174
12．3 基于对称双线性变换的表情图像处理 / 175
12．4 光照变换 / 178
12．5 实验描述及结果分析 / 181
12．5．1 实验描述 / 181
12．5．2 实验对比 / 182
参考文献 / 185
第13 章 基于局部特征径向编码的局部遮挡表情特征提取 / 187
13．1 概述 / 187
13．2 表情图像预处理 / 188
13．3 局部特征提取与表征 / 190
13．4 Gabor 特征径向编码 / 190
13．5 算法可行性分析 / 193
13．6 实验描述及结果分析 / 193
13．6．1 局部子块数对识别结果的影响 / 195
13．6．2 径向网格尺寸对识别结果的影响 / 195
13．6．3 左/右人脸区域遮挡对识别结果的影响 / 196
13．6．4 不同局部特征编码方法的实验对比分析 / 196
13．6．5 遮挡对于表情识别的影响 / 197
参考文献 / 198
第14 章 局部累加核支持向量机分类器 / 201
14．1 概述 / 201
14．2 支持向量机基本理论 / 202
14．2．1 广义最优分类面 / 202
14．2．2 线性分类问题 / 203
14．2．3 支持向量机 / 205
14．2．4 核函数 / 206
14．3 局部径向基累加核支持向量机 / 206
14．4 局部归一化线性累加核支持向量机 / 207
14．5 实验描述及结果分析 / 209
14．5．1 实验描述 / 209
14．5．2 对比实验 / 210
参考文献 / 213
第15 章 基于主动视觉的人脸跟踪与表情识别系统 / 214
15．1 概述 / 214
15．2 系统架构 / 214
15．2．1 硬件设计 / 214
15．2．2 交互界面的设计 / 217
15．3 相关算法 / 218
15．3．1 云台跟踪算法 / 218
15．3．2 表情识别算法 / 220
15．4 仿真实验及结果分析 / 221
15．4．1 人脸定位跟踪实验 / 221
15．4．2 人脸表情识别实验 / 224
参考文献 / 227
索引 / 229
-
内容简介:
本书主要研究了表情识别系统基本理论、算法设计和应用。书中分别以动态人脸表情、微表情、鲁棒表情为识别对象， 系统介绍了相关特征提取、分类算法的技术方法， 并设计了一套主动视觉人脸跟踪与表情识别系统。
本书可供从事模式识别、表情识别、人脸识别系统研究的科研人员、相关专业的研究生或高年级本科学生使用。
-
目录:
第1 章 绪论 / 1
1．1 人脸表情识别系统概述 / 1
1．2 基于动态图像序列的人脸表情识别的研究情况 / 2
1．3 微表情识别的研究情况 / 4
1．3．1 微表情识别的应用研究 / 4
1．3．2 微表情表达的研究 / 4
1．3．3 微表情识别的算法研究 / 4
1．3．4 微表情数据库的研究 / 5
1．4 鲁棒性人脸表情识别的研究情况 / 6
1．4．1 面部有遮挡的表情识别研究现状 / 7
1．4．2 非均匀光照下的表情识别研究现状 / 7
1．4．3 与视角无关的表情识别研究现状 / 8
1．5 人脸表情识别相关资料汇总 / 8
参考文献 / 8
第2 章 人脸检测与定位 / 9
2．1 概述 / 9
2．2 基于肤色分割和模板匹配算法的快速人脸检测 / 10
2．2．1 基于彩色信息的图像分割 / 10
2．2．2 自适应模板匹配 / 12
2．2．3 仿真实验及结果分析 / 14
2．3 改进Adaboost 算法的人脸检测 / 15
2．3．1 由扩展的Haar-like 特征生成弱分类器 / 16
2．3．2 Adaboost 算法生成强分类器 / 16
2．3．3 级联分类器的生成 / 18
2．3．4 极端学习机 / 20
2．3．5 仿真实验及结果分析 / 22
参考文献 / 25
第3 章 基于Candide3 模型的人脸表情跟踪及动态特征提取 / 26
3．1 概述 / 26
3．2 基于Candide3 人脸模型的跟踪算法研究 / 26
3．2．1 Candide3 人脸模型的研究 / 26
3．2．2 基于Candide3 模型的跟踪算法研究 / 28
3．3 跟踪算法改进 / 33
3．3．1 光照处理 / 33
3．3．2 基于在线表观模型的跟踪算法 / 34
3．3．3 模型的自动初始化研究 / 34
3．3．4 改进算法后跟踪实验 / 36
3．4 动态特征提取 / 37
3．4．1 特征点的跟踪 / 37
3．4．2 动态特征提取 / 38
3．4．3 基于k 均值的聚类分析 / 39
参考文献 / 42
第4 章 表情分类的实现 / 44
4．1 概述 / 44
4．2 K 近邻分类器 / 44
4．2．1 K 近邻规则 / 44
4．2．2 K 近邻分类的距离度量 / 44
4．2．3 基于K 近邻分类器的分类实验 / 45
4．3 流形学习 / 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 基于流形学习的降维分类实验 / 48
4．4 支持向量机 / 51
4．4．1 支持向量机的基本思想 / 51
4．4．2 非线性支持向量机 / 52
4．4．3 基于支持向量机的分类实验 / 52
4．5 基于Adaboost 的分类研究 / 53
4．5．1 Adaboost 算法 / 53
4．5．2 基于Adaboost 的分类实验 / 54
参考文献 / 55
第5 章 人脸动态序列图像表情特征提取 / 56
5．1 概述 / 56
5．2 基于主动外观模型的运动特征提取 / 56
5．2．1 主动形状模型 / 56
5．2．2 几何特征提取 / 57
5．3 基于Candide3 三维人脸模型的动态特征提取 / 59
5．3．1 Candide3 三维人脸模型 / 59
5．3．2 提取表情运动参数特征 / 59
5．4 动态时间规整（DTW） / 61
5．5 特征选择 / 64
5．5．1 基于Fisher 准则的特征选择 / 64
5．5．2 基于分布估计算法的特征选择 / 65
5．6 仿真实验及结果分析 / 67
5．6．1 基于主动外观模型的运动特征提取 / 67
5．6．2 基于Candide3 模型的动态特征提取 / 69
参考文献 / 72
第6 章 基于子空间分析和改进最近邻分类的表情识别 / 74
6．1 概述 / 74
6．2 特征降维 / 74
6．2．1 非线性流形学习方法 / 74
6．2．2 线性子空间方法 / 76
6．3 改进最近邻分类法 / 81
6．4 仿真实验及结果分析 / 84
参考文献 / 85
第7 章 微表情序列图像预处理 / 86
7．1 概述 / 86
7．2 灰度归一化 / 86
7．3 尺度归一化 / 88
7．4 序列长度归一化 / 89
7．4．1 时间插值法原理 / 90
7．4．2 时间插值法建模 / 91
7．4．3 时间插值法实现 / 93
参考文献 / 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 平滑滤波 / 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 改进LBP / 102
8．3．3 降维 / 103
8．3．4 静态特征统计 / 105
8．4 时空局部二值模式 / 106
8．4．1 LBP-TOP / 107
8．4．2 动态特征统计 / 109
8．5 多尺度LBP-TOP / 112
参考文献 / 114
第9 章 基于全局光流与LBP-TOP 特征结合的微表情特征提取 / 115
9．1 概述 / 115
9．2 相关理论 / 115
9．2．1 运动场及光流场 / 115
9．2．2 经典计算方法 / 116
9．3 问题描述 / 117
9．3．1 约束条件 / 117
9．3．2 模型构建 / 119
9．4 算法实现 / 120
9．4．1 目标优化 / 120
9．4．2 多分辨率策略 / 122
9．4．3 特征统计 / 124
9．5 光流与LBP-TOP 特征结合 / 128
参考文献 / 129
第10 章 人脸微表情分类器设计及实验分析 / 131
10．1 概述 / 131
10．2 支持向量机 / 131
10．2．1 分类原理 / 131
10．2．2 样本空间 / 132
10．2．3 模型参数优化 / 135
10．3 随机森林 / 136
10．3．1 集成学习 / 137
10．3．2 决策树 / 137
10．3．3 组合分类模型 / 139
10．4 评价准则 / 141
10．5 实验对比验证 / 143
10．5．1 识别LBP-TOP 特征 / 143
10．5．2 识别GDLBP-TOP 特征 / 146
10．5．3 识别OF 特征 / 147
10．5．4 识别LBP-TOP＋OF 特征 / 149
参考文献 / 153
第11 章 基于Gabor 多方向特征融合与分块直方图的表情特征提取 / 155
11．1 概述 / 155
11．2 人脸表情图像的Gabor 特征表征 / 156
11．2．1 二维Gabor 滤波器 / 156
11．2．2 人脸表情图像的Gabor 特征表征 / 157
11．3 二维Gabor 小波多方向特征融合 / 159
11．3．1 融合规则1 / 159
11．3．2 融合规则2 / 160
11．4 分块直方图特征选择 / 161
11．5 基于Gabor 特征融合与分块直方图统计的特征提取 / 162
11．6 算法可行性分析 / 163
11．7 实验描述及结果分析 / 164
11．7．1 实验流程 / 164
11．7．2 表情图库中图像预处理 / 165
11．7．3 实验描述 / 166
11．7．4 实验结果分析 / 167
11．7．5 所选融合特征的尺度分析 / 169
参考文献 / 170
第12 章 基于对称双线性模型的光照鲁棒性人脸表情分析 / 172
12．1 概述 / 172
12．2 双线性模型 / 174
12．3 基于对称双线性变换的表情图像处理 / 175
12．4 光照变换 / 178
12．5 实验描述及结果分析 / 181
12．5．1 实验描述 / 181
12．5．2 实验对比 / 182
参考文献 / 185
第13 章 基于局部特征径向编码的局部遮挡表情特征提取 / 187
13．1 概述 / 187
13．2 表情图像预处理 / 188
13．3 局部特征提取与表征 / 190
13．4 Gabor 特征径向编码 / 190
13．5 算法可行性分析 / 193
13．6 实验描述及结果分析 / 193
13．6．1 局部子块数对识别结果的影响 / 195
13．6．2 径向网格尺寸对识别结果的影响 / 195
13．6．3 左/右人脸区域遮挡对识别结果的影响 / 196
13．6．4 不同局部特征编码方法的实验对比分析 / 196
13．6．5 遮挡对于表情识别的影响 / 197
参考文献 / 198
第14 章 局部累加核支持向量机分类器 / 201
14．1 概述 / 201
14．2 支持向量机基本理论 / 202
14．2．1 广义最优分类面 / 202
14．2．2 线性分类问题 / 203
14．2．3 支持向量机 / 205
14．2．4 核函数 / 206
14．3 局部径向基累加核支持向量机 / 206
14．4 局部归一化线性累加核支持向量机 / 207
14．5 实验描述及结果分析 / 209
14．5．1 实验描述 / 209
14．5．2 对比实验 / 210
参考文献 / 213
第15 章 基于主动视觉的人脸跟踪与表情识别系统 / 214
15．1 概述 / 214
15．2 系统架构 / 214
15．2．1 硬件设计 / 214
15．2．2 交互界面的设计 / 217
15．3 相关算法 / 218
15．3．1 云台跟踪算法 / 218
15．3．2 表情识别算法 / 220
15．4 仿真实验及结果分析 / 221
15．4．1 人脸定位跟踪实验 / 221
15．4．2 人脸表情识别实验 / 224
参考文献 / 227
索引 / 229
查看详情
-
全新
北京市丰台区
平均发货7小时
成功完成率91.02%
-
全新
广东省广州市
平均发货18小时
成功完成率86.73%
-
九品
天津市宝坻区
平均发货6小时
成功完成率98.09%
-
全新
天津市河东区
平均发货24小时
成功完成率90.35%
-
全新
北京市顺义区
平均发货9小时
成功完成率94.01%
-
全新
北京市西城区
平均发货15小时
成功完成率91.79%
-
全新
天津市西青区
平均发货14小时
成功完成率90.31%
-
全新
广东省广州市
平均发货18小时
成功完成率88.2%
-
全新
江苏省无锡市
平均发货13小时
成功完成率94.76%
-
全新
江苏省无锡市
平均发货15小时
成功完成率93.65%
-
全新
北京市通州区
平均发货9小时
成功完成率93.9%
-
全新
北京市朝阳区
平均发货9小时
成功完成率96.81%
-
全新
北京市通州区
平均发货9小时
成功完成率88.26%
-
全新
上海市黄浦区
平均发货10小时
成功完成率94.11%
-
全新
江苏省无锡市
平均发货9小时
成功完成率94.22%
-
全新
河北省保定市
平均发货26小时
成功完成率89.31%
-
全新
河北省保定市
平均发货14小时
成功完成率90.89%
-
全新
河北省保定市
平均发货26小时
成功完成率87.62%
-
全新
北京市丰台区
平均发货26小时
成功完成率87.01%
-
全新
江苏省南京市
平均发货14小时
成功完成率82.13%
-
全新
江苏省南京市
平均发货6小时
成功完成率98.28%
-
全新
北京市西城区
平均发货18小时
成功完成率89.81%
-
全新
浙江省嘉兴市
平均发货12小时
成功完成率94.32%
-
全新
浙江省嘉兴市
平均发货10小时
成功完成率93.99%
-
人脸表情识别算法及应用
重要提醒：：：重要提醒：：所有图书保证正版，按书名发货图片仅供参考, 有疑问请咨询客服，看清书名按书名发货
全新
北京市通州区
平均发货9小时
成功完成率90.35%
-
全新
北京市朝阳区
平均发货18小时
成功完成率83.19%
-
全新
山东省泰安市
平均发货7小时
成功完成率90.03%
-
全新
河北省廊坊市
平均发货24小时
成功完成率86.48%
-
全新
北京市朝阳区
平均发货12小时
成功完成率84.44%
-
全新
北京市海淀区
平均发货10小时
成功完成率93.39%
-
全新
山东省泰安市
平均发货8小时
成功完成率88.44%
-
九品
上海市杨浦区
平均发货17小时
成功完成率94.38%
-
九品
河南省信阳市
平均发货8小时
成功完成率97.67%
-
全新
上海市浦东新区
平均发货21小时
成功完成率80%
-
八五品
广西桂林市
平均发货22小时
成功完成率81.84%
-
九品
天津市宝坻区
平均发货8小时
成功完成率98.17%
-
全新
湖北省鄂州市
平均发货11小时
成功完成率95.45%
-
全新
北京市朝阳区
平均发货13小时
成功完成率92.9%
-
全新
-
全新
广东省广州市
平均发货9小时
成功完成率86.56%
-
九品
北京市通州区
平均发货7小时
成功完成率94.5%
-
八五品
江西省南昌市
平均发货13小时
成功完成率79.09%
-
全新
-
全新
山东省德州市
平均发货15小时
成功完成率89.19%
-
全新
山东省威海市
平均发货16小时
成功完成率90.48%
-
全新
江苏省无锡市
平均发货8小时
成功完成率96.13%
-
全新
江苏省南京市
平均发货7小时
成功完成率95.36%
-
全新
北京市朝阳区
平均发货13小时
成功完成率96.07%
-
全新
广东省广州市
平均发货7小时
成功完成率94.46%
-
全新
广东省广州市
平均发货7小时
成功完成率88.5%
占位居中
