人臉識別算法與案例分析

曹林，博士，教授，現任北京信息科技大學信息與通信工程學院院長，光電測試技術及儀器教育部重點實驗室副主任，中國電子教育學會研究生教育分會理事，北京信息科技大學勤信學者，信息與通信工程一級學科碩士點負責人。
他先後主持國家自然科學基金面上項目、國防軍工和橫向等課題，近年來，作為項目骨幹完成國家科技重大專項專題3項（排名第2、第3和第4），累計承擔科研項目到款約1800多萬元。
研究方向：空間信息智能感知與計算、圖像理解與識別和雷達信號處理。
近年來發表學術論文40餘篇，出版學術著作4部，教材1部，獲北京市科學技術獎和中國智能交通協會科學技術獎等3項科技獎勵（排名第2），產生良好的經濟和社會效益，授權發明專利6項，計算機軟件著作權35項，其指導的研究生獲2016年度“中國圖像圖形學報”優秀論文獎。

第1章 人臉識別的研究與應用 001
1．1 素描人臉識別的研究與應用 002
1．1．1 光學人臉識別研究歷程 002
1．1．2 素描人臉識別國內外研究現狀 003
1．1．3 素描人臉識別數據庫 005
1．1．4 素描人臉識別的難點和發展趨勢 011
1．2 素描人臉合成的研究與應用 011
1．2．1 素描人臉合成的國內外研究現狀 012
1．2．2 素描人臉圖像質量評估指標 019
1．2．3 素描人臉合成的難點與發展趨勢 020
1．3 人像著色的研究與應用 021
1．3．1 人像著色的國內外研究現狀 021
1．3．2 人像著色的難點與發展趨勢 022
1．4 人臉圖像超分辨率重建技術的研究與應用 022
1．4．1 人臉圖像超分辨率的發展及國內外研究現狀 022
1．4．2 人臉圖像超分辨率重建質量評價標準 024
1．4．3 人臉圖像超分辨率重建技術的難點與發展趨勢 026
1．5 本章小結 027
參考文獻 027

第2章 傳統特徵提取算法在素描人臉識別上的應用與研究 036
2．1 傳統素描人臉識別算法相關原理 037
2．1．1 人臉圖像分割算法 037
2．1．2 人臉特徵提取算法 042
2．2 基於Surf匹配坐標鄰域優化的素描人臉識別 049
2．2．1 Surf匹配 050
2．2．2 坐標鄰域優化 053
2．2．3 識別過程 055
2．2．4 實驗結果與分析 056
2．3 基於張量排序保留判別分析的人臉特徵提取 062
2．3．1 張量排序保留判別投影（TRPDA）模型 064
2．3．2 TRPDA求解算法 068
2．3．3 實驗結果與分析 072
2．4 本章小結 081
參考文獻 082

第3章 深度學習在素描人臉識別上的應用 087
3．1 深度學習相關原理 087
3．1．1 卷積神經網絡概述 087
3．1．2 主流人臉識別模型框架 089
3．1．3 度量學習 095
3．2 基於聯合分佈適配的素描人臉識別 096
3．2．1 遷移學習 096
3．2．2 模型結構 100
3．2．3 損失函數 102
3．2．4 實驗結果與分析 103
3．3 基於殘差網絡和度量學習的素描人臉識別 106
3．3．1 模型結構 107
3．3．2 損失函數 108
3．3．3 實驗結果與分析 109
3．4 基於SE-ResNeXt模型的素描人臉識別 117
3．4．1 SE-ResNeXt網絡模型 118
3．4．2 損失函數 120
3．4．3 實驗結果與分析 121
3．5 本章小結 127
參考文獻 128

第4章 傳統素描人臉合成方法 131
4．1 結合LBP局部特徵提取的素描人臉合成方法 131
4．1．1 歐氏距離粗提取 132
4．1．2 結合子塊切分的LBP局部特徵提取 133
4．1．3 合成過程 134
4．1．4 實驗結果與分析 137
4．2 結合pHash稀疏編碼的素描人臉合成方法 141
4．2．1 基於圖像熵的圖像分塊 141
4．2．2 圖像塊的特徵提取 145
4．2．3 實驗結果與分析 150
4．3 本章小結 157
參考文獻 157

第5章 生成對抗網絡在素描人臉合成中的應用 161
5．1 生成對抗網絡相關原理 161
5．1．1 生成對抗網絡模型概述 161
5．1．2 生成對抗網絡的改進 163
5．2 基於生成對抗網絡的素描人臉合成方法 169
5．2．1 生成對抗網絡模型 169
5．2．2 損失函數 174
5．2．3 實驗結果與分析 177
5．3 基於雙層對抗網絡的素描人臉合成方法 185
5．3．1 雙層對抗網絡模型 186
5．3．2 損失函數 188
5．3．3 實驗結果與分析 189
5．4 基於特徵學習生成對抗網絡的高質量素描人臉合成方法 194
5．4．1 特徵學習生成對抗網絡模型 194
5．4．2 損失函數 199
5．4．3 實驗結果與分析 202
5．5 多判別器循環生成對抗網絡的素描人臉合成方法 211
5．5．1 多判別循環生成對抗網絡模型 211
5．5．2 損失函數 215
5．5．3 實驗結果與分析 216
5．6 本章小結 223
參考文獻 224

第6章 基於聯合一致循環生成對抗網絡的人像著色方法 228
6．1 色彩空間 229
6．2 網絡結構 229
6．2．1 著色網絡模型 230
6．2．2 生成網絡 231
6．2．3 判別網絡 232
6．3 損失函數 233
6．3．1 生成對抗損失 233
6．3．2 聯合一致性損失 234
6．4 實驗結果與分析 235
6．4．1 數據庫及參數設置 235
6．4．2 消融實驗 238
6．4．3 和已有方法對比 239
6．5 本章小結 242
參考文獻 242

第7章 人臉超分辨率重建 246
7．1 雙層級聯神經網絡的人臉超分辨率重建 246
7．1．1 堆疊沙漏塊結構 246
7．1．2 雙層級聯神經網絡結構 248
7．1．3 損失函數 250
7．1．4 實驗結果與分析 251
7．2 基於引導圖像的人臉超分辨率重建 256
7．2．1 3DMM人臉擬合 257
7．2．2 基於3DMM的人臉矯正 257
7．2．3 基於引導圖像的人臉超分辨率重建網絡 258
7．2．4 實驗結果與分析 261
7．3 本章小結 267
參考文獻