生物特征识别技术与方法

第1章 绪论1.1 生物特征识别简述1.1.1 常用的生物特征识别技术1.1.2 各种常用生物特征识别技术的比较1.2 生物特征识别技术发展概述1.2.1 生物特征识别技术的优势1.2.2 生物特征识别技术的市场发展概况1.2.3 我国生物特征识别技术发展概述参考文献第2章 人脸检测与跟踪2.1 概述2.2 AdaBoost学习算法2.2.1 AdaBoost方法2.2.2 分类器训练思想2.2.3 构造弱分类器2.2.4 构造强分类器2.2.5 分类器训练流程2.3 多层级联分类器2.3.1 多层级联分类器的分类方法2.3.2 使用级联分类器进行训练2.3.3 实验结果2.4 基于AdaBoost的肤色检测新方法2.4.1 肤色检测方法2.4.2 肤色分布的分析2.4.3 实验结果2.5 人脸跟踪2.5.1 智能像素聚类目标跟踪算法2.5.2 简单背景的目标跟踪2.5.3 人脸跟踪参考文献第3章 基于流形学习的人脸识别3.1 生长型局部线性嵌入算法3.1.1 生长模型分析3.1.2 生长型局部线性嵌入算法3.1.3 GLLE对Isomap算法改进的启发3.2 噪声流形学习与分析3.2.1 问题的提出3.2.2 邻域平滑嵌入算法3.3 流形学习算法的应用3.3.1 人脸序列数据库的建立与评测3.3.2 人脸序列中的流形结构3.3.3 基于外观流形的动态视频人脸识别3.3.4 基于流形重构的单图像人脸识别参考文献第4章 多姿态人脸识别4.1 基于保持数据近邻信息的增量学习方法4.1.1 增量LaplacianEigenmaps（LE）算法4.1.2 仿真实验4.2 引入遗忘机制的ART2改进算法4.2.1 自适应共振理论简介4.2.2 ARTl神经网络4.2.3 ART2神经网络4.2.4 ART2网络存在的问题与改进4.3 逆转录ARl3算法4.3.1 ART3神经网络4.3.2 ARlr3改进算法——ReART4.3.3 仿真实验4.3.4 ReART在多姿态人脸识别中的应用4.4 图像平均重构技术与多姿态人脸识别4.4.1 自动人脸识别中的图像平均技术4.4.2 从原始图像到平均脸：加权图像平均技术4.4.3 从平均脸到原始图像：重构脸的生成4.4.4 一个识别示例：视频人脸识别4.4.5 仿真实验第5章 多特征指纹识别第6章 掌纹掌脉及其融合识别技术第7章 人脸与掌纹识别的子空间特征提取方法参考文献