导读:本文包含了人脸几何特征论文开题报告文献综述及选题提纲参考文献，主要关键词:人脸多模态数据,性别分类,模式识别,计算机视觉
人脸几何特征论文文献综述
郑明明,林志毅[1]（2019）在《基于局部统计几何特征的人脸性别分类方法》一文中研究指出为解决自动人脸性别分类问题,提出一种基于局部统计几何特征的性别分类方法。融合人脸图像特征点定位信息与人脸叁维数据的几何信息,建立具有统计意义的局部统计几何特征,可以被认为是基于多模态人脸信息的方法。该方法具有标准的表达形式,方便学习算法建立分类器;融合几何信息,对图像中的噪声、光照和人脸上的化妆等具有一定的鲁棒性;考虑叁维网格数据中面片数量不同带来的影响,对网格化精度具有一定鲁棒性。为验证其有效性,基于叁维人脸公开数据库(FRGC2.0和BosphorusDB)进行相关分类实验,实验结果表明,该方法能够得到比较精确的分类结果。(本文来源于《计算机工程与设计》期刊2019年10期）
李施展,朱家明[2]（2019）在《基于卷积神经网络及几何特征对人脸的识别》一文中研究指出针对不同的人脸位置,人脸颜色与背景区域颜色会产生较大差异,引入灰度差值算子,确定累积灰度差值变化较大的横坐标,进而判断人脸边界,从而实现对人脸位置的判定.利用神经网络自动学习图像,并选取出抽象程度更高的特征,从而确定面部关键点位置,计算五官属性值并对五官进行评价打分.引入脸部几何特征指标,将五官评分指标与几何特征指标结合提取人脸特征向量,运用欧式距离算法计算脸部特征向量的相似性并进行比较从而实现人脸识别.(本文来源于《上海工程技术大学学报》期刊2019年02期）
邓芳[3]（2019）在《基于迁移学习和几何特征分析的人脸吸引力人脸模板设计与研究》一文中研究指出人脸吸引力是遗传心理学和认知心理学的一个重要命题,研究结果可以给人脸进化(以及人类进化)提供科学依据。结合计算机的人脸吸引力研究可以完善传统研究方法存在主观性强、数据少的不足。在人脸吸引力的研究中,确定人脸模板是首要任务。本文基于迁移学习,提出了一种新的人脸吸引力人脸模板,在人脸模板基础上提取了叁种表征人脸吸引力的几何特征,实验结果表明了人脸吸引力人脸模板是合理可行的。具体研究内容如下:(1)在人脸特征点定位中,分析了AAM和ASM的特征点定位算法。针对AAM算法全局轮廓定位不准和ASM算法局部器官定位不准的问题,本文将AAM和ASM进行了结合,通过ASM定位人脸外围轮廓区域,AAM定位人脸内部区域,使人脸特征点定位获得了较好的效果。(2)提出了基于迁移学习的人脸吸引力人脸模板。从迁移学习的基本思想入手,利用AAM和ASM的结合算法,考虑额头、瞳孔和鼻翼的几何特征对人脸吸引力的影响,构建了81点人脸吸引力人脸模板。实验表明构建的81点人脸吸引力人脸模板在不同的数据集上具有良好的普适性。(3)基于所构建的81点人脸吸引力人脸模板,提取了21维几何特征、叁角形面积特征和四个比率特征集,用于表征人脸吸引力。利用机器学习算法对提取的几何特征进行人脸吸引力预测性能评估。实验结果表明,组合的几何特征在表征人脸吸引力上效果较好。在SCUT-FBP库中Pearson相关系数比单一81点特征提高了12.2%;在自建数据集中Pearson相关系数比单一81点特征提高了11.4%,这进一步证明了本文构建的人脸吸引力人脸模板是可行的。(本文来源于《西北大学》期刊2019-06-01）
石彪[4]（2019）在《基于费莱纳几何特征的叁维人脸识别研究》一文中研究指出近几年来,涌现了不少叁维人脸识别算法,叁维数据在人脸识别中的应用具有巨大的优势,它包含了人脸的空间几何信息,使得在人脸识别过程中所受到的光照、表情、姿态的影响较小,所以叁维人脸识别已成为研究热门方向。但由于数据维度的提升,叁维数据的计算量也会增加。通常会使用人工选择特征点或者叁维空间向二维空间投影这样的方法减少计算量,但是这样的方法并不能完全体现出叁维数据的优点。因此,本论文提出了用于叁维人脸识别的费莱纳几何特征,在不采用二维投影等多余的操作下,直接对叁维人脸原始数据进行处理,完成了以下研究内容:首先,对叁维人脸原始数据进行预处理后,对比了两种叁维人脸的空间曲线表示方式,选取了效率、鲁棒性更好的径向线作为需要提取的空间曲线,极大的减弱了表情对叁维人脸识别的影响。之后,本文对弗莱纳公式进行推导,得到四种不同的弗莱纳几何特征,并论证了它们的姿态不变性,并提取了叁维人脸径向线的四种几何特征用于后续分类。最后,将前面提取到的几何特征使用叁种不同方法进行降维处理后,输入最小距离分类器得到最终识别结果。在评估实验算法的阶段,本论文对比了不同降维方法后的识别率以及不同算法的识别与计算速度,进一步证明,与现有的叁维人脸识别技术相比,所提出的方法不仅识别性能具有竞争力,而且计算效率很高。(本文来源于《合肥工业大学》期刊2019-04-01）
杨龙生[5]（2018）在《基于横向几何特征的人脸识别研究》一文中研究指出笔者设计了一种基于横向几何特征的人脸识别方法。先通过Dlib等软件工具从图片中提取一系列人脸特征点,然后计算这些人脸各特征点之间的横向距离,并以这些距离之间的比例值组成特征向量。用这些特征向量作为样本结合标签来训练搭建好的全连接网络。从本次对网络的训练结果来看,笔者所设计的人脸识别方法具有较好的识别效果。(本文来源于《信息与电脑(理论版)》期刊2018年16期）
李高阳[6]（2018）在《基于角度几何特征的人脸表情识别》一文中研究指出随着人工智能的兴起,人脸表情识别作为情感表达中的一部分得到了越来越多的重视,成为了研究的热点。人类情感分析中,表情是表达人心理状态的一种非常直观的特征,在人机交互过程中,对这些特征的判断能够准确的提供有价值的数据和信息。另外,作为模式识别领域的一项具有挑战性的研究课题,表情识别在特征提取和识别过程中用到了传统的图像处理算法,而且神经网络和深度学习等方法也开始大量使用。该领域已经有一些研究者做了相关的研究,如何提取更加有效的表情特征和提高识别率仍然是当前表情识别的重要工作。本文首先建立了表情数据库,然后在特征提取上提出了基于以角度为主的几何特征方法,最后通过支持向量机(Support Vector Machine,SVM)进行分类识别。具体的研究工作包括:(1)建立表情数据库以增加数据样本数量,当前大多数研究中用到了已有数据库,例如CK+,JAFFE等,这些数据库都已经得到了有效的证实。本文另外通过最新的3D摄像头进行了表情数据库的录制工作,并进行了相应的实验。(2)对常用的特征提取方法进行了分析,由于每个人的样貌特征,表情变化幅度和方式不尽相同,一般的特征提取都是先对图像进行切割,归一化等预处理,以减少对提取和识别的影响。本文则以特征点为基础,结合表情变化的趋势和特点,着重分析不同表情的关键变化,将该变化转换成可以计算的特征向量,以此作为表情识别的依据。(3)对图像序列的数据帧数进行统一,因为支持向量机里面需要数据的长度是相同的。采用的方法是将所有图像序列帧数补齐到某个定值,具体做法是长于定值的从数据的第一帧开始隔帧删除,短于定值的从数据的第一帧开始隔帧增加,增加的数值是前后的平均值,这么做是为了减少对表情变化部分的影响。然后对数据进行归一化处理,减小同一特征向量在不同表情上因为不同人的相貌差异、变化幅度和方式带来的差异,以致影响到特征提取和识别。通过上述步骤后,特征向量的维数得到了一定的扩展。最后,利用支持向量机进行识别,并且研究了不同的核函数和识别方式对识别率的影响。(4)选取的面部表情数据库有多达60余个特征点,相应的就可以组合出相当数目的特征向量,本文的初始阶段以对表情最直观的判断为出发点,尽可能多的构建特征向量,对这些特征向量所表示的表情变化的实际特征,进行特征向量的选取,使识别效果最好。在特征点的基础上组合出各种特征向量,然后进行识别,一定程度上避免了需要通过图像处理来进行特征提取的步骤,更加能适应不同的识别环境。(本文来源于《华中师范大学》期刊2018-05-01）
周满,罗浩,尉宇[7]（2018）在《基于肤色分割与几何特征的人脸检测》一文中研究指出针对传统的人脸检测方法存在算法复杂、鲁棒性差以及精确度低等不足,提出一种基于肤色分割与几何特征的人脸检测算法。首先,将人脸彩色图像进行光照补偿预处理与非线性转换,建立YCb Cr颜色空间肤色模型同时融合人脸几何特征进行粗定位;然后,在人脸区域内,依据眼睛与嘴巴的色度特性分割出眼睛与嘴巴的特征区域并确定各自特征点的中心位置;最后利用眼睛,嘴巴的几何关系构建叁角形精确定位人脸。实验结果表明,该算法简单,在速度与准确性方面具有良好的性能。(本文来源于《信息技术》期刊2018年02期）
苏日娜,刘玉婷,王堃妍,于娜,王存睿[8]（2018）在《基于LBP和几何混合特征的人脸识别》一文中研究指出提出一种基于ASM几何特征和LBP局部特征的人脸识别新方法。该方法首先使用ASM算法对样本数据进行区域筛选,然后通过LBP特征与ASM特征构建融合特征对人脸进行识别。本文使用JAFFE人脸数据库和CK+数据库进行算法测试,实验结果表明本文提出的方法比单独使用ASM和LBP特征在人脸识别率上有较大的改善。(本文来源于《大连民族大学学报》期刊2018年01期）
秦琴[9]（2018）在《基于肤色和几何特征的人脸检测与识别方法》一文中研究指出基于肤色模型、唇色模型和几何特征的人脸检测确定方法,在机器视觉、智能人机交互系统、以及图文排版与校对等领域发挥着重要的作用。(本文来源于《科技风》期刊2018年01期）
陆继凯,段华睿,杨垒[10]（2017）在《几何特征法解决跨年龄段人脸匹配问题》一文中研究指出人脸识别,作为当前AI技术的重要内容,目前正成为研究的热点。本文重点研究了基于时间维度的人脸识别技术。首先通过灰度的积分投影法确定眼睛眼角、鼻子、嘴角的位置,以便进行特征点的选取,然后根据特征信息,利用相同特征点之间的欧氏距离进行了相似度匹配,根据匹配程度来判断两者是否为同一人。该研究在违法分子探查,失踪人口找寻等领域具有重要作用。(本文来源于《数字通信世界》期刊2017年07期）
人脸几何特征论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对不同的人脸位置,人脸颜色与背景区域颜色会产生较大差异,引入灰度差值算子,确定累积灰度差值变化较大的横坐标,进而判断人脸边界,从而实现对人脸位置的判定.利用神经网络自动学习图像,并选取出抽象程度更高的特征,从而确定面部关键点位置,计算五官属性值并对五官进行评价打分.引入脸部几何特征指标,将五官评分指标与几何特征指标结合提取人脸特征向量,运用欧式距离算法计算脸部特征向量的相似性并进行比较从而实现人脸识别.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人脸几何特征论文参考文献
[1].郑明明,林志毅.基于局部统计几何特征的人脸性别分类方法[J].计算机工程与设计.2019
[2].李施展,朱家明.基于卷积神经网络及几何特征对人脸的识别[J].上海工程技术大学学报.2019
[3].邓芳.基于迁移学习和几何特征分析的人脸吸引力人脸模板设计与研究[D].西北大学.2019
[4].石彪.基于费莱纳几何特征的叁维人脸识别研究[D].合肥工业大学.2019
[5].杨龙生.基于横向几何特征的人脸识别研究[J].信息与电脑(理论版).2018
[6].李高阳.基于角度几何特征的人脸表情识别[D].华中师范大学.2018
[7].周满,罗浩,尉宇.基于肤色分割与几何特征的人脸检测[J].信息技术.2018
[8].苏日娜,刘玉婷,王堃妍,于娜,王存睿.基于LBP和几何混合特征的人脸识别[J].大连民族大学学报.2018
[9].秦琴.基于肤色和几何特征的人脸检测与识别方法[J].科技风.2018
[10].陆继凯,段华睿,杨垒.几何特征法解决跨年龄段人脸匹配问题[J].数字通信世界.2017