生物特征识别技术与方法PDF|Epub|txt|kindle电子书版本网盘下载

生物特征识别技术与方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1生物特征识别简述1

1.1.1常用的生物特征识别技术2

1.1.2各种常用生物特征识别技术的比较9

1.2生物特征识别技术发展概述10

1.2.1生物特征识别技术的优势10

1.2.2生物特征识别技术的市场发展概况11

1.2.3我国生物特征识别技术发展概述12

参考文献13

第2章 人脸检测与跟踪16

2.1概述16

2.2 AdaBoost学习算法19

2.2.1 AdaBoost方法19

2.2.2分类器训练思想21

2.2.3构造弱分类器22

2.2.4构造强分类器27

2.2.5分类器训练流程28

2.3多层级联分类器29

2.3.1多层级联分类器的分类方法29

2.3.2使用级联分类器进行训练30

2.3.3实验结果34

2.4基于AdaBoost的肤色检测新方法38

2.4.1肤色检测方法38

2.4.2肤色分布的分析39

2.4.3实验结果42

2.5人脸跟踪44

2.5.1智能像素聚类目标跟踪算法44

2.5.2简单背景的目标跟踪47

2.5.3人脸跟踪52

参考文献56

第3章 基于流形学习的人脸识别60

3.1生长型局部线性嵌入算法60

3.1.1生长模型分析60

3.1.2生长型局部线性嵌入算法66

3.1.3 GLLE对Isomap算法改进的启发82

3.2噪声流形学习与分析83

3.2.1问题的提出84

3.2.2邻域平滑嵌入算法88

3.3流形学习算法的应用98

3.3.1人脸序列数据库的建立与评测99

3.3.2人脸序列中的流形结构103

3.3.3基于外观流形的动态视频人脸识别105

3.3.4基于流形重构的单图像人脸识别107

参考文献109

第4章 多姿态人脸识别115

4.1基于保持数据近邻信息的增量学习方法115

4.1.1增量Laplacian Eigenmaps（LE）算法115

4.1.2仿真实验118

4.2引入遗忘机制的ART2改进算法122

4.2.1自适应共振理论简介123

4.2.2 ART1神经网络123

4.2.3 ART2神经网络125

4.2.4 ART2网络存在的问题与改进127

4.3逆转录ART3算法132

4.3.1 ART3神经网络132

4.3.2 ART3改进算法——ReART141

4.3.3仿真实验145

4.3.4 ReART在多姿态人脸识别中的应用150

4.4图像平均重构技术与多姿态人脸识别152

4.4.1自动人脸识别中的图像平均技术153

4.4.2从原始图像到平均脸：加权图像平均技术155

4.4.3从平均脸到原始图像：重构脸的生成159

4.4.4一个识别示例：视频人脸识别160

4.4.5仿真实验163

参考文献167

第5章 多特征指纹识别171

5.1概述171

5.1.1指纹识别背景介绍171

5.1.2指纹识别综述172

5.2现场重叠指纹的分离与特征提取179

5.2.1问题阐述179

5.2.2估计初始方向场181

5.2.3分离重叠方向场182

5.2.4分离重叠指纹及特征提取189

5.2.5奇异点信息的应用190

5.2.6实验192

5.3从细节点恢复方向场及其应用197

5.3.1基于模型的方向场表示197

5.3.2从细节点恢复方向场199

5.3.3恢复方向场应用于指纹识别205

5.3.4实验209

5.4指纹奇异点检测212

5.4.1问题阐述212

5.4.2指纹的拓扑分析214

5.4.3 DORIC特征及其在去除虚假细节点上的应用216

5.4.4利用全局信息选择奇异点的最优组合220

5.4.5实验223

5.5多特征融合与快速比对227

5.5.1问题阐述227

5.5.2多特征指纹识别的比较研究227

5.5.3基于分级结构的指纹多特征辨认234

参考文献240

第6章 掌纹掌脉及其融合识别技术248

6.1概述248

6.1.1掌纹识别技术的研究现状248

6.1.2静脉识别技术的基本原理250

6.1.3静脉识别技术的研究现状251

6.2掌纹特征提取算法研究254

6.2.1基于Moire特征的掌纹特征提取算法255

6.2.2应用景象匹配的掌纹识别方法263

6.3掌纹识别系统的设计和实现275

6.3.1基于数码相机的掌纹识别系统275

6.3.2基于视频摄像头的掌纹识别系统278

6.3.3基于ARM开发板的嵌入式掌纹识别系统281

6.3.4基于扫描仪的嵌入式掌纹识别系统284

6.3.5实验288

6.4掌脉采集系统及识别算法289

6.4.1掌脉采集系统的设备选取289

6.4.2掌脉采集系统设计291

6.4.3掌脉识别算法研究293

6.5掌纹掌脉融合识别技术300

6.5.1掌纹掌脉融合识别技术的原理301

6.5.2掌纹掌脉融合采集仪309

6.5.3掌纹掌脉融合技术的性能评价311

参考文献315

第7章 人脸与掌纹识别的子空间特征提取方法321

7.1直接局部保持投影算法及其在人脸与掌纹识别中的应用321

7.1.1线性鉴别分析和直接线性鉴别分析323

7.1.2流形学习的概念与局部保持投影算法324

7.1.3直接局部保持投影算法及其计算326

7.1.4实验和结果328

7.2二维局部保持投影算法及其在人脸与掌纹识别中的应用331

7.2.1二维主成分分析的思想333

7.2.2二维局部保持投影算法335

7.2.3二维局部保持投影算法跟二维主成分分析的关系337

7.2.4对二维局部保持投影算法的进一步分析338

7.2.5实验与结果339

7.3新的核局部保持投影算法及其在人脸与掌纹识别中的应用343

7.3.1核方法的理论基础344

7.3.2已有的核局部保持投影算法347

7.3.3新的核局部保持投影算法框架347

7.3.4核局部保持投影算法348

7.3.5实验和结果350

7.4基于矩阵的图像特征提取方法的图嵌入理论框架及其应用354

7.4.1基于矩阵特征提取算法的图嵌入理论框架355

7.4.2 2DPCA、2DLDA和2DLPP算法的基于图嵌入理论框架解释356

7.4.3非监督鉴别投影和边界Fisher分析算法的矩阵形式推广360

7.4.4二维鉴别嵌入分析（2DDEA）算法362

7.4.5 2DDEA与2DLDA的关系364

7.4.6基于2DDEA的图像识别方法365

7.4.7实验366

7.5一种基于PCA/ICA的人脸和掌纹特征层融合策略369

7.5.1使用主成分分析和独立成分分析进行特征提取370

7.5.2利用PCA、 ICA进行特征层融合373

7.5.3实验结果373

参考文献376