这些资源你可能感兴趣
我们正处于"刷脸”时代，越来越多的"刷脸”应用开始出现。本书按照逻辑上的先后顺序，尤其是"刷脸”应用开发时所需技术的先后顺序，通过原理、例子、实战的方式，分别讲解了"刷脸”应用需要掌握的三大技术：人脸检测、人脸识别和人脸检索。更为重要的是，本书高度注重实战应用，每一个算法，都通过具体程序讲解算法的使用、实验设计，以及实验结果。读者不但能够了解每个算法的原理，更能够掌握应用开发的实战技能。
编辑推荐
《刷脸背后:人脸检测 人脸识别 人脸检索》编辑推荐：人脸识别是当今热门的研发方向，在安防、金融、旅游等领域具有十分广泛的应用。《刷脸背后:人脸检测 人脸识别 人脸检索》全面、系统地介绍“刷脸”背后的技术，包括人脸检测、人脸识别、人脸检索相关的算法原理和实现技术。
作者简介
张重生，男，博士，教授，硕士生导师，河南大学大数据研究中心、大数据团队带头人。研究领域为大数据分析、深度学习、数据挖掘、数据库、数据流（实时数据分析）。
博士毕业于 INRIA,France(法国国家信息与自动化研究所)，获得优秀博士论文荣誉。2010年08月至2011年3月，在美国加州大学洛杉矶分校(UCLA)，计算机系，师从著名的数据库专家Carlo Zaniolo教授，从事数据挖掘领域的合作研究。 2012-2013,挪威科技大学，ERCIM/Marie-Curie Fellow。
目录
第1章人脸检测、人脸识别与人脸检索概述1
1.1人脸检测、人脸识别与人脸检索的应用场景2
1.1.1当前应用3
1.1.2未来应用5
1.2人脸检测、人脸识别与人脸检索常用的数据集5
1.2.1LFW数据集5
1.2.2FDDB数据集6
1.2.3Wanwan1数据集7
1.2.4Wanwan2数据集8
1.3OpenCV的简介、安装与使用8
参考文献15
第2章图像处理基础16
2.1数字图像处理的基本概念16
2.1.1像素17
2.1.2分辨率17
2.1.3图像的色调、亮度和饱和度19
2.1.4图像的对比度22
2.1.5图像的纹理23
2.2颜色空间26
2.2.1RGB颜色空间26
2.2.2HSV颜色空间27
2.2.3YUV颜色空间27
2.2.4颜色空间的转换28
2.3数字图像处理的基本操作32
2.3.1图像的读取32
2.3.2图像的显示34
2.3.3图像的修改35
2.3.4图像的保存36
2.3.5获取图像的基本信息37
2.4图像类型及转换38
2.4.1图像类型39
2.4.2图像类型的转换39
2.5 图像变换处理48
2.5.1 图像的平移48
2.5.2图像的旋转51
2.5.3图像的缩放52
2.5.4图像的剪切55
2.5.5图像的翻转58
2.6图像的噪声和滤波60
2.6.1常见的噪声模型60
2.6.2经典的去噪算法64
第3章人脸检测实战67
3.1DPM人脸检测算法67
3.1.1DPM人脸检测算法的使用68
3.1.2DPM人脸检测算法的原理69
3.1.3DPM人脸检测算法的检测结果73
3.2LAEO人脸检测算法74
3.2.1LAEO人脸检测算法的使用74
3.2.2LAEO人脸检测算法的原理75
3.2.3LAEO人脸检测算法的检测结果77
3.3Viola＆Jones人脸检测算法79
3.3.1Viola＆Jones人脸检测算法的使用79
3.3.2Viola＆Jones人脸检测算法的原理79
3.3.3Viola＆Jones人脸检测算法的检测结果82
参考文献83
第4章基于深度学习的人脸检测算法84
4.1CNN Facial Point Detection人脸检测算法84
4.1.1CNN Facial Point Detection人脸检测算法的使用85
4.1.2CNN Facial Point Detection人脸检测算法的原理85
4.1.3CNN Facial Point Detection人脸检测算法的检测结果86
4.2DDFD人脸检测算法87
4.2.1DDFD人脸检测算法的使用87
4.2.2DDFD人脸检测算法的原理88
4.2.3DDFD人脸检测算法的检测结果89
4.3人脸检测算法融合90
参考文献92
第5章基于Fast R—CNN的人脸检测94
5.1Fast R—CNN简介94
5.2Fast R—CNN的特点和结构95
5.3Fast R—CNN的使用96
5.4数据集的预处理97
5.5EdgeBoxes的使用98
5.6使用EdgeBoxes提取object proposal99
5.7基于Fast R—CNN训练人脸检测网络模型和测试100
5.7.1训练阶段100
5.7.2测试阶段106
5.7.3评估阶段108
5.7.4优化阶段111
参考文献112
第6章人脸识别实战113
6.1DeepID算法114
6.1.1DeepID算法的原理114
6.1.2DeepID算法的流程116
6.1.3DeepID算法的结果126
6.2VGG Face Descriptor算法128
6.2.1VGG Face Descriptor算法的原理128
6.2.2VGG Face Descriptor算法的实现129
6.2.3VGG Face Descriptor算法的结果131
6.3OpenCV中的3种人脸识别算法132
6.3.1Eigenfaces132
6.3.2Fisherfaces140
6.3.3Local Binary Patterns Histograms148
6.4人脸识别算法对比分析152
6.5小结153
参考文献155
第7章人脸检索实践157
7.1人脸检索简介157
7.2计算人脸相似度的方法158
7.2.1欧氏距离159
7.2.2余弦相似度159
7.3查询处理算法161
7.4评价人脸检索结果的标准161
7.5PHash算法161
7.5.1PHash算法的使用162
7.5.2PHash算法原理162
7.5.3PHash算法实现162
7.5.4PHash算法的实验数据、实验结果及分析164
7.6DHash算法168
7.6.1DHash算法的使用168
7.6.2DHash算法原理168
7.6.3DHash算法实现169
7.6.4DHash算法的实验数据、实验结果及分析170
7.7PCA算法173
7.7.1PCA算法的使用173
7.7.2PCA算法原理174
7.7.3PCA算法实现175
7.7.4PCA算法的实验数据、实验结果及分析177
7.8BoF特征181
7.8.1BoF—SIFT算法的使用182
7.8.2BoF—SIFT算法原理182
7.8.3BoF—SIFT算法实现182
7.8.4BoF—SIFT算法的实验数据、实验结果及分析188
7.9用于图像快速检索的KD—Tree索引190
7.9.1FLANN算法的使用191
7.9.2KD—Tree的创建与查询处理191
7.9.3FLANN中KD—Tree的算法实现192
7.9.4FLANN算法的实验数据、实验结果及分析194
7.10Gabor算法195
7.10.1Gabor算法的使用196
7.10.2Gabor算法原理196
7.10.3Gabor算法实现199
7.10.4Gabor算法的实验数据、实验结果及分析204
7.11HOG算法208
7.11.1HOG算法的使用209
7.11.2HOG算法原理209
7.11.3HOG算法实现210
7.11.4HOG算法的实验数据、实验结果及分析212
7.12深度学习特征215
7.12.1深度学习算法的使用215
7.12.2深度学习算法原理215
7.12.3深度学习算法实现216
7.12.4深度学习算法的实验数据、实验结果及分析216
参考文献220
第8章人脸检测商业软件及其应用示例222
8.1人脸检测商业软件之VeriLook222
8.2人脸检测商业软件之Face++226
8.3各种人脸检测算法的对比分析229
8.4视频中的人脸检测与追踪231
参考文献234
本书评论