导读:本文包含了人脸轮廓论文开题报告文献综述及选题提纲参考文献，主要关键词:人脸轮廓提取,关键点识别,深度学习,卷积神经网络
人脸轮廓论文文献综述
杨帆,刘桂雄,黄坚[1]（2019）在《基于数据集优化标记DeepLabCut女性人脸轮廓提取方法》一文中研究指出人脸轮廓提取应用广泛,研究一种用于完成人脸轮廓提取的数据集标记方案,提出基于关键点识别深度卷积网络DeepLabCut的人脸轮廓提取方法。首先对女性平均人脸轮廓进行曲率分析,将人脸轮廓划分成3个部分,设计出分配方案并实验,获得较优分配布点方法;进一步分析人脸轮廓提取评价指标平均IOU与标定点数关系,得到30个标记点数即可满足要求;应用优化的标记方案标记指定小样本数据集,对DeepLabCut进行迁移学习,获得得到轮廓提取方法所采用的模型;实验结果表明本文方法比Niko软件包识别效果提高5. 5%。(本文来源于《激光杂志》期刊2019年10期）
吴春萌[2]（2019）在《基于全局轮廓和脸型结构特征的人脸吸引力分析与研究》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,具有重要的科学意义。结合信息技术的人脸吸引力研究是信息学科与心理学的交叉研究,可以完善传统研究方法存在的主观性强、数据少的不足。在对于人脸识别研究中,脸型结构的精细化分类在提高人脸识别的稳定性与高效性方面已经通过实验证明。本文为提高计算机评估人脸吸引力的评价性能,深入分析了全局轮廓点特征提取问题、人脸脸型结构分类问题以及各类脸型结构的人脸吸引力评价问题。其主要研究和创新内容如下:(1)对脸型结构分类问题进行了详细的分析,并利用全局轮廓特征对脸型结构进行了分类。根据全局轮廓点特征模型,提取下颌轮廓特征与全局轮廓特征,考虑各类脸型结构的基本几何属性,结合K近邻与平均Hausdorff距离对脸型结构进行分类。实验表明全局轮廓特征在脸型结构分类上取得了更好的效果,与下颌轮廓特征相比将脸型结构分类精度提升了5.98%。(2)针对人脸吸引力评价问题,提出了对人脸数据集的脸型结构进行“分集”的方法。所谓“分集”,即在人脸脸型结构数据集构建环节,将原有数据集划分为六类脸型结构的小数据集。然后对各类脸型结构的人脸吸引力评价分数进行分析,结果显示椭圆形与心形的脸型结构相比其他脸型结构更具有吸引力。(3)将脸型结构分类与人脸吸引力评价相结合,提出了基于全局轮廓和脸型结构分类的人脸吸引力评价方法。选取基于各类脸型结构数据集相关性最高的人脸吸引力评价方法,并将其与基于整体数据集的人脸吸引力评价方法进行了对比,实验表明通过脸型结构“分集”后获得了更好的人脸吸引力评价性能,Pearson相关性系数平均提升了6.60%。(本文来源于《西北大学》期刊2019-06-01）
曹旭,聂勇伟,李桂清[3]（2019）在《高精度连续人脸轮廓提取》一文中研究指出提取连续且高精度的人脸轮廓线是很多图像应用重要的基础步骤.然而很多现有的轮廓提取方法并不能很好地应用在人脸轮廓上.为此提出一种快速可靠的人脸轮廓提取方法,能够在关键点提供初始化后提取到高精度连续人脸轮廓线.其主要步骤是先拟合关键点形成一条初始化曲线,沿其密集采样重迭的矩形区域,将整个人脸轮廓区域划分成很多小的区域;然后在每个局部的矩形区域提取出一条抛物线引导基于梯度的局部人脸轮廓线;最后从很多局部人脸轮廓线中,通过全局融合找到最终的人脸轮廓线.这种交叉验证的机制保证了最后结果的正确性.最后在LFPW和HELEN人脸数据集上进行了实验,结果表明文中方法能有效地提高人脸轮廓提取的精度.(本文来源于《计算机辅助设计与图形学学报》期刊2019年04期）
于博文[4]（2017）在《附加轮廓信息的图正则非负矩阵分解及在人脸识别中的应用》一文中研究指出矩阵分解在信息重建、计算机视觉和模式识别等领域引起了广泛的兴趣和关注.非负矩阵分解由于其对局部构成整体思想的体现以及对数据低维特征的挖掘而备受关注.论文引言中介绍了已有的非负矩阵分解模型和图正则非负矩阵分解模型,并介绍了模型求解算法中较常用的乘子迭代算法和投影梯度算法.论文第二章提出了附加轮廓信息的图正则非负矩阵分解模型.并应用带积极集策略的共轭梯度(ASCG)算法求解该模型.论文第叁章中我们在实际人脸数据库上进行了数值实验.我们将ASCG算法同MU算法和PG算法进行了比较.并使用ASCG算法求解GNMFO模型,在分解得到的低维矩阵因子上进行人脸分类.本论文最主要的创新点在于通过原始人脸图像矩阵的一阶差分信息表示人脸轮廓信息,并通过人脸轮廓信息构造了图正则项.这种构造的方式简单易行同时很好的提高了人脸识别的分类效果.另外,我们采取了带积极集策略的共轭梯度算法求解GNMFO模型,算法具有好的收敛性.我们将GNMFO模型及ASCG算法应用到实际高维人脸数据库中进行人脸分类,数值实验表明GNMFO模型可以稳健的提高人脸识别分类效果.同时数值实验体现了采用的ASCG算法求解问题的有效性。(本文来源于《北京交通大学》期刊2017-05-01）
余祥,刘凯[5]（2016）在《基于相位测量轮廓术的人脸识别》一文中研究指出为了解决二维人脸识别受环境光干扰,叁维人脸识别依赖标定数据的问题,提出了一种基于相位测量轮廓术的人脸识别方法。首先使用相位测量轮廓术获得人脸的相位和反射率数据,相位图中暗含了人脸区域的叁维信息,反射率图也排除了环境光的干扰,它们经过规范化后均可以直接使用传统二维识别方法进行人脸识别。在实验中,使用了主成分分析法和最近邻分类器进行人脸识别。实验结果表明,这种方法对人脸识别是有效的,对比二维灰度图和叁维深度图有更好的识别效果。(本文来源于《光电工程》期刊2016年06期）
王云,袁宝华,朱长水[6]（2016）在《基于曲面轮廓分析的人脸面部扭曲程度分析》一文中研究指出在人脸图像提取的优化中,对人脸面部扭曲程度进行分析,可更好的完成对人脸表情进行分析。由于人脸的曲面轮廓变化复杂,人脸的皮沟直接相互作用会使得曲面轮廓的形变变得不规则,使得对人脸的初始曲面提取存在较大困难,皮沟相互影响带来的特征点位置动态变化导致人脸面部扭曲程度分析也存在困难。提出采用曲面轮廓分析的人脸面部扭曲程度分析方法,给出人脸面部曲面方程的一般形式,分析了人脸面部扭曲程度分析的初始曲面。对初始曲面进行坐标转换,将人脸面部曲面转换成标准型,对被分析人脸面部曲面上的点进行坐标变换,得到标准型人脸面部曲面轮廓度。依据人脸面部曲面轮廓分析结果,通过Fisher线性判别方法实现人脸面部扭曲程度的分析。仿真结果表明,所提方法具有很高的准确率,有效增强了人脸面部扭曲程度分析的性能。(本文来源于《计算机仿真》期刊2016年05期）
苗树艳,金忠[7]（2015）在《一种面向叁维人脸识别的同一截面有效轮廓线提取算法》一文中研究指出针对叁维人脸识别对表情及姿态变化的鲁棒性研究,提出一种基于人脸同一截面有效轮廓线的人脸识别方法。首先根据手工标定鼻尖点区域的法向量对人脸进行粗略矫正,再基于同一标准正中面人脸的迭代最近点(ICP)算法进行精确姿态矫正,标定精确鼻尖位置,提取过鼻尖的不同人脸同一截面横纵两条轮廓线。用阈值法提取过鼻尖点的有效轮廓线,采用ICP算法计算相似度,对两条轮廓线识别结果进行融合。实验结果表明,在CASIA 3D人脸库上对表情及姿态变化有较好的鲁棒性。(本文来源于《计算机应用与软件》期刊2015年10期）
周先春,唐娟,汪美玲,孙文荣[8]（2015）在《曲率与小波轮廓增强的人脸识别算法》一文中研究指出为了克服非约束性变化条件下人脸识别率降低的弊端,提出一种曲率与小波轮廓增强的人脸识别算法。首先建立结构控制函数,通过水平集曲率检测人脸图像的整体结构,并建立融合轮廓分布模型,得到融合分布图像。然后用小波增强融合分布图像,得到轮廓和整体结构增强的图像,在此基础上,用主成分分析(PCA)算法对上述增强图像进行特征提取。最后通过稀疏表示(SRC)判断测试图像所属的类。实验结果表明,在ORL数据库的基础上,与PCA识别算法、SRC识别算法以及PCA与SRC相结合(PCA&SRC)的识别算法相比,该算法在非约束条件下识别率最高,鲁棒性得到增强。(本文来源于《电子技术应用》期刊2015年10期）
刘瑞珍[9]（2015）在《基于轮廓线和圆形邻域SIFT特征的叁维人脸识别算法研究》一文中研究指出人脸识别因其友好、自然、对个人干扰少等优点,成为生物特征识别领域里的佼佼者。虽然基于二维人脸的识别技术在实际应用中已经取得了不错的识别效果,但其易受光照、化妆和姿态等因素的影响,因此其发展也遇到了难以逾越的瓶颈。叁维人脸包含的信息更加全面、丰富,能够更好地表征人脸,有望突破目前二维人脸识别所面临的困境。论文主要研究了基于轮廓线特征和圆形邻域尺度不变特征变换(Scale Invariant Feature Transform,SIFT)特征进行叁维人脸识别的算法。具体工作包括:(1)为了得到精确的正面点云模型,对叁维人脸点云模型做了面部区域分割、基于主成分分析的点云姿态校正粗配准和基于迭代最近点法的点云精确配准预处理。然后对配准后的正面点云数据在X-Y平面做正交投影得到2.5D深度图和对应的灰度图,为后续的特征提取过程打好基础。(2)针对传统SIFT特征描述子向量维数高、匹配耗时问题,提出了一种基于圆形邻域的SIFT特征描述子及其生成方法。在利用传统的SIFT算法精确定位特征点之后,采用以特征点为中心向外扩散的圆形邻域代替矩形邻域进行特征描述。在特征点匹配阶段,根据人脸的先验知识剔除部分误配点。实验结果表明,该方法可以有效降低特征点的匹配时间,且平均识别率达到了90.5%。(3)为了提高叁维人脸识别系统的识别速度,设计了基于轮廓线特征和圆形邻域SIFT特征的由粗到细的级联识别系统,同时对人脸的深度图和对应灰度图的基于SIFT特征的识别结果采用基于评分级融合的策略提高算法的识别精度。在CASIA叁维人脸库的实验结果表明,设计的级联识别系统的识别率可达92.7%。(本文来源于《南京邮电大学》期刊2015-06-01）
常朋朋,达飞鹏,梅俊[10]（2015）在《对表情鲁棒的面部轮廓线3维人脸识别》一文中研究指出目的表情变化是3维人脸识别面临的主要问题。为克服表情影响,提出了一种基于面部轮廓线对表情鲁棒的3维人脸识别方法。方法首先,对人脸进行预处理,包括人脸区域切割、平滑处理和姿态归一化,将所有的人脸置于姿态坐标系下;然后,从3维人脸模型的半刚性区域提取人脸多条垂直方向的轮廓线来表征人脸面部曲面;最后,利用弹性曲线匹配算法计算不同3维人脸模型间对应的轮廓线在预形状空间(preshape space)中的测地距离,将其作为相似性度量,并且对所有轮廓线的相似度向量加权融合,得到总相似度用于分类。结果在FRGC v2.0数据库上进行识别实验,获得97.1%的Rank-1识别率。结论基于面部轮廓线的3维人脸识别方法,通过从人脸的半刚性区域提取多条面部轮廓线来表征人脸,在一定程度上削弱了表情的影响,同时还提高了人脸匹配速度。实验结果表明,该方法具有较强的识别性能,并且对表情变化具有较好的鲁棒性。(本文来源于《中国图象图形学报》期刊2015年03期）
人脸轮廓论文开题报告
（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：
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,具有重要的科学意义。结合信息技术的人脸吸引力研究是信息学科与心理学的交叉研究,可以完善传统研究方法存在的主观性强、数据少的不足。在对于人脸识别研究中,脸型结构的精细化分类在提高人脸识别的稳定性与高效性方面已经通过实验证明。本文为提高计算机评估人脸吸引力的评价性能,深入分析了全局轮廓点特征提取问题、人脸脸型结构分类问题以及各类脸型结构的人脸吸引力评价问题。其主要研究和创新内容如下:(1)对脸型结构分类问题进行了详细的分析,并利用全局轮廓特征对脸型结构进行了分类。根据全局轮廓点特征模型,提取下颌轮廓特征与全局轮廓特征,考虑各类脸型结构的基本几何属性,结合K近邻与平均Hausdorff距离对脸型结构进行分类。实验表明全局轮廓特征在脸型结构分类上取得了更好的效果,与下颌轮廓特征相比将脸型结构分类精度提升了5.98%。(2)针对人脸吸引力评价问题,提出了对人脸数据集的脸型结构进行“分集”的方法。所谓“分集”,即在人脸脸型结构数据集构建环节,将原有数据集划分为六类脸型结构的小数据集。然后对各类脸型结构的人脸吸引力评价分数进行分析,结果显示椭圆形与心形的脸型结构相比其他脸型结构更具有吸引力。(3)将脸型结构分类与人脸吸引力评价相结合,提出了基于全局轮廓和脸型结构分类的人脸吸引力评价方法。选取基于各类脸型结构数据集相关性最高的人脸吸引力评价方法,并将其与基于整体数据集的人脸吸引力评价方法进行了对比,实验表明通过脸型结构“分集”后获得了更好的人脸吸引力评价性能,Pearson相关性系数平均提升了6.60%。
（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。
人脸轮廓论文参考文献
[1].杨帆,刘桂雄,黄坚.基于数据集优化标记DeepLabCut女性人脸轮廓提取方法[J].激光杂志.2019
[2].吴春萌.基于全局轮廓和脸型结构特征的人脸吸引力分析与研究[D].西北大学.2019
[3].曹旭,聂勇伟,李桂清.高精度连续人脸轮廓提取[J].计算机辅助设计与图形学学报.2019
[4].于博文.附加轮廓信息的图正则非负矩阵分解及在人脸识别中的应用[D].北京交通大学.2017
[5].余祥,刘凯.基于相位测量轮廓术的人脸识别[J].光电工程.2016
[6].王云,袁宝华,朱长水.基于曲面轮廓分析的人脸面部扭曲程度分析[J].计算机仿真.2016
[7].苗树艳,金忠.一种面向叁维人脸识别的同一截面有效轮廓线提取算法[J].计算机应用与软件.2015
[8].周先春,唐娟,汪美玲,孙文荣.曲率与小波轮廓增强的人脸识别算法[J].电子技术应用.2015
[9].刘瑞珍.基于轮廓线和圆形邻域SIFT特征的叁维人脸识别算法研究[D].南京邮电大学.2015
[10].常朋朋,达飞鹏,梅俊.对表情鲁棒的面部轮廓线3维人脸识别[J].中国图象图形学报.2015