人工智能出版工程人工智能：人脸识别与搜索（精装版）

图书标准信息

• 作者 张重生 著
• 出版社 电子工业出版社
• 出版时间 2020-08
• 版次 1
• ISBN 9787121383984
• 定价 89.00元
• 装帧 平装
• 开本 16开
• 页数 300页
• 字数 280千字

【内容简介】

人脸识别是当今的热门应用领域和研发方向，在安防、金融、公共服务等领域具有十分广泛的应用。本书全面、系统地介绍“刷脸”背后的技术，包括人脸检测、人脸识别、人脸关键点定位、人脸检索相关的算法和实现技术。另外，本书还囊括了前沿的、基于深度学习的人脸识别技术（2014D2020年）。本书讲解的算法具有前沿性和实用性。通过本书学习，学习人员能够在3～5个月内系统地了解、掌握人脸检测、人脸识别、人脸关键点定位、人脸检索的算法原理与实战技术。本书内容新颖、技术前沿、层次清晰，适合高校教师、研究生、工程师和人脸识别爱好者使用。

【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  人脸识别概述 1
1．1  广义的人脸识别的1：1、1：N和N：N比对计算模式 2
1．1．1  人脸验证DD1：1相似度对比 3
1．1．2  人脸检索DD1：N相似度比对 4
1．1．3  N：N人脸相似性计算 6
1．1．4  人脸检测、人脸识别、人脸检索与1：1、1：N、N：N
人脸相似度计算 6
1．2  人脸识别技术的应用场景 7
1．2．1  当前应用 8
1．2．2  未来应用 11
1．3  常用数据集介绍 12
1．3．1  人脸检测数据集 12
1．3．2  人脸识别数据集 14
1．3．3  人脸关键点定位数据集 15
1．3．4  其他数据集 16
本章参考文献 17
?
第2章  人脸检测技术的最新进展 19
2．1  Cascade CNN人脸检测算法 20
2．2  MTCNN人脸检测算法 24
2．3  Face R-CNN人脸检测算法 27
2．4  SSH人脸检测算法 28
2．5  DSFD人脸检测算法 32
2．6  本章小结 35
本章参考文献 36
第3章  人脸识别技术的最新进展 38
3．1  DeepID系列人脸识别算法 39
3．2  FaceNet人脸识别算法 41
3．3  ArcFace人脸识别算法 44
本章参考文献 47
第4章  人脸关键点定位技术的最新进展 49
4．1  Coarse-to-Fine CNN人脸关键点定位算法 50
4．2  TCDCN人脸关键点定位算法 51
4．3  SIR-LAN人脸关键点定位算法 52
4．4  SAN人脸关键点定位算法 54
4．5  WingLoss：人脸关键点定位算法的损失函数设计 55
本章参考文献 56
第5章  人脸检索技术的最新进展 57
5．1  人脸检索与人脸识别的相似之处与不同之处 57
5．2  人脸检索与图像检索的相似之处与不同之处 58
5．3  基于深度哈希的人脸检索算法 59
5．4  同时考虑哈希码损失和分类损失的图像检索技术 61
本章参考文献 63
第6章  经典的人脸检测算法 64
6．1  DPM人脸检测算法 65
6．1．1  DPM人脸检测算法原理 65
6．1．2  DPM人脸检测算法检测结果 70
6．2  LAEO人脸检测算法 71
6．2．1  LAEO人脸检测算法原理 71
6．2．2  LAEO人脸检测算法检测结果 74
6．3  Viola ＆ Jones人脸检测算法 75
6．3．1  Viola ＆ Jones人脸检测算法原理 75
6．3．2  Viola ＆ Jones人脸检测算法检测结果 78
本章参考文献 79
第7章  基于深度学习的人脸检测算法实践 82
7．1  CNN Facial Point Detection人脸检测算法 82
7．1．1  CNN Facial Point Detection人脸检测算法原理 83
7．1．2  CNN Facial Point Detection人脸检测算法检测结果 83
7．2  DDFD人脸检测算法 84
7．2．1  DDFD人脸检测算法原理 85
7．2．2  DDFD人脸检测算法检测结果 85
7．3  人脸检测算法融合 86
本章参考文献 88
第8章  基于Fast R-CNN的人脸检测实践 90
8．1  Fast R-CNN简介 90
8．2  Fast R-CNN的特点和结构 91
8．3  数据集的预处理 94
8．4  基于Fast R-CNN训练人脸检测模型 95
8．4．1  训练阶段 95
8．4．2  测试阶段 101
本章参考文献 105
第9章  基于HOG特征的人脸关键点定位实践 105
9．1  H-GBDT算法介绍 108
9．2  相关算法介绍 111
9．2．1  GBDT算法介绍 111
9．2．2  HOG特征介绍 113
9．3  H-GBDT人脸关键点定位算法设计 114
9．4  实验设计 115
9．4．1  数据集 115
9．4．2  SO-RF算法和Face++人脸识别系统 117
9．4．3  实验结果比较 118
9．5  本章小结 125
本章参考文献 126
第10章  人脸识别实践 125
10．1  DeepID算法 131
10．1．1  DeepID算法的原理 132
10．1．2  DeepID算法实现 133
10．1．3  DeepID算法结果 146
10．2  VGG Face Descriptor算法 148
10．2．1  VGG Face Descriptor算法原理 148
10．2．2  VGG Face Descriptor算法实现 150
10．2．3  VGG Face Descriptor算法结果 152
10．3  3种经典的人脸识别算法 155
10．3．1  EigenFaces算法 155
10．3．2  FisherFaces算法 165
10．3．3  LBP算法 174
10．4  人脸识别算法对比分析 179
10．5  本章小结 180
本章参考文献 181
第11章  人脸检索实践 177
11．1  人脸检索简介 185
11．2  计算人脸相似度的方法 186
11．2．1  欧氏距离 186
11．2．2  余弦相似度 188
11．3  图像快速查找算法 189
11．4  评价人脸检索结果的标准 190
11．5  PHash算法 190
11．5．1  PHash算法原理 190
11．5．2  PHash算法实现 191
11．5．3  PHash算法的实验数据、实验结果及其分析 193
11．6  DHash算法 194
11．6．1  DHash算法原理 195
11．6．2  DHash算法实现 195
11．6．3  Dhash算法的实验数据、实验结果及其分析 197
11．7  PCA算法 198
11．7．1  PCA算法原理 198
11．7．2  PCA算法实现 200
11．7．3  PCA算法的实验数据、实验结果及其分析 203
11．8  BoF-SIFT算法 204
11．8．1  BoF-SIFT算法原理 205
11．8．2  BoF-SIFT算法实现 205
11．8．3  BoF-SIFT算法的实验数据、实验结果及其分析 213
11．9  用于图像快速检索的KD-Tree索引 215
11．9．1  FLANN算法的使用 215
11．9．2  KD-Tree的创建与查询处理 215
11．9．3  FLANN中KD-Tree算法的实现 217
11．9．4  FLANN算法的实验数据、实验结果及其分析 219
11．10  Gabor算法 220
11．10．1  Gabor算法原理 220
11．10．2  Gabor算法实现 223
11．10．3  Gabor算法的实验数据、实验结果及其分析 229
11．11  HOG 231
11．11．1  HOG原理 231
11．11．2  HOG实现 232
11．11．3  HOG的实验数据、实验结果及其分析 234
11．12  基于DeepID的人脸检索 236
11．12．1  DeepID方法 236
11．12．2  神经网络结构介绍 236
11．12．3  DeepID算法的实验数据、实验结果及其分析 237
11．13  哈希方法和深度哈希方法 238
本章参考文献 240
第12章  人脸检测商业软件及其应用示例 232
12．1  VeriLook 241
12．2  Face++ 247
12．3  各种算法的对比分析 250
12．4  视频中的人脸检测与追踪 253
本章参考文献 257
第13章  GAN与人脸生成 248
13．1  DCGAN 259
13．1．1  DCGAN原理 259
13．1．2  DCGAN判别器和生成器的优化过程 262
13．1．3  DCGAN训练流程 263
13．1．4  实验结果 269
13．2  BEGAN 270
13．2．1  网络模型结构 273
13．2．2  BEGAN判别器和生成器优化过程 275
13．2．3  BEGAN训练流程 277
13．2．4  实验结果 286
本章参考文献 288
后记 275