导读:本文包含了面部特征提取论文开题报告文献综述及选题提纲参考文献，主要关键词:面部表情特征提取,DLBP-TE算法,计算机视觉,极限学习机
面部特征提取论文文献综述
王思明,梁运华[1]（2019）在《基于改进LBP的人脸面部表情特征提取方法（英文）》一文中研究指出面部表情识别中,局部二值模式(Local binary pattern, LBP)是一种重要的纹理特征提取方法,但其在特征提取时维度较高、提取速度慢、不能得到有效的局部或者全局特征,因而提出了一种基于改进LBP的人脸面部表情特征提取方法。该将LBP转化为双局部二值模式(Double local binary pattern, DLBP),融合泰勒展开式(Taylor expansiion, TE),生成DLBP-TE算法,此算法结合极限学习机(Extreme learning machine, ELM)分类算法应用于七种表情分类中,在日本成年女性面部表情(JAFFE)数据库中进行实验。结果表明,此方法能显着提高面部表情识别率。(本文来源于《Journal of Measurement Science and Instrumentation》期刊2019年04期）
王怡文[2]（2019）在《基于卷积神经网络及特征提取的面部表情识别算法》一文中研究指出旨在对卷积神经网络及特征提取面部表情识别算法进行简单的对比,找到更加合适的识别方法。通过open CV进行人脸动态图像截取,对截取的静态图像进行简单的规格及灰度处理后进行分类,分类算法选取基于卷积神经网络与基于特征提取的面部表情识别。结果表明,基于卷积神经网络的面部表情识别精确度更高,更能满足要求。(本文来源于《电脑知识与技术》期刊2019年16期）
涂亮,刘本永[3]（2019）在《微表情识别中面部动力谱特征提取的PCA改进》一文中研究指出针对用于人脸微表情识别的面部动力谱特征(FDM)提取方法中迭代算法抽取时空立方体主方向时时间复杂度高的问题,提出基于主元分析(PCA)的改进算法。首先将数据中心平移到原点,其次估计相关矩阵,最后估计其特征向量和特征值,取最大特征值对应的特征向量方向作为时空立方体的主方向。采用Oulu大学SMIC微表情数据库中的微表情片段作为实验样本,选择支持向量机(SVM)作为分类器,对改进算法和原算法进行人脸微表情识别对比实验。结果表明,两种算法识别率相近,但改进算法在计算时间上远短于原算法。可见,改进算法在准确找出时空立方体主方向的同时,能大大降低原算法的计算复杂度。(本文来源于《通信技术》期刊2019年02期）
张立军,唐鑫,孟德建[4]（2019）在《面向驾驶意图识别的驾驶员头、面部视觉特征提取》一文中研究指出为研究驾驶员视觉特征与驾驶意图的关联性进行了自然驾驶试验,采集了场景视频、驾驶员运动状态和转向盘转角信号,构建了包含若干直行、左换道、右换道片段的数据集,开发了基于机器视觉的视线方向及头部姿态估计算法,系统地提取了驾驶员头、面部特征,并使用统计学方法获得了各特征与驾驶意图的关联性。(本文来源于《汽车技术》期刊2019年02期）
唐阳山,徐忠帅,杨语尧[5]（2018）在《基于面部表情的驾驶员疲劳特征提取》一文中研究指出由于疲劳驾驶导致的交通事故频繁发生,故驾驶员疲劳检测系统近些年备受关注,提出一种基于驾驶员脸部信息融合的疲劳特征提取方法。采用基于adaboost算法的人脸识别,采用图像灰度变化的特点对眼睛进行定位,以及根据"叁庭五眼"法进行嘴部的定位。计算眼睑及瞳孔区域黑色像素的占比进行眼睛状态的判断,为了区分明显改变图像的对比度;采用积分投影法计算嘴部的闭合度。最后进行实验分析,采集3组驾驶员视频,分别进行眨眼和打哈欠动作,根据本文方法计算眨眼和打哈欠次数,实验结果表明检测效果比较理想。(本文来源于《辽宁工业大学学报(自然科学版)》期刊2018年06期）
陈咨彤[6]（2017）在《基于关键子区域特征提取的面部表情识别》一文中研究指出近年来,人工智能技术得到了长足的发展。表情识别作为人工智能领域的一个研究方向,在人机交互等领域有着非常巨大的应用前景。目前对于表情识别技术的研究也越来越深入,但实现准确快速的人脸表情识别仍具挑战。通过对国内外相关文献进行大量的阅读,对目前表情识别研究存在的问题进行了分析与探讨。针对当前面部关键点检测效率及精度偏低、关键子区域选取不精确且未能被充分利用、面部表情特征描述能力不够强等问题,本文设计了基于关键子区域特征提取的面部表情识别系统,并对其关键技术展开研究。本文的主要工作如下:针对面部关键点检测问题,首先使用简化后的可变形部件模型(DPM)对面部关键点进行初定位,从而降低DPM的时间复杂度;然后将关键点的初定位信息赋值给AAM模型并进行拟合。最终较为快速准确的检测出68个面部关键点。针对关键子区域选取问题,在面部关键点检测的基础上,参照面部运动编码系统(FACS)及显着性原理选定关键子区域,然后将非关键子区域像素置零,在保留面部整体结构的基础上去除了冗余信息的影响。针对特征提取问题,提出一种改进的局部梯度编码算子:局部均值梯度编码算子(LMGC-HD),改进的算子具有更低的维度,能够充分地描述局部形变,且受随机噪声及边缘变化影响小。最后,构建了基于关键子区域特征提取的面部表情识别实验系统。采用CK+数据集进行实验,使用支持向量机(SVM)进行分类识别。实验结果证明本文系统能够有效提高面部表情的识别率。(本文来源于《华北电力大学》期刊2017-12-01）
刘逸飞[7]（2017）在《人脸识别中面部特征提取与匹配算法研究》一文中研究指出人脸识别技术是一项集模式识别、图像处理、机器视觉、人类心理学以及人工智能技术的交叉研究科目,经过研究者们不断地探索,目前已经取得了许多傲人的成果。该技术相对于其他生物特征辨识技术有着诸多优势,例如非接触式操作、设备成本低、可拓展性好等。一般的人脸识别系统可分为四个环节:图像预处理、人脸检测、特征提取和分类器设计。其中特征提取是人脸识别最关键的一步,它的好坏直接影响到人脸识别的识别率。本论文以特征提取算法为主要研究项,以人脸识别技术和图像匹配为背景,针对不同的情况与分类器提出了改进的特征提取算法,并验证了文中所提算法的可行性与高效性。本文主要研究内容如下:本文首先针对所采集照片中存在彩色信息混乱、边缘响应值较低等问题,采用对照片进行灰度处理和边缘检测工作。对部分存在噪点的图像选用高斯滤波作为平滑处理方式对照片进行预处理。针对目前人脸识别中主流特征提取方法SIFT算法和SURF算法,所存在的局限性,设计一种基于SURF算子与空间金字塔表达结合的特征提取方法,既保证了人脸局部特征的提取,又不失整体图像的全局性表征,从而做到了人脸识别的局部-整体的特征提取。并选用了SVM和Adaboost分类器对所提取的人脸特征进行分类,验证算法的性能优势。针对照片中可能存在的曝光程度过高、模糊、角度扭转、噪点问题设计了图像匹配实验,采用FLANN法作为匹配策略,对本文所提出的基于SURF算子与空间金字塔结合的特征提取方法,进行匹配性能验证。(本文来源于《哈尔滨工业大学》期刊2017-06-01）
郑宁[8]（2016）在《基于子空间分析的面部表情特征提取算法研究》一文中研究指出面部表情能够提供人们情绪的敏感线索,对其的识别作为人机交互的一个关键功能受到科研人员的广泛关注。由于面部表情呈现出的非刚性特点,致使传统的表情识别方法难以达到令人满意的效果。子空间分析方法是当前模式识别领域的一个研究热点,它利用统计分析方法将样本投影到某个最优子空间,以实现数据降维和特征提取。本文主要针对基于子空间分析的面部表情特征提取算法进行了研究,旨在提取出用于有效表征面部表情的特征进行分类识别,论文的主要贡献如下:第一,针对基于差准则的特征提取算法无法有效提取鉴别信息的问题,提出广义多重最大散布差准则(GMMSD)及相应的特征提取算法。该算法利用差准则代替熵准则避免了“小样本”问题,并且利用QR分解能够提取出更有效的鉴别特征用于面部表情识别,同时也降低了特征提取时的运算复杂度。与传统特征提取方法相比,GMMSD具有如下叁个特点:(1)避免了“小样本”问题,无须对样本进行预处理步骤;(2)利用QR分解对原始样本进行特征提取,保留了原始样本的分布特征;(3)根据不同的变化矩阵,GMMSD可以演化成不同的特征提取算法,表明了GMMSD的广义性特点。实验表明GMMSD能够有效提取面部表情的鉴别特征,提高面部表情的识别精度。第二,针对训练集可能添加样本的情况,提出了增量型广义散布差准则算法(IGMMSD+)。IGMMSD+将增量更新的情况分为两种:添加新样本到新类别和添加新样本到存在的类别,分别给出了以上两种情况下的增量更新算法,避免了实际应用中训练集更新时重新对整个库进行训练的问题。IGMMSD+算法有以下几个方面值得强调:(1)IGMMSD+的性能完全等价于GMMSD+,即增量更新过程并没有近似计算过程,而其它增量算法多是近似形式,无法达到原始算法的识别性能;(2)GMMSD+可将每类训练样本的均值矩阵分成两部分:训练集共有成分(ICC)和鉴别差异成分(DDC)。更甚的是,提出的算法能自动丢弃包含有较少鉴别信息的ICC,同时保留包含有真正鉴别信息的DDC。第叁,为了有效地揭示面部表情中存在的潜在结构,提出多流形鉴别分析算法(MMDA)。传统的流形学习方法假设不同表情处于同一个流形上,然而这种假设至今没有被科研人员所证明,即并不能肯定各类面部表情仅仅处于一个流形。与多数算法不同的是,MMDA利用能够反映表情变化的面部表情显着区域作为训练,结合多流形学习方法,提取具体表情下的流形鉴别信息。多流形鉴别分析方法具有以下叁个优点:(1)MMDA只利用面部表情的显着区域作为训练和测试。这种方式避免了非表情显着区域对识别结果的干扰,同时也减少了算法的运算复杂度;(2)对比以往的单流形表情识别方法,基于多流形学习的算法不但可以避免训练过程中由于样本数量的限制可能造成的过拟合问题,同时也有助于提高表情识别性能。第四,针对多数方法将图像转化为一维向量,造成维数过高,运算复杂度大以及可能出现的“小样本”等问题,提出二维多流形鉴别分析(2DMMDA)算法。2DMMDA直接利用图像的二维数据进行特征提取,解决了维数过高的问题,同时也避免了小样本问题的发生。本文在二维鉴别局部保留投影的基础上,构建同类样本之间的相似性矩阵和异类样本之间的差异性矩阵。另外,考虑到同类样本之间的差异性对各表情特征提取的重要性,将同类样本之间的差异性信息引入到算法当中,从而提高表情的识别效果。(本文来源于《郑州大学》期刊2016-11-01）
李跃磊[9]（2016）在《积分投影曲线的面部特征提取方法》一文中研究指出在人脸精确定位的基础上,利用垂直积分投影曲线定位面部特征器官的横坐标,利用水平积分投影曲线定位面部特征器官的纵坐标,最后将面部特征器官嘴巴和眼睛从精确定位后输出的脸部图像中提取出来。实验结果表明,该方法有较高的定位精度,并且该方法不仅能定位标准正面人脸,而且也适用于有轻微偏转的人脸图像。(本文来源于《电子世界》期刊2016年13期）
罗元,张天,张毅[10]（2016）在《一种改进的LDP面部表情特征提取方法》一文中研究指出特征提取是面部表情分类识别的研究重点。针对原始局部方向模式(Local Directional Pattern,LDP)特征提取速率缓慢的问题,对LDP的编码方案进行改进,设计了nLDP(new Local Directional Pattern)算子。选择Kirsch算子的4个方向模板来获取边缘响应值,然后将正的边缘响应置为1,负的边缘响应置为0,从而获得nLDP特征表示,最后采用支持向量机(SVM)对表情进行识别。实验结果验证了提出的nLDP算子在保证表情识别准确率的同时,有效地提高了表情识别的速率。(本文来源于《半导体光电》期刊2016年01期）
面部特征提取论文开题报告
（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：
旨在对卷积神经网络及特征提取面部表情识别算法进行简单的对比,找到更加合适的识别方法。通过open CV进行人脸动态图像截取,对截取的静态图像进行简单的规格及灰度处理后进行分类,分类算法选取基于卷积神经网络与基于特征提取的面部表情识别。结果表明,基于卷积神经网络的面部表情识别精确度更高,更能满足要求。
（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。
面部特征提取论文参考文献
[1].王思明,梁运华.基于改进LBP的人脸面部表情特征提取方法（英文）[J].JournalofMeasurementScienceandInstrumentation.2019
[2].王怡文.基于卷积神经网络及特征提取的面部表情识别算法[J].电脑知识与技术.2019
[3].涂亮,刘本永.微表情识别中面部动力谱特征提取的PCA改进[J].通信技术.2019
[4].张立军,唐鑫,孟德建.面向驾驶意图识别的驾驶员头、面部视觉特征提取[J].汽车技术.2019
[5].唐阳山,徐忠帅,杨语尧.基于面部表情的驾驶员疲劳特征提取[J].辽宁工业大学学报(自然科学版).2018
[6].陈咨彤.基于关键子区域特征提取的面部表情识别[D].华北电力大学.2017
[7].刘逸飞.人脸识别中面部特征提取与匹配算法研究[D].哈尔滨工业大学.2017
[8].郑宁.基于子空间分析的面部表情特征提取算法研究[D].郑州大学.2016
[9].李跃磊.积分投影曲线的面部特征提取方法[J].电子世界.2016
[10].罗元,张天,张毅.一种改进的LDP面部表情特征提取方法[J].半导体光电.2016