生物特征識(shí)別方法與技術(shù)

第1章 緒論
1.1 生物特征識(shí)別簡(jiǎn)述
1.1.1 常用的生物特征識(shí)別技術(shù)
1.1.2 各種常用生物特征識(shí)別技術(shù)的比較
1.2 生物特征識(shí)別技術(shù)發(fā)展概述
1.2.1 生物特征識(shí)別技術(shù)的優(yōu)勢(shì)
1.2.2 生物特征識(shí)別技術(shù)的市場(chǎng)發(fā)展概況
1.2.3 我國(guó)生物特征識(shí)別技術(shù)發(fā)展概述
參考文獻(xiàn)
第2章 人臉檢測(cè)與跟蹤
2.1 概述
2.2 AdaBoost學(xué)習(xí)算法
2.2.1 AdaBoost方法
2.2.2 分類器訓(xùn)練思想
2.2.3 構(gòu)造弱分類器
2.2.4 構(gòu)造強(qiáng)分類器
2.2.5 分類器訓(xùn)練流程
2.3 多層級(jí)聯(lián)分類器
2.3.1 多層級(jí)聯(lián)分類器的分類方法
2.3.2 使用級(jí)聯(lián)分類器進(jìn)行訓(xùn)練
2.3.3 實(shí)驗(yàn)結(jié)果
2.4 基于AdaBoost的膚色檢測(cè)新方法
2.4.1 膚色檢測(cè)方法
2.4.2 膚色分布的分析
2.4.3 實(shí)驗(yàn)結(jié)果
2.5 人臉跟蹤
2.5.1 智能像素聚類目標(biāo)跟蹤算法
2.5.2 簡(jiǎn)單背景的目標(biāo)跟蹤
2.5.3 人臉跟蹤
參考文獻(xiàn)
第3章 基于流形學(xué)習(xí)的人臉識(shí)別
3.1 生長(zhǎng)型局部線性嵌入算法
3.1.1 生長(zhǎng)模型分析
3.1.2 生長(zhǎng)型局部線性嵌入算法
3.1.3 GLLE對(duì)Isomap算法改進(jìn)的啟發(fā)
3.2 噪聲流形學(xué)習(xí)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(xué)習(xí)算法的應(yīng)用
3.3.1 人臉序列數(shù)據(jù)庫(kù)的建立與評(píng)測(cè)
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(dòng)態(tài)視頻人臉識(shí)別
3.3.4 基于流形重構(gòu)的單圖像人臉識(shí)別
參考文獻(xiàn)
第4章 多姿態(tài)人臉識(shí)別
4.1 基于保持?jǐn)?shù)據(jù)近鄰信息的增量學(xué)習(xí)方法
4.1.1 增量LaplacianEigenmaps（LE）算法
4.1.2 仿真實(shí)驗(yàn)
4.2 引入遺忘機(jī)制的ART2改進(jìn)算法
4.2.1 自適應(yīng)共振理論簡(jiǎn)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(jìn)
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(jìn)算法——ReART
4.3.3 仿真實(shí)驗(yàn)
4.3.4 ReART在多姿態(tài)人臉識(shí)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(shí)別
4.4.1 自動(dòng)人臉識(shí)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(gè)識(shí)別示例：視頻人臉識(shí)別
4.4.5 仿真實(shí)驗(yàn)
第5章 多特征指紋識(shí)別
第6章 掌紋掌脈及其融合識(shí)別技術(shù)
第7章 人臉與掌紋識(shí)別的子空間特征提取方法
參考文獻(xiàn)