导读:本文包含了脸部特征论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,脸部,算法,高加索,模型,色彩,表情。
脸部特征论文文献综述
林显宁,罗家林[1]（2019）在《基于肤色与脸部特征提取的人脸检测》一文中研究指出人脸检测与识别技术属于生物特征验证手段的一种,可应用于视觉监测、安全访问控制与智能用户接口等多个领域。而人脸检测在人脸识别中占据重要地位。在肤色模型和小波变换有效结合的基础上,即可对人脸进行确定,特别是眼睛位置。经过小波变换处理,结合几何位置展开检测,并使用Fisher分类器即可对嘴巴的位置进行检测。在全新的技术支持下,可以在短时间内准确检测人脸,精准度较高。基于此,文章将肤色和脸部特征提取作为重要基础,重点阐述人脸检测的实现路径,希望对人脸检测与识别技术的发展有所帮助。(本文来源于《现代信息科技》期刊2019年17期）
顾佳欣,郝禹哲,苏婷婷,皇甫萍萍,段淇超[2]（2019）在《基于脸部特征分析的无人机跟拍系统》一文中研究指出目前四旋翼无人机的应用十分广泛,可用于新闻拍摄和高空拍摄。通过对人脸部进行特征分析,可以做到低空下的人脸识别和跟拍。本文针对动态人脸目标,采用Haar特征提取,其优势在于量化了人脸特征,可以较为容易地区分出人脸区域和非人脸区域,即使存在一定干扰如佩戴脸部饰品、帽子等情况下,也具有较好的识别准确度,因此本系统具有一定的应用价值。(本文来源于《智能计算机与应用》期刊2019年04期）
任梦园[3]（2019）在《基于人脸特征的叁维重建及脸部动画》一文中研究指出人脸的叁维重建技术以及脸部的动画技术是计算机图形学相关领域的重要研究。传统的人脸叁维重建技术主要是依靠价格昂贵的叁维扫描设备以及大量耗时的后期人工处理,并且需要被扫描的人物主体保持相当一段时间的固定姿态。近年来,由于计算机相关硬件的大规模计算能力的发展,特别是GPU和分布式计算的发展,使得拿出一个实时并且高效的解决方案成为了可能。目前国内外主要采用的方法可以大致分为以下几种类型:传统叁维人脸重建方法、基于二维图像的人脸叁维重建、基于深度相机的叁维重建、端到端的叁维人脸重建方法。近年来,学术界以及工业界在检测和识别相关领域都取得了较大的突破性发展,人体尤其是人脸的相关研究成为广受关注的研究课题,并且在实际生活中的场景也较为常用。人脸是人物个体最具有辨识度的部位,但是二维空间中人脸的特征普遍受到现实场景中光照、人脸的表情姿态、人脸的角度以及装扮遮挡等相关不确定因素的约束,因此在叁维空间中对人脸进行研究成为下一步的突破方向,本文基于此趋势,对叁维空间中的人脸进行了相关的研究。复杂的叁维空间结构特征以及脸部丰富的细微特征使人脸叁维重建以及相关脸部动画技术成为了计算机图形学相关领域的主要难题。本文通过对人脸二维图像关键点与人脸叁维模型关键点的映射关系的研究,并根据二维关键点计算叁维空间的变化量,从而重建并且逐渐优化人脸叁维模型。该论文的另一探索内容为脸部动画技术,主要分为:通过定制骨骼点驱动的方法以及通过blendshape计算个体系数以及表情系数的方法。本文基于以上的方法和算法,研究并且开发了相应的可直接操作的应用程序来展示研究成果。该程序在重建人脸模型的同时,并且加入自定义纹理,甚至细化到眼球,不同肤色,不同发型,不同光照。同时本文基于重建出的人脸模型,结合blendshape技术可以为人脸模型设置更加细微的姿态表情,构建同一主体的数据库,在原有数据广度的前提下丰富了数据的深度,该数据库可为人脸相关影视、游戏制作、虚拟现实、医疗美容等开发领域提供便捷丰富的实用性数据。结合计算机图形学相关技术,为丰富二维空间及叁维空间中人脸的研究,该论文的研究内容主要包括以下部分:基于二维图片的叁维人脸重建研究、blendshape技术的改进、脸部动画的探索。(本文来源于《电子科技大学》期刊2019-03-01）
关天一,宋春林[4]（2018）在《一种基于脸部视频及脉搏特征平面的心率检测算法》一文中研究指出基于视频的心率监测相对于传统的心率监测在一些非接触的测量场景下具有独特的优势,因此已成为国内外研究的重点。人体皮肤的颜色会随着心脏的跳动发生微弱的变化,通过摄像头捕捉到这些变化,并进行一定的处理后,就能够计算出心率值的估计。在现有的使用面部视频来提取心率的方法中,通常受人体运动的干扰和环境光线的变化而难以对心率做出准确的估计。针对上述问题,本文利用皮肤在RGB颜色空间中,对于不同波长光线的吸收特性,提出了一种基于脉搏特征平面的方法,从而实现了心率的实时计算和准确估计。通过对比实验表明,本文所使用的方法与指夹式脉搏血氧仪的测量结果具有较高的一致性,且本文的算法较之其他方法具有更高的准确性和更低的复杂度,完全能够满足日常心率监测的要求。(本文来源于《信息技术与信息化》期刊2018年10期）
杨金秋,童立靖,付孝琴[5]（2018）在《基于特征提取的脸部建模动画系统》一文中研究指出脸部建模是特效电影和电脑游戏中展现现代视觉效果的关键。本文针对叁维人脸模型的动态建模,提出一种基于特征提取的建模方法。对于捕获的人脸图像,首先定位其人脸区域,然后提取人脸区域的人脸特征点,同时根据提取得到的人脸特征点对标准叁维人脸模型进行形变处理,最后得到一个实时的叁维人脸动画系统。实验结果表明,该方法针对叁维人脸建模能够实时稳定地完成相应表情的人脸建模,具有较高的实时性、准确性。(本文来源于《数字技术与应用》期刊2018年09期）
亚历克斯·马查德,黛安·霍特尔特,凯特·维[6]（2016）在《中国女性和高加索女性脸部形态特征的比较》一文中研究指出女性面部容貌的吸引力的在某些方面是普遍一致并跨文化的,它可根据环境、遗传及历史文化渊源而变化。随着媒体的国际化,美的概念也变得越来越全球化。这在中国尤为明显。因此,确定不同种族女性的脸部形态数据十分重要。此前的研究表明,高加索女性和中国女性之间最明显的差异在鼻子及眼部。本研究的目的是进一步寻找其他部位的形态差异。本课题组通过以下四种方法获得了形态数据:(1)高清晰度平均脸的重建;(2)标准化个体脸部轮廓图像分析测量颈部及下颚的弯曲角度;(3)超声分析测量皮下组织厚度;(4)条纹投影测量脸下部轮廓(本文来源于《第十一届中国化妆品学术研讨会论文集》期刊2016-06-15）
宁娟,朱敏,戴李君[7]（2016）在《基于AdaBoost算法和色彩信息的脸部特征定位》一文中研究指出针对脸部特征定位提出一种新型的基于Ada Boost算法和色彩信息的方法。首先用参考白光照补偿法对脸部区域进行光线补偿,然后用Ada Boost算法的级联分类器快速定位图像中的脸部区域,最后根据脸部肤色与脸部特征在色彩信息上的区别,建立眼部模型和嘴部模型,实现眼睛与嘴巴定位。实验结果表明,基于该方法的脸部特征定位具有较高检测率和实用性,同时嘴巴定位不易受到表情变化的影响。(本文来源于《计算机应用与软件》期刊2016年05期）
宁娟[8]（2016）在《基于AdaBoost和色彩信息的脸部特征定位》一文中研究指出生物特征识别技术越来越受到全世界范围内研究学者们的关注,人脸检测和脸部特征定位就是其中两个重要的分支。本文主要通过将基于AdaBoost算法的人脸检测与基于色彩信息的脸部特征定位结合起来,并使用高斯模型建立肤色似然概率图以减少在实现基于AdaBoost和色彩信息的脸部特征定位结合算法时所带来的背景干扰。文章主要从人脸检测、高斯建模和脸部特征定位这叁个方面展开研究,并利用大量的实验对结合算法效果进行分析验证。最终实验结果表明,本文提出的结合算法具有较强的建模成功率,能够在实现人脸准确定位的基础上根据色度和亮度信息建立眼睛和嘴巴模型,实现定位,是一种较优的脸部特征定位方法。论文首先实现基于AdaBoost算法的人脸定位。AdaBoost算法首先对所有人脸图像计算矩形特征,然后对其进行训练。在每轮训练结束就根据错误率最小的原则,选取一个最佳的弱分类器,同时更新所有的人脸图像的权重。在经过T轮的训练后生成T个弱分类器,并根据弱分类器的权重按照加权生成一个强分类器,用于人脸定位。然后建立高斯肤色模型。对人脸图像建立肤色似然概率图,减少在后续的脸部特征模型中由于背景带来的干扰区域。首先根据肤色的色彩信息在各个色彩空间中呈现的聚类性选取YCbCr色彩空间作为建立高斯模型的色彩空间,对截取的人脸图像进行参考白光线补偿,然后建立高斯肤色模型,并对人脸定位图像计算肤色似然概率图,最终使用全局阈值处理法对人脸图像进行阈值分割,生成人脸肤色的二值图像。最后实现基于AdaBoost和色彩信息的脸部特征定位结合算法。首先根据色彩信息建立眼睛模型。在YCbCr色彩空间中,眼睛部位的Cb色彩分量较高而Cr色彩分量较低,同时在亮度分量上瞳孔与眼白的亮度反差较大。根据这两个重要特点,建立两个独立的眼部模型,并实现“与”操作,强调出公共的眼睛部位。然后建立嘴巴模型。在YCbCr色彩空间中,嘴巴比脸部的其他区域包含更多的红色像素和更少的蓝色像素。根据这一特点建立基于色度的嘴巴模型。最终使用人脸二值图像消除眼睛和嘴巴模型中由于背景产生的干扰区域,实现定位。(本文来源于《华东师范大学》期刊2016-03-31）
赵静[9]（2015）在《脸部特征识别技术的发展及现状》一文中研究指出人脸识别技术是生物识别技术研究的重要组成部分。阐述了人脸识别的整个过程,介绍了国内研究现状,总结了影响人脸识别技术应用的关键问题,分析了当前人脸识别技术面临的问题,并对人脸识别技术的发展进行了展望。(本文来源于《科技视界》期刊2015年23期）
何俊,蔡建峰,房灵芝,何忠文[10]（2015）在《基于LBP特征的融合脸部关键表情区域的表情识别方法》一文中研究指出人脸表情识别中,LBP特征是一种重要的纹理特征,过往研究中常以整张图片为提取区域,并没有对人脸表情中的关键区域重点提取。针对这一问题,并根据以往LBP特征的提取方法,依据面部运动单元的划分,提出一种基于LBP特征的融合脸部关键表情区域的表情识别办法,将人脸的眼睛、眉毛、眉心、鼻子、嘴巴等表情区域作为重要的特征区域进行纹理特征单独提取,同时也兼顾脸部全局特征,将单独提取的纹理特征与全局纹理特征通过融合得到一个新的纹理特征,我们称为融合脸部关键区域的特征。再将此融合特征通过SVM和NN进行表情分类识别,在JAFFE数据库中进行实验,结果表明该方法对人脸表情的识别率取得了明显的提升。(本文来源于《第27届中国控制与决策会议论文集（下册）》期刊2015-05-23）
脸部特征论文开题报告
（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：
目前四旋翼无人机的应用十分广泛,可用于新闻拍摄和高空拍摄。通过对人脸部进行特征分析,可以做到低空下的人脸识别和跟拍。本文针对动态人脸目标,采用Haar特征提取,其优势在于量化了人脸特征,可以较为容易地区分出人脸区域和非人脸区域,即使存在一定干扰如佩戴脸部饰品、帽子等情况下,也具有较好的识别准确度,因此本系统具有一定的应用价值。
（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。
脸部特征论文参考文献
[1].林显宁,罗家林.基于肤色与脸部特征提取的人脸检测[J].现代信息科技.2019
[2].顾佳欣,郝禹哲,苏婷婷,皇甫萍萍,段淇超.基于脸部特征分析的无人机跟拍系统[J].智能计算机与应用.2019
[3].任梦园.基于人脸特征的叁维重建及脸部动画[D].电子科技大学.2019
[4].关天一,宋春林.一种基于脸部视频及脉搏特征平面的心率检测算法[J].信息技术与信息化.2018
[5].杨金秋,童立靖,付孝琴.基于特征提取的脸部建模动画系统[J].数字技术与应用.2018
[6].亚历克斯·马查德,黛安·霍特尔特,凯特·维.中国女性和高加索女性脸部形态特征的比较[C].第十一届中国化妆品学术研讨会论文集.2016
[7].宁娟,朱敏,戴李君.基于AdaBoost算法和色彩信息的脸部特征定位[J].计算机应用与软件.2016
[8].宁娟.基于AdaBoost和色彩信息的脸部特征定位[D].华东师范大学.2016
[9].赵静.脸部特征识别技术的发展及现状[J].科技视界.2015
[10].何俊,蔡建峰,房灵芝,何忠文.基于LBP特征的融合脸部关键表情区域的表情识别方法[C].第27届中国控制与决策会议论文集（下册）.2015
论文知识图
