人脸图像合成与识别是计算机视觉和人工智能领域的重点前沿方向。本书从机器学习和深度神经网络的理论和技术基础出发，系统深入地阐述了人脸图像合成与识别领域近年的研究热点与前沿进展，全面准确地对相关理论基础和代表性方法进行了介绍和讲解，主要包括人脸检测、人脸对齐、活体检测、人脸识别、人脸超分辨重建、人脸多视角合成、表情合成与识别、计算机人脸动画、异质人脸合成等多个人脸图像任务专题，并辅以相应的实验测评与程序代码解读。
本书可作为高等学校计算机、人工智能等专业计算机视觉、图像处理等相关课程的本科或研究生教材，也可作为工程技术人员的自学教材。

高新波，博士，教授/博导，万人计划科技创新领军人才，国家杰出青年科学基金获得者，科技部重点领域创新团队、教育部创新团队负责人，教育部高等学校计算机类专业教学指导委员会委员，主要从事计算机视觉、机器学习、模式识别等领域的研究工作，获国家自然科学二等奖1项、省部级科学技术一等奖5项。

第1章 绪论
1.1 人脸图像合成与识别的技术背景
1.1.1 人脸图像合成与识别的意义
1.1.2 人脸图像的特点
1.1.3 人脸图像的性质
1.2 人脸图像合成与识别及相关算法
1.3 人脸图像相关算法的应用
1.4 本章小结
第2章 机器学习基础
2.1 引言
2.2 线性子空间
2.2.1 主成分分析
2.2.2 线性鉴别分析
2.3 深度神经网络
2.3.1 深度学习的历史
2.3.2 卷积神经网络
2.3.3 生成对抗网络
2.4 贝叶斯分类器
2.4.1 朴素贝叶斯法
2.4.2 极大似然估计
2.5 概率图模型
2.5.1 基本概念
2.5.2 贝叶斯网络
2.5.3 马尔科夫随机场
2.5.4 本书涉及的概率图模型
2.6 常用深度学习框架介绍
2.7 本章小结
第3章 人脸检测
3.1 引言
3.2 人脸检测概述
3.2.1 人脸检测的定义
3.2.2 人脸检测的意义
3.2.3 人脸检测的分类
3.3 人脸检测的评价标准
3.4 人脸检测常用数据库
3.5 基于非深度学习方法的人脸检测
3.5.1 基于级联特征的方法
3.5.2 基于可变形组件模型的方法
3.5.3 基于多通道特征的方法
3.6 基于深度学习方法的人脸检测
3.6.1 基于级联CNN的方法
3.6.2 两阶段方法
3.6.3 单阶段方法
3.7 常用人脸检测开源项目
3.8 本章小结
第4章 人脸对齐
4.1 引言
4.2 人脸对齐概述
4.2.1 人脸对齐的定义
4.2.2 人脸对齐的意义
4.2.3 人脸对齐方法分类
4.2.4 人脸对齐的评价标准
4.3 人脸对齐常用数据集
4.4 基于非深度学习方法的人脸对齐
4.4.1 基于含参数形状模型方法
4.4.2 基于无参数形状模型方法
4.5 基于深度学习方法的人脸对齐
4.5.1 基于级联回归的方法
4.5.2 其他深度学习方法
4.6 本章小结
第5章 人脸活体检测
5.1 引言
5.2 人脸活体检测概述
5.2.1 人脸活体检测的定义
5.2.2 人脸活体检测的意义
5.2.3 人脸活体检测的分类
5.2.4 人脸活体检测的评价标准
5.2.5 人脸检测常用数据库
5.3 传统人脸活体检测方法
5.3.1 基于纹理的方法
5.32 基于时域的方法
5.3.3 基于辅助监督的方法
5.4 基于深度学习方法的人脸活体检测
5.5 本章小结
第6章 人脸图像识别
6.1 人脸识别概述
6.1.1 常见的生物特征
6.1.2 人脸图像识别的优势
6.1.3 人脸图像识别的应用
6.2 人脸识别系统常用框架
6.3 人脸识别方法
6.3.1 基于几何特征的方法
6.3.2 基于局部特征的方法
6.3.3 基于空间映射的方法
6.3.4 基于贝叶斯推断的方法
6.3.5 基于深度学习的方法
6.4 本章小结
第7章 异质人脸图像识别
7.1 异质人脸识别概述
7.1.1 异质人脸图像识别优势与难点
7.1.2 异质人脸图像识别应用
7.2 异质人脸图像识别常用框架
7.3 异质人脸图像识别方法
7.3.1 基于人脸伪图像合成的异质人脸图像识别方法
7.3.2 基于共同空间投影的异质人脸图像识别方法
7.3.3 基于跨模态不变特征的异质人脸图像识别方法
7.3.4 基于深度学习的异质人脸图像识别方法
7.4 本章小结
第8章 人脸超分辨率重建
8.1 图像超分辨率重建概述
8.1.1 分辨率的概念
8.1.2 人脸图像超分辨率重建
8.2 人脸超分辨率重建的技术背景
8.2.1 图像观测模型
8.2.2 图像重建原理
8.2.3 常用数据库与评价指标
8.3 基于插值的人脸超分辨率重建方法
8.3.1 邻域插值
8.3.2 线性插值及双线性插值
8.3.3 双三次插值
8.4 基于重构的人脸超分辨率重建方法
8.4.1 迭代反向投影方法
8.4.2 凸集投影方法
8.4.3 最大后验概率方法
8.5 基于样例学习的人脸超分辨率重建方法
8.5.1 最近邻方法与邻域嵌入方法
8.5.2 稀疏字典学习方法
8.6 基于深度学习的人脸超分辨率重建方法
8.6.1 基于卷积神经网络的方法
8.6.2 基于人脸局部-全局特征的深度学习方法
8.6.3 基于小波变换的深度学习方法
8.6.4 基于人脸属性的深度学习方法
8.6.5 基于人脸结构先验的深度学习方法
8.7 本章小结
第9章 多视角人脸合成
9.1 多视角人脸合成概述
9.1.1 多视角人脸合成的概念与意义
9.1.2 常用数据库与评价指标
9.2 基于图形学的重建方法
9.2.1 基于三维可变模型的重建方法
9.2.2 基于2D+3D AAM的重建方法
9.3 基于统计学习的重建方法
9.3.1 未使用AAM的方法
9.3.2 使用AAM的方法
9.4 基于深度学习的重建方法
9.4.1 基于面部身份保持特征的方法
9.4.2 基于深度卷积编解码网络的方法
9.4.3 基于双路径生成对抗网络