导读:本文包含了关键特征点论文开题报告文献综述及选题提纲参考文献，主要关键词:计量学,最佳位姿,关键测量特征点,飞机大部件
关键特征点论文文献综述
张俐,华强[1]（2019）在《飞机大部件位姿调整的关键测量特征点误差控制权值计算方法》一文中研究指出为了实现飞机大部件的最佳位姿调整,基于层次分析-误差评定组合方法,研究了一种应用于综合评估数字化装配中关键测量特征点的误差控制权值的计算方法。采用引入权值的最小二乘法求解大部件位姿调整量,提高装配精度。通过层次分析(AHP)方法确定关键测量特征点主观权值,误差评定法确定关键测量特征点客观权值,两者结合综合评定关键测量特征点权值。以最小装配误差为优化目标,利用权值实现多个关键测量特征点的误差分配优化。实例分析中,将超差的对接交点误差由1. 23 mm降低到了0. 72 mm,满足各个测量点的容差要求。以奇异值分解算法求解目标优化初值,采用牛顿法迭代求解,得到部件的最优位姿,并以中后机身对接为对象分析验证权值分配的合理性。(本文来源于《计量学报》期刊2019年03期）
张芷瑜[2]（2019）在《基于关键特征点的人脸校准技术研究》一文中研究指出计算机以及网络通信技术高速发展使得人类利用生物特征来进行身份验证成为可能,由于人脸识别的方便性和可靠性,人脸识别逐渐在社会公共安全以及日常生活中扮演起了非常重要的角色。人脸检测,人脸校准,特征提取和分类这几个方面是一个完整人脸识别系统的处理步骤。其中,人脸校准对于人脸识别的准确性具有关键性影响,而人脸关键特征点的定位,是人脸校准的核心之一,直接影响到了人脸识别的精度。如果人脸特征定位不正确,可能会导致提取的脸部描述特征严重变形,即便是对人脸校准不准确也将导致识别性能的快速下降。因此,本文主要对基于关键点的人脸校准实现的问题进行研究,通过实现回归局部二值特征人脸校准算法,在保证有效人脸校准的同时尽量提取了人脸细节特征,具有较强的现实意义及研究价值。(本文来源于《通讯世界》期刊2019年05期）
秦庆词,李克钢,杨宝威,王庭,张雪娅[3]（2018）在《岩石全应力-应变过程关键特征点损伤特征分析》一文中研究指出基于Weibull分布统计损伤力学理论,针对传统本构模型对初始状态损伤和峰后特征表征不足的局限进行了优化,建立能够表征初始损伤对力学行为响应的本构方程,并基于优化的本构方程确定岩石全应力-应变过程中关键特征点的力学特性和损伤状态关系,将岩石受荷损伤劣化过程划分为6个损伤阶段,阐释了岩石全应力-应变过程中的损伤演化机制,同时结合RFPA-2D数值仿真分析确定岩体在峰后曲线上的结构失稳点应变是峰值应变的(1.00～1.32)倍;损伤阈值约为0.4～0.6,损伤起始强度约为峰值强度15%;结构面贯通破坏强度约为峰值强度的41%。从理论上确定了残余强度点应变约为峰值应变的4倍。(本文来源于《岩土力学》期刊2018年S2期）
成翔昊,达飞鹏,邓星[4]（2018）在《基于关键点的由粗到精叁维人脸特征点定位》一文中研究指出提出了一个基于关键点由粗到精的叁维人脸特征点定位算法,该算法将人脸特征点定位分为关键点检测和标记两个独立的子问题。为了更好地在叁维人脸上提取关键点,该算法提出了一个关键点检测方法:1)使用深度图和监督下降算法得到叁维人脸特征点的粗略位置,提取特征点粗略位置的邻域作为关键点区域;2)提出了一种结合多个局部描述子的方法,对关键点区域内人脸点集的子集进行筛选,提取出关键点。在特征点标记阶段,使用关键点集生成候选特征点组合,选择与特征点模型匹配程度最高的组合,将组合中的候选点标记为特征点。基于FRGC v2.0和Bosphorus数据集对算法进行了实验评估,并与一些经典方法的结果进行了对比分析。FRGC v2.0库上的特征点的平均误差为2.85～3.81 mm,总体检测成功率为96.5%,其中中性、温和以及极端表情下检测成功率分别为97.5%、97.0%和93.3%。Bosphorus库上3种姿态下的检测成功率分别是92%、95%和88%。实验结果表明,该算法具有较好的精度和效率,对表情和小幅度的姿态变化具有较好的鲁棒性。(本文来源于《仪器仪表学报》期刊2018年10期）
丰慧芳[5]（2017）在《基于卡口监控视频的人脸特征点定位关键技术研究》一文中研究指出人脸识别技术是当前计算机视觉、机器学习等领域的研究热点,在安防、信息安全等领域有十分重要的应用背景。其中,人脸特征点定位算法作为人脸识别与验证的关键步骤,与人脸识别准确率息息相关。为此,本文以火车站、公交等监控卡口为研究对象,针对人脸视角、分辨率变化等特点开展了特征点定位方法的研究。主要工作包括:(1)建立了卡口监控人脸数据库。火车站、机场等监控卡口人脸识别是安防领域的难点,其图像通常具有俯视角、分辨率低、人脸姿态多变、光照条件复杂等特点,导致现有的主流算法难以高效地定位卡口监控人脸面部特征点。目前的公开人脸数据库一般是通过爬虫在互联网上采集,与卡口监控系统中人脸图像特点差异较大。为此,本文通过处理大量的火车站和快速公交站监控视频数据,利用半自动的方法对卡口监控人脸图像进行检测、标定、筛选处理,最终得到了卡口监控人脸数据库。该数据库包括火车站卡口监控人脸图像6647张,快速公交车站卡口监控中人脸图像1287张。本文中涉及到的人脸特征点定位实验大多利用该卡口监控人脸数据库中数据进行训练、测试和评估。(2)针对局部二值特征算法(Local Binary Features,LBF)的在卡口监控中人脸特征点定位存在的问题,提出了基于LBF增量学习的卡口人脸特征点定位算法。该方法的主要的思想是在LBF算法级联回归训练的最后一级,利用增量学习的方法,向已经回归得到的模型中导入一部分卡口监控人脸数据库中的人脸图像,对新数据回归得到新的形状增量,从而对现有模型进行修正以达到预期效果。本文所选取的新加入人脸图像的数量是原训练集人脸图像数量的十分之一。实验结果表明,该方法在卡口监控人脸图像特征点定位上更优于时下主流的监督梯度下降法(Supervised Descent Method,SDM)、回归树集合算法(Ensemble of Regression Trees,ERT)和LBF算法。(3)针对卡口监控人脸的俯视视角、分辨率低和运动模糊等特点,提出了基于权重自学习的多任务级联卷积神经网络(Multi-task Cascaded Convolutional Networks,MTCNN)算法。该算法首先调整MTCNN中多任务的权重分布,使MTCNN的网络结构侧重解决人脸特征点定位问题。然后在MTCNN网络结构中加入权重自学习模块,使其能自动学习得到多任务协调计算的最佳权重分布,从而进一步提高对卡口监控中人脸图像特征点定位的精度。实验结果表明,该方法在卡口监控中人脸图像特征点定位的准确率高于SDM、ERT、LBF、MTCNN和基于LBF增量学习卡口人脸特征点定位算法。最后对本文工作进行了总结,并对本文后续工作进行了展望。(本文来源于《集美大学》期刊2017-05-03）
戴雪梅[6]（2016）在《基于图像特征点匹配的改进SLAM算法关键技术研究》一文中研究指出随着科学技术日新月异的发展,移动机器人越来越智能,且具有自主性。同步定位与地图构建(Simultaneous Localization And Mapping)是机器人自适应导航领域的基本问题与热点研究方向。移动机器人所在环境中各种物体的空间相对位置的精准描述称之为地图构建。而同步定位是指移动机器人根据地图确定其在环境中的位置,并对地图进行实时更新。视觉传感器与超声波、激光传感器等相比,可以获得更多的直观信息,不仅能提高移动机器人对环境的适应能力,还能缩短运行时间。本文针对双目视觉基于图像特征点匹配的机器人SLAM进行分析研究。第一,给出了移动机器人的运动方程与观测方程,介绍了里程计建模方法及摄像机模型,阐述了双目视觉成像原理,通过摄像机畸变补偿和坐标转换,得到环境特征点在移动机器人坐标体系的具体位置,将其带入到后续的SLAM研究中。第二,针对ORB算法具有运算快速性,但是在图像尺度发生改变时,特征点匹配的精度下降的问题,本文对其进行改进,得到一种新的SURF-ORB(简称SURB)算法。根据提取的具有尺度不变性的SURF特征点构建ORB算法描述子,特征点匹配时,对待处理图像采取区域分块,缩减原始搜索范围,节约了无效区域的特征点匹配时间,采用汉明距离和PROSAC(progressive sample consensus)方法对筛选的特征点去伪,获得较准确的特征匹配点对。不仅减少了时间与能量消耗,而且降低了移动机器人SLAM的误差率。第叁,容积卡尔曼滤波(Cubature Kalman Filter, CKF)根据容积规律选取若干具有不同权值的容积点,运用到非线性方程经过相关处理后可得到随机变量的统计特性。与EKF-SLAM和UKF-SLAM综合比较,CKF-SLAM对状态的预测精度较高。.但是,当系统突变时,CKF-SLAM定位效果不佳。针对此问题,对CKF-SLAM研究进行改进,提出强跟踪平方根容积卡尔曼滤波同步定位与地图构建算法(STF-SRCKF-SLAM)。STF-SRCKF以强跟踪滤波器为主要理论基础,具备移动机器人在模型不确定时仍能保证系统鲁棒性强的特点,避免了系统可能产生的滤波发散,同时保留了SRCKF运行稳定的优点。最后综合SURB算法与STF-SRCKF-SLAM,通过多次模拟仿真得出结论,改进后的视觉SLAM算法能够帮助移动机器人改善对非结构环境的认知能力,提高自适应决策的速度和SLAM的准确度。(本文来源于《安徽工程大学》期刊2016-06-08）
谢雨宁[7]（2016）在《融合形态学与特征点检测的建筑物自动叁维重建关键技术研究》一文中研究指出建筑物叁维重建是获取建筑物叁维结构信息的重要手段,在城市规划、灾害监测、通信设施建设和数字城市等领域具有非常广泛的应用。本文致力于研究一种融合形态学与特征点检测的建筑物叁维重建技术,使建筑物叁维重建的自动化成为可能。本文主要研究内容如下：(1)提出了一种基于图像局部纹理的自适应中值滤波算法,采用双层滤波窗口,通过四种不同的纹理信息及其标准差,快速有效地修复噪声像素,避免了脉冲噪声对图像的影响,为后续的直线检测和角点检测提供了优质的输入图像。(2)研究了一种改进的消失点估计算法,利用透视原理,根据建筑物的形态学特征和MSAC算法的固有缺陷,对错误的消失点进行了修正,确保检测到的直线都被正确地分类到不同方向。(3)研究了一种结合直线信息、角点信息和消失点信息的,基于形态特征的建筑物顶点轮廓提取方法,对外形为立方体及立方体组合的建筑物的轮廓和顶点进行了自动化提取,并通过SIFT特征提取与匹配计算图像间基础矩阵,得到不同图像上顶点轮廓的对应关系。(4)针对摄影测量的特定要求,基于前述算法,在自动提取的基础上,加入了人工干涉的功能以修正错误的轮廓和消失点,最终开发了一套针对常规立方体建筑物的序列图像叁维重建系统,并设计实验验证了前述算法的有效性。(本文来源于《东南大学》期刊2016-05-25）
刘俊权[8]（2016）在《人脸关键特征点定位与识别研究》一文中研究指出人脸识别技术是一种基于人的面部特征信息进行身份认证的生物特征识别技术,它在考勤系统、门禁系统、人机交互等领域具有广阔的应用前景。基于二维图像的二维人脸识别技术取得了很大的成功,但仍难以解决光照、化妆、姿态等问题。叁维人脸数据由于具有更丰富的面部信息、光照及姿态不变性等优点,因此叁维人脸识别逐渐成为当前人脸识别的研究热点。本文从本实验室开发的叁维人脸识别系统出发,研究包括人脸特征点定位和叁维人脸识别算法在内的两个叁维人脸识别相关的关键问题。本文的主要工作和创新点如下：1.人脸特征点定位在叁维人脸预处理、叁维人脸模型局部特征提取、数字排除器的构造等方面具有重要的作用。然而人脸表情的多样性、光照条件的不确定性等因素一直是困扰人脸特征点精确定位的难题。针对此问题,提出一种基于主动形状模型和Gabor变换的人脸特征点精确定位方法,该方法同时适用于二维和叁维人脸特征点精确定位。首先采用主动形状模型进行人脸特征点粗定位。其次,计算各个特征点粗定位区域的Gabor小波包集与训练集中相应手动标记特征点的小波束集的相似度,进而得到各个特征点粗定位区域的相似度图。最后选取各相似度图中最大值对应的点作为最终定位的特征点。在FRGC v2.0以及本实验室库中的实验结果表明,本算法能实现人脸特征点的精确定位,具有较高的定位精度和较强的鲁棒性。2.提出了一种新的基于Gabor和Log-Gabor变换纹理分布特性的叁维人脸特征表征方法,并采用该特征在FRGC v2.0和本实验室库上进行识别实验验证了所提特征的有效性。首先采用大量实验分析发现人脸深度图Gabor和Log-Gabor变换的广义高斯分布特性。然后将Gabor和Log-Gabor变换的实部与虚部响应的广义高斯拟合系数进行特征级融合,得到一种新的叁维人脸特征表征方法。最后采用NLDA对该特征进行降维并识别。该特征融合了Gabor和Log-Gabor变换的特性,是一种相较Gabor和Log-Gabor响应系数的较高层次的中层特征表示,在有效降低响应系数维数的同时,能更有效地抑制噪声。此外,该特征融合了特征点处的局部特征,使其对表情变化也更具鲁棒性。(本文来源于《东南大学》期刊2016-03-01）
严利民,杜斌,李跃,潘浩[9]（2015）在《基于深度数据的关键特征点提取及动态手势轨迹识别》一文中研究指出基于深度图像的动态手势轨迹识别通常需要大量的训练数据,如何快速标定和建立姿态数据集是一个具有挑战性的任务。介绍了一种基于深度数据的关键特征点提取及动态手势轨迹识别的方法。深度数据信息经过自适应阈值算法提取人体目标,结合肤色分割出手部范围,并寻找到对应的关键特征点,最终获取手势关键特征点的轨迹。利用支持向量机对DHA数据集中有关手势的数据进行了识别和评估。实验表明介绍的方法可以实现复杂背景下的手势识别,其准确率有了进一步的提高。(本文来源于《工业控制计算机》期刊2015年11期）
严利民,李跃,杜斌,潘浩[10]（2015）在《基于关键特征点运动轨迹的动态手势识别》一文中研究指出为实现基于运动轨迹信息的动态手势识别,本文介绍了一种基于手势关键特征点轨迹识别的方法。将深度摄像机获取的深度信息经过自适应阈值算法提取人体目标,经过细化等算法得到人体骨架,并提取手势关键特征点轨迹,利用支持向量机在公开的、具有挑战性的DHA数据集中有关手势数据进行识别和评估。实验证明该方法可以实现复杂背景下的多种手势的识别,鲁棒性强。(本文来源于《光电子技术》期刊2015年03期）
关键特征点论文开题报告
（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：
计算机以及网络通信技术高速发展使得人类利用生物特征来进行身份验证成为可能,由于人脸识别的方便性和可靠性,人脸识别逐渐在社会公共安全以及日常生活中扮演起了非常重要的角色。人脸检测,人脸校准,特征提取和分类这几个方面是一个完整人脸识别系统的处理步骤。其中,人脸校准对于人脸识别的准确性具有关键性影响,而人脸关键特征点的定位,是人脸校准的核心之一,直接影响到了人脸识别的精度。如果人脸特征定位不正确,可能会导致提取的脸部描述特征严重变形,即便是对人脸校准不准确也将导致识别性能的快速下降。因此,本文主要对基于关键点的人脸校准实现的问题进行研究,通过实现回归局部二值特征人脸校准算法,在保证有效人脸校准的同时尽量提取了人脸细节特征,具有较强的现实意义及研究价值。
（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。
关键特征点论文参考文献
[1].张俐,华强.飞机大部件位姿调整的关键测量特征点误差控制权值计算方法[J].计量学报.2019
[2].张芷瑜.基于关键特征点的人脸校准技术研究[J].通讯世界.2019
[3].秦庆词,李克钢,杨宝威,王庭,张雪娅.岩石全应力-应变过程关键特征点损伤特征分析[J].岩土力学.2018
[4].成翔昊,达飞鹏,邓星.基于关键点的由粗到精叁维人脸特征点定位[J].仪器仪表学报.2018
[5].丰慧芳.基于卡口监控视频的人脸特征点定位关键技术研究[D].集美大学.2017
[6].戴雪梅.基于图像特征点匹配的改进SLAM算法关键技术研究[D].安徽工程大学.2016
[7].谢雨宁.融合形态学与特征点检测的建筑物自动叁维重建关键技术研究[D].东南大学.2016
[8].刘俊权.人脸关键特征点定位与识别研究[D].东南大学.2016
[9].严利民,杜斌,李跃,潘浩.基于深度数据的关键特征点提取及动态手势轨迹识别[J].工业控制计算机.2015
[10].严利民,李跃,杜斌,潘浩.基于关键特征点运动轨迹的动态手势识别[J].光电子技术.2015