機器智能：人臉工程

前言

第1章緒論

1.1人臉工程學(xué)

1.1.1人臉工程學(xué)的研究內(nèi)容

1.1.2人臉工程學(xué)研究的意義與應(yīng)用

1.1.3人臉工程學(xué)研究在實用化過程中的挑戰(zhàn)

1.2人臉工程學(xué)研究歷程

1.2.1人臉識別

1.2.2表情識別

1.2.3人臉合成

1.2.4相關(guān)學(xué)術(shù)資源

1.3人臉工程學(xué)的未來研究方向

1.4本書的內(nèi)容

參考文獻

第2章人臉工程學(xué)研究的學(xué)科基礎(chǔ)

2.1人類學(xué)對人臉的研究

2.1.1達爾文之前的研究

2.1.2達爾文對表情的研究

2.2文學(xué)藝術(shù)中對人臉的研究

2.2.1人臉的美學(xué)研究

2.2.2人臉表情在戲曲和舞臺劇中的表現(xiàn)

2.2.3人臉在各種美術(shù)畫法中的表現(xiàn)

2.3動畫中人臉的表現(xiàn)

2.3.1人臉動畫的應(yīng)用

2.3.2卡通動畫中人臉的表現(xiàn)形式及常用軟件

2.3.3二維動畫中人臉的表現(xiàn)

2.4情緒心理學(xué)關(guān)于表情的研究

2.5認知心理學(xué)關(guān)于人臉的研究

2.6腦科學(xué)關(guān)于人臉的研究

2.6.1人臉識別的ERP研究

2.6.2表情識別的ERP研究

參考文獻

第3章面部運動的測量技術(shù)

3.1概述

3.2面部動作編碼系統(tǒng)

3.2.1概述

3.2.2FACS的特點與應(yīng)用

3.2.3FACS的擴展與改進

3.3最大限度辨別面部肌肉運動編碼系統(tǒng)

3.3.1伊扎德與MAX

3.3.2MAX的主要內(nèi)容

3.3.3MAX與FACS的比較

3.4其他面部表情測量系統(tǒng)

3.4.1表情識別整體判斷系統(tǒng)

3.4.2自我評估情緒編碼系統(tǒng)

3.4.3面部表情分析工具

參考文獻

第4章圖像處理技術(shù)

4.1圖像處理的基本概念

4.1.1數(shù)字圖像的概念

4.1.2數(shù)字圖像處理的概念

4.2圖像處理的基本操作

4.2.1圖像的平移、旋轉(zhuǎn)、放縮、鏡像變換、轉(zhuǎn)置

4.2.2圖像的平滑、銳化

4.2.3圖像的腐蝕、膨脹和細化

4.2.4圖像的恢復(fù)與重建

4.3圖像處理的高級操作

4.3.1圖像的邊緣檢測

4.3.2圖像的Hough變換

4.3.3輪廓的提取與跟蹤

參考文獻

第5章人臉檢測跟蹤技術(shù)

5.1人臉檢測

5.1.1人臉檢測方法的分類

5.1.2基于膚色的人臉檢測

5.1.3基于形狀的人臉檢測

5.1.4基于特征的人臉檢測

5.2人臉跟蹤

5.2.1幀差法

5.2.2基于運動目標(biāo)預(yù)測的人臉跟蹤

5.2.3基于模型的人臉跟蹤

5.2.4基于人臉局部特征的人臉跟蹤

參考文獻

第6章面部特征提取的算法

6.1概述

6.2幾何特征的提取

6.3統(tǒng)計特征的提取

6.3.1主成分分析算法

6.3.2二維主成分分析算法

6.3.3線性判別分析算法

6.3.4獨立成分分析算法

6.4頻率域特征的提取

6.4.1小波技術(shù)

6.4.2Gabor小波

6.4.3離散余弦變換

6.5運動特征的提取

6.6代數(shù)特征的提取

參考文獻

第7章面部特征的模式識別算法

7.1線性判別分析

7.1.1線性判別函數(shù)的基本概念

7.1.2Fisher線性判別

7.1.3小結(jié)

7.2支持向量機

7.2.1支持向量機基本原理

7.2.2SVM分類器的設(shè)計

7.2.3小結(jié)

7.3貝葉斯網(wǎng)絡(luò)

7.3.1概述

7.3.2貝葉斯網(wǎng)絡(luò)概率基礎(chǔ)

7.3.3貝葉斯網(wǎng)絡(luò)的構(gòu)建

7.3.4貝葉斯網(wǎng)絡(luò)推理算法

7.3.5貝葉斯網(wǎng)絡(luò)分類器

7.3.6小結(jié)

7.4隱馬爾可夫模型及其基本問題

7.4.1概述

7.4.2馬爾可夫鏈模型

7.4.3隱馬爾可夫模型

7.4.4隱馬爾可夫模型的三個基本問題

7.4.5隱馬爾可夫算法實現(xiàn)中的基本問題

7.4.6小結(jié)

7.5人工神經(jīng)網(wǎng)絡(luò)

7.5.1概述

7.5.2人工神經(jīng)網(wǎng)絡(luò)集成

7.5.3小結(jié)

7.6模糊模式識別

7.6.1概述

7.6.2模糊數(shù)學(xué)基本理論

7.6.3模糊模式識別

7.6.4小結(jié)

參考文獻

第8章人臉合成的方法與技術(shù)

8.1概述

8.2人臉合成技術(shù)的分類

8.3人臉幾何建模

8.3.1人臉模型的表達形式

8.3.2一般人臉模型

8.3.3特定人臉模型

8.4紋理映射

8.5人臉動畫

8.5.1人臉動畫技術(shù)

8.5.2人臉動畫驅(qū)動技術(shù)

8.6MPEG4人臉動畫原理

8.6.1FDP、FAP與FAPU的定義

8.6.2FAP驅(qū)動人臉動畫的基本原理

參考文獻

第9章人臉識別系統(tǒng)

9.1概述

9.2人臉識別關(guān)鍵問題的研究

9.3人臉識別流程

9.4人臉識別系統(tǒng)的設(shè)計與實現(xiàn)

9.4.1人臉識別系統(tǒng)的總體設(shè)計

9.4.2人臉識別系統(tǒng)的算法設(shè)計

9.4.3人臉識別系統(tǒng)的實現(xiàn)

參考文獻

第10章面部表情識別系統(tǒng)

10.1概述

10.2基于靜態(tài)圖像的面部表情識別系統(tǒng)

10.2.1系統(tǒng)的總體設(shè)計

10.2.2系統(tǒng)的算法設(shè)計

10.2.3系統(tǒng)的實現(xiàn)

10.3基于主動表觀模型的實時面部表情識別系統(tǒng)

10.3.1系統(tǒng)設(shè)計

10.3.2基于膚色模型的人臉檢測

10.3.3人臉圖像預(yù)處理

10.3.4特征點定位及特征提取

10.3.5表情識別

10.4基于動態(tài)圖像序列的面部表情識別

10.4.1光流的基本計算方法

10.4.2基于Hessian矩陣的改進光流算法

10.4.3散度旋度樣條約束下的非剛體光流算法

10.4.4基于改進MMI的HMM算法的面部表情識別

10.4.5基于改進MMD的HMM算法的面部表情識別

參考文獻

第11章人臉合成實例

11.1基于視頻的人臉表情合成

11.1.1Candide模型

11.1.2標(biāo)準(zhǔn)人臉模型到特定人臉模型的變換

11.1.3紋理貼圖

11.1.4面部表情的運動計算及表情合成

11.1.5實時表情信息獲取與表情重構(gòu)的實現(xiàn)

11.1.6小結(jié)

11.2三維虛擬人臉模型

11.2.1三維人臉模型的建立

11.2.2特征點的選取

11.2.3紋理映射

11.2.4特定虛擬人臉模型的實現(xiàn)

11.2.5小結(jié)

11.3虛擬人臉的年齡仿真

11.3.1年齡老化特征的相關(guān)研究

11.3.2Dirichlet自由變形算法

11.3.3Dirichlet自由變形算法在三維空間中的應(yīng)用

11.3.4應(yīng)用Dirichlet自由變形算法生成特定人臉模型

11.3.5虛擬人臉部年齡仿真的實現(xiàn)

參考文獻

附錄縮略語2100433B

人臉工程學(xué)的研究內(nèi)容主要包括人臉識別、表情識別和人臉合成三個部分。本書分別介紹了人臉識別、表情識別和人臉合成研究中用到的相關(guān)理論和算法，后在總結(jié)作者所在課題組研究成果的基礎(chǔ)上，給出了人臉識別、表情識別和人臉合成系統(tǒng)的設(shè)計與實現(xiàn)流程實例。

“人臉閘機”采用的是人臉識別技術(shù)，是人工智能的一項重要技術(shù)。

2017年3月7日，全國政協(xié)委員、百度董事長李彥宏提出，希望兩會也能采用一些人工智能技術(shù)，比如“人臉閘機”。

這種ATM在交易時具備“人臉識別技術(shù)”。如果背后有人靠近或偷窺時，ATM顯示屏上會主動提醒持卡人注意安全。如果取款人用口罩、墨鏡和帽子遮擋相貌特征，ATM將拒絕服務(wù)，并提示取款人除去遮擋物。