多模態生物特徵識別-基於人臉與人耳信息 多模态生物特征识别:基于人脸与人耳信息
王瑜
- 出版商: 科學出版
- 出版日期: 2013-11-01
- 定價: $468
- 售價: 8.5 折 $398
- 語言: 簡體中文
- 頁數: 179
- 裝訂: 平裝
- ISBN: 7030389506
- ISBN-13: 9787030389503
-
相關分類:
人工智慧、Algorithms-data-structures、Computer Vision
立即出貨 (庫存=1)
買這商品的人也買了...
-
$454人臉識別原理及演算法(動態人臉識別系統研究)(精)
-
$534$507 -
$301Activity Learning — 從傳感器資料中發現、識別和預測人的行為 (簡體中文版)(Activity Learning: Discovering, Recognizing, and Predicting Human Behavior from Sensor Data)
-
$580$458 -
$301分佈式對象存儲 : 原理、架構及 Go語言實現
-
$594$564 -
$306現代 API : 通往架構師之門
-
$680$530 -
$708$673 -
$602$566 -
$650$553 -
$403統計信號處理基礎:實用算法開發‧卷III
-
$414$393 -
$534$507 -
$594$564 -
$348$331 -
$834$792 -
$662敏捷測試 : 以持續測試促進持續交付
-
$880$695 -
$654$621 -
$301邊緣計算技術與應用
-
$403概率數據結構與算法:面向大數據應用
-
$880$695 -
$403雷達極化技術
-
$654$621
相關主題
商品描述
<內容簡介>
《多模態生物特徵識別--基於人臉與人耳信息》(作者王瑜)以人臉和人耳單生物特徵為研究對象,旨在探討人臉、人耳多模態識別技術的可行性和有效性,共分6章。第1、2章是基礎知識部分,主要介紹單生物特徵和多模態生物特徵識別技術的基本概念、評價體系和發展現狀。第3?5章是演算法研究部分,主要利用人臉和人耳近似90°的特殊生理位置所帶來的信息互補性,分別從融合信息方式、提取特徵方法和捕獲姿態不變量屬性等方面入手,提出一系列人臉、人耳多模態識別的相關演算法,試圖緩解甚至消除由於姿態和遮擋等不利因素對人臉或人耳單生物特徵識別造成的不利影響。第6章詳細介紹目前國內外具有影響力的人臉和人耳圖像庫,並著重介紹作者組織並參與搭建的人臉人耳罔像庫。
《多模態生物特徵識別--基於人臉與人耳信息》可作為高等院校電腦等相關專業的教材,也可作為相關領域工程技術人員的參考書。
<目錄>
前言
第1章 生物特徵識別
1.1 生物特徵識別的概念
1.1.1 生物特徵識別技術
1.1.2 牛物特徵識別系統
1.1.3 牛物特徵識別的優勢
1.1 社會的可接受性和隱私問題
1.2 生物特徵識別的發展
1.3 生物特徵識別技術的評價
1.4 生物特徵識別技術簡介
1.4.1人臉識別
1.4.2 人耳識別
1.4.3 指紋識別
1.4.4 語音識別
1.4.5 簽名識別
1.4.6 虹膜識別
1.4.7 掌紋識別
1.4.8 擊鍵動力學分析
1.4.9 步態識別
1.4.10 視網膜識別
1.4.11 DNA識別
1.4.12 其他生物特徵識別技術
1.5 本章小結
參考文獻
第2章 多模態生物特徵識別
2.1 多模態生物特徵識別的概念
2.2 多模態生物特徵識別的優勢
2.3 多模態生物特徵識別技術簡介
2.3.1 多模態生物特徵的信息融合
2.3.2 多模態生物特徵識別系統與數據庫
2.4 人臉人耳多模態識別技術研究
2.5 本章小結
參考文獻
第3章 基於核典型相關分析的人臉人耳多模態識別
3.1 典型相關分析原理
3.2 核典型相關分析原理
3.3 方法介紹
3.3.1 融合前的預處理
3.3.2 人臉與人耳的信息融合
3.3.3 分類器設計
3.4 實驗與討論
3.4.1 實驗設計
3.4.2 實驗步驟
3.4.3 實驗結果與分析
3.5 本章小結
參考文獻
第4章 基於局部二值模式紋理分析的人臉人耳多模態識別
4.1 紋理分析的概念與優勢
4.1.1 紋理的概念
4.1.2 紋理分析的優勢
4.2 局部二值模式紋理分析原理
4.2.1 相關紋理分析方法比較
4.2.2 基本局部二值模式
4.2.3 圓形局部二值模式
4.2.4 旋轉不變量局部二值模式
4.2.5 對比度與紋理模式
4.2 6規範型局部二值模式
4.2.7 局部二值模式的優勢
4.3 方法介紹
4.3.1 Haar小波變換。
4.3.2 分塊融合思想
4.3.3 多尺度融合與規範型局部二值模式特徵提取
4.3.4 人臉與人耳的信息融合
4.3.5 分類器設計
4.4 實驗與討論
4.4.1 實驗設計
4.4.2 實驗步驟
4.4.3 實驗結果與分析
4.5 本章小結
參考文獻
第5章 基於姿態轉換的人臉人耳多模態識別
5.1 姿態轉換原理
5.2 方法介紹
5.2.1 特徵提取與基空間的計算
5.2.2 姿態圖像特徵空間的姿態轉換
5.2.3 人臉與人耳的信息融合
5.2.4 分類器設計
5.3 實驗與討論
5.3.1 實驗設計
5.3.2 實驗步驟
5.3.3 實驗結果與分析
5.4 本章小結
參考文獻
第6章 人臉人耳多模態標準圖像庫的構建與完善
6.1 人臉圖像庫簡介
6.1.1 M2VTs多模態人臉圖像庫
6.1.2 XM2VTSDB人臉圖像庫
6.1.3 cAS-PEAL人臉圖像庫
6.1.4 FERET人臉圖像庫
6.1.5 韓國人臉圖像庫
6.1.6 MPl人臉圖像庫
6.1.7 聖母大學人臉圖像庫
6.1.8 得克薩斯大學人臉圖像庫
6.1.9 FRGC人臉圖像庫
6.1.10 CMu高光譜人臉圖像庫
6.1.11 cMU PIE人臉圖像庫
6.1.12 AR人臉圖像庫
6.1.13 Equinox紅外人臉圖像庫
6.1.14 ORL人臉圖像庫
6.1.15 Yale人臉圖像庫
6.1.16 Yale B人臉圖像庫
6.1.17 BANCA人臉圖像庫
6.1.18 JAFFE人臉圖像庫
6.1.19 馬里蘭大學人臉圖像庫
6.1.20 cKAV人臉圖像庫
6.1.21 UMIST人臉圖像庫
6.1.22 奧盧大學人臉圖像庫
6.1.23 MlT人臉圖像庫
6.1.24 NlsT—MID人臉圖像庫
6.1.25 Harvard人臉圖像庫
6.2 人耳圖像庫簡介
6.2.1 聖母大學人耳圖像庫
6.2.2 WPUT—DB人耳圖像庫
6.2.3 IIT Delhi人耳圖像庫
6.2.4 IIT坎普爾人耳罔像庫
6.2.5 scFace人耳圈像庫
6.2.6 shemeld人耳圖像庫
6.2.7 Ysu人耳圖像庫
6.2.8 NcKU人耳圖像庫
6.2.9 UBEAR人耳圖像庫
6.2.10 CP人耳圖像庫
6.3 usTB人臉人耳圖像庫的構建與完善
6.3.1 人耳圖像庫I
6.3.2 人耳圖像庫Ⅱ
6.3.3 人臉人耳圖像庫III
6.3.4 人臉人耳圖像庫Ⅳ
6.4 本章小結
參考文獻