导读:本文包含了人脸曲面论文开题报告文献综述及选题提纲参考文献，主要关键词:3维纹理,mesh-LBP,阈值化策略,统计方法
人脸曲面论文文献综述
雷超,张海燕,詹曙[1]（2019）在《结合曲面局部纹理特征的3维人脸识别》一文中研究指出目的人脸2维图像反映出来的纹理并非是3维人脸曲面真实的纹理,并且受光照和妆容的影响很大,因此探索3维局部纹理特征对于人脸识别任务有着重要的意义。为此详细分析了一种新颖的3维局部纹理特征mesh-LBP对于人脸纹理的描述能力。方法首先,在特征提取和识别任务之前,进行一系列的预处理:人脸分割、离群点移除和孔洞填补;接着,在预处理后的人脸曲面上,提取原始mesh-LBP特征,以及基于阈值化策略的3种改进特征:mesh-tLBP、mesh-MBP和mesh-LTP;然后,对于上述提取的4种特征,采用不同的统计方法,包括整体直方图、局部分块直方图和整体编码图像,用做人脸纹理的特征描述。最后,针对CASIA3D数据集中不同表情和姿态变化的人脸,采用余弦相似度进行人脸的识别任务。结果通过对比人脸曲面和普通物体曲面的纹理特征,发现人脸纹理完全不同于普通纹理,不规则并且难以描述;通过对比mesh-LBP两种变体,发现mesh-LBP(α1)适用于姿态变化,而mesh-LBP(α2)适用于表情变化;通过对比原始mesh-LBP及其3种改进,发现mesh-tLBP对于人脸不同表情变化下的识别准确率最高有0. 5%的提升;通过对比3种不同的统计方法,发现采用整体编码图像进行统计的特征尽管弱于局部分块直方图,但相比整体直方图,识别率在不同表情变化下最高有46. 8%的提升。结论 mesh-LBP特征是一种优良的3维局部纹理特征,未来将会在3维医学处理、3维地形起伏检测以及3维人脸识别中得到更多的应用。(本文来源于《中国图象图形学报》期刊2019年02期）
吴从中,王浩宇,詹曙[2]（2018）在《融合曲面形状和纹理特征的叁维人脸识别》一文中研究指出由于2D人脸识别率容易受到姿态、表情、光照以及自身遮挡影响的问题,这一定程度上阻碍了2D人脸识别技术的鲁棒性与发展。而3D人脸数据提供了在3D人脸领域很有前景的特征描述,也有很大潜力提高人脸识别技术的识别率。针对二维人脸识别中的局限性,先对叁维人脸数据进行预处理,人脸分割、平滑去燥等,提出了一种改进的叁维人脸分割的方法。改进了叁维人脸进行特征提取,使用平均曲率,高斯曲率,增加了协方差,拉普拉斯算子等描述符,且融合其最佳的描述符组合作为叁维人脸的特征,计算基于网格局部二值模式(Mesh-LBP)进行提取特征,最后使用支持向量机(SVM)进行叁维人脸的分类识别。通过在中国科学院自动化研究所(CASIA)的提供的数据集CASIA 3D face v1分别对高斯曲率、最大最小曲率、平均曲率、协方差、形状指数进行实验,其中平均曲率获得最高识别率93. 17%。实验结果表明,该方法有效地减少了受光照、姿态等变化的影响,且具有较好的鲁棒性和较高的识别率。(本文来源于《电子测量与仪器学报》期刊2018年09期）
王浩宇[3]（2018）在《融合曲面形状和纹理特征的叁维人脸识别研究》一文中研究指出在过去十年间,已经出现了不少用于身份识别的叁维人脸识别的研究,叁维人脸图像具有普遍性和非侵入性,现已成为非常有前途的研究方向,其解决了二维人脸的局限性,如姿态、表情、光照的变化以及自身遮挡的影响。而初期叁维人脸的研究方法一般是彩色图加深度图,但它并不是真正意义上的叁维图像,一定程度上,它损失了一部分几何形状等信息。还有一些方法把叁维图像投影到二维上,再采用二维的方法研究人脸识别的方法。随着计算机硬件迅速的发展和升级以及3D扫描技术的进步,推动了叁维人脸识别的发展,提高了识别的的准确性和应用的可靠性。在此背景下本文开展了基于Mesh-LBP融合多种特征信息提取与支持向量机SVM方法的研究。并取得了如下的研究成果;提出了改进的自适应人脸分割方法、融合多种叁维的几何形状和纹理信息,以及亮度信息的特征提取方法、结合支持向量机SVM分类预测的方法等。本文的主要研究内容如下:(1)针对二维人脸容易受到光照、姿态、表情的变化以及自身遮挡的影响,而叁维人脸包含了更加丰富的信息量。本文研究了一种融合曲面形状和纹理等多种特征信息进行特征提取的方法,其中曲面的标量函数有高斯曲率、平均曲率、最大最小曲率、亮度信息、协方差以及形状指数,并研究了融合不同描述符的方案。(2)针对叁维一般以鼻尖为球心,以一定长度为半径来分割人脸的方法出现的缺点:容易受到环境变化以及自身表情变化的影响、可能会出现分割严重缺失或包含了衣领等多余的信息的问题。本文研究了自适应改进的人脸分割方法。先对包含头部以下多余的信息作简单的预处理,去除衣物等多余的信息,再以鼻尖点为球心,以鼻尖点到头顶的距离乘以一定权值为半径画球来分割出叁维人脸。大量实验表明该方法比原来的方法有明显的提升。(3)通过前面提取的多种叁维人脸特征信息并融合在一起.对其进行直方图归一化,结合支持向量机SVM进行训练分类和预测,得出最终的识别结果。SVM数学理论完善,对训练样本要求不多,只需要少量支持向量的个数就可求得决策函数,具有健壮的泛化能力,并且能得到全局最优的解,广泛应用于模式识别和计算机视觉等领域。实验结果表明,图像的分类SVM在叁到四轮的相关反馈后,SVM比传统的方法有更高的精确度。(本文来源于《合肥工业大学》期刊2018-04-01）
王云,袁宝华,朱长水[4]（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）
徐强,胡步发[5]（2015）在《基于细分曲面的叁维人脸建模研究》一文中研究指出针对传统基于参数曲面的叁维人脸建模方法获得的人脸表面过于光滑,丢失了人脸表面的细节特征这一问题,提出了一种基于细分曲面的叁维人脸建模方法。首先,基于Delaunay叁角剖分技术对采集到的人脸叁维点云进行网格剖分,得到初始人脸表面;然后,采用Loop细分算法对初始人脸叁角网格进行细分,得到一张光滑细腻的细分曲面;最后,基于该细分曲面重建出逼真的叁维人脸模型。实验结果表明,与传统方法相比,该方法获得的叁维人脸模型不仅光滑细腻,而且还保留了人脸表面的大量细节特征。(本文来源于《机械制造与自动化》期刊2015年06期）
于万波,王大庆[6]（2015）在《曲面迭代的混沌特性及其在人脸识别中的应用》一文中研究指出为探讨混沌理论在图像应用中的更多可能性,减小图像识别过程中因局部动态变化等因素对识别率的影响,提出一种基于混沌迭代的图像特征构造方法.首先利用图像与辅助函数构造离散动力系统,在二维空间中使用Euler法进行迭代,得到近似吸引子作为图像的特征点阵;然后对该特征点阵进行Radon变换,将其投影到一维空间中,通过计算相关系数等方法对人脸图像进行识别;给出一种灰度自适应方法,在图像识别过程中通过调整灰度对比度来提高吸引子生成质量.实验结果表明,利用该单一特征的初步识别方法在Yalefaces人脸数据库中的识别率为70.91%;改进灰度自适应等方法后识别准确率达到87.33%,可得到较稳定的识别效果;另外,通过绘制出一些不同类图像的吸引子,说明图像不同其吸引子形状也不同.(本文来源于《计算机辅助设计与图形学学报》期刊2015年12期）
盖赟[7]（2014）在《基于曲面形变的叁维人脸样本配准》一文中研究指出叁维人脸样本是人脸识别、人脸动画等领域进行模型训练、算法设计及性能比较的重要数据平台。为了提高叁维人脸样本的配准效果和配准速度,提出一种基于曲面变形的叁维人脸样本配准方法。该方法通过对标准化样本实施一系列的变形操作来建立原始样本与标准样本之间的对应关系。然后基于该对应关系对原始样本进行配准处理,在处理过程中使用统计方法对样本上的毛刺点和空洞进行修补。实验结果表明,使用该方法可以快速、有效地对不同格式的原始样本进行配准。(本文来源于《计算机科学》期刊2014年S2期）
沙金[8]（2013）在《基于B样条曲面的叁维人脸特征提取》一文中研究指出叁维人脸特征提取不仅可以应用于叁维人脸识别领域中，也可应用于叁维人脸重建领域中。目前，叁维人脸重建方法可分为叁类：基于立体视觉的重建方法、基于正交图片的重建方法和基于单幅图片与叁维人脸参考模型相结合的重建方法[1]。在利用单幅图片与参考模型重建叁维人脸的方法中，关键步骤是对齐图片与模型中的人脸特征点，其中包括了叁维人脸特征的提取。本文首先采用B样条函数对叁维人脸散乱数据点进行拟合，构造出具有空间结构信息的叁维人脸曲面。以曲率知识为基础，利用人脸的先验知识（包括五官的位置、人脸曲面的凹凸性等），提取出叁维人脸的五官特征区域及其边界点。本文的主要工作有：1、PLY格式文件的读取。首先分析了PLY文件的结构，分为文件头部和元素数据列表两部分，文件头部定义了叁维模型包含的元素和元素属性，元素数据列表按照元素及元素属性的定义顺序存储元素的各属性值。然后针对本文使用的PLY文件结构，分析了各元素及其属性在文件头部的定义顺序，并利用OpenGL与VS2010搭建的平台读取PLY文件中的叁维数据并显示这些数据所描述的叁维模型。2、散乱数据点的B样条曲面拟合。从PLY文件中获取的叁维人脸信息仅仅是一些离散的数据点，尚不具备空间结构信息。本文采用B样条对叁维人脸散乱点数据进行拟合。由于仅使用一次B样条拟合得到的曲面与原始数据的误差较大，本文采用多层次B样条拟合逐步提高拟合曲面的逼近精度。实验数据表明，随着拟合层数的增加，既可以保持较好的曲面的光滑度，也可提高曲面的逼近精度。3、叁维人脸特征提取。首先介绍了曲率的基本知识，分析曲面各种曲率的定义及其代表的几何意义，并通过计算进行比较，选择平均曲率对人脸曲面进行凹凸区域划分；然后提取五官特征区域；最后，以人脸先验知识作为约束条件，结合曲面的截面曲线的凹凸性和极值性，提取特征区域的边界点，并计算各特征区域的几何特征参数。(本文来源于《长安大学》期刊2013-06-03）
叶长明,蒋建国,詹曙,ANDO,Shigeru[9]（2013）在《基于曲面等高线特征的不同姿态叁维人脸深度图识别》一文中研究指出叁维人脸识别因能克服二维人脸识别易受光照,姿态和表情等因素影响的缺点,从而日益受到关注和重视.文中针对叁维人脸实时成像系统所获得的不同姿态下的叁维人脸深度图,提出一种人脸识别方法(FDAC).首先利用微分几何相关理论来指导叁维深度人脸深度图的校正,再根据曲面等高线来描述人脸的面部特征并使用傅里叶描绘子实现特征提取,最后利用提取的等高线特征进行人脸分类识别.实验结果表明,FDAC方法对于不同姿态下的叁维人脸图像有较好的识别率,并且在时间开销方面优于常规的特征脸识别方法.(本文来源于《模式识别与人工智能》期刊2013年02期）
李凡[10]（2013）在《单目图像中带有表情的人脸曲面恢复关键技术研究》一文中研究指出在人机交互、模式识别等领域，人脸与面部动作及表情相关问题的研究具有重要的理论价值和巨大的应用前景，一直受到人们的广泛重视。以往，不论是人脸识别还是表情识别，主要研究工作都是针对二维人脸的。随着研究的深入，二维人脸图像信息量的缺乏导致其技术应用受到制约和局限，如不能有效应用于处于不同姿态的人脸表情识别等，同时现实世界中大量存在的图像或视频为单目成像，因此，在人脸表情分析领域，单目图像中带有表情的人脸曲面恢复技术可以有效的利用已有的图像和视频，为表情识别以及其他人脸相关的技术提供较丰富的信息，因而受到越来越多学者的重视和研究。基于明暗的人脸曲面恢复技术具有快速恢复，以及不需要预先构造精细的人脸曲面模型等特点，但该技术无法准确恢复出带有表情的人脸。在该技术的基础上，使用基于梯度的约束条件和控制点方法解决这一问题，具体如下：人脸曲面的梯度计算。在基于从明暗恢复形状技术的基础上，提出了新的带有阈值的梯度约束条件和基于梯度差的平滑性约束条件，用于提高梯度估计的准确性。用于人脸恢复的控制点自动定位方法。基于运动估计算法、阈值分割算法，寻找中性表情人脸演变到非中性表情人脸的过程中没有发生变化的点，作为控制点。研究了基于梯度和控制点恢复人脸曲面的加权最小二乘方法，指出了该方法在控制点间距较大的情况下存在的不足，并提出一种迭代的加权最小二乘方法，解决加权最小二乘方法的不足。理论分析和实验结果表明，迭代的加权最小二乘法在保持控制点对恢复表面的高度约束的同时，也保持了梯度对恢复表面的形状约束。(本文来源于《华中科技大学》期刊2013-01-01）
人脸曲面论文开题报告
（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：
由于2D人脸识别率容易受到姿态、表情、光照以及自身遮挡影响的问题,这一定程度上阻碍了2D人脸识别技术的鲁棒性与发展。而3D人脸数据提供了在3D人脸领域很有前景的特征描述,也有很大潜力提高人脸识别技术的识别率。针对二维人脸识别中的局限性,先对叁维人脸数据进行预处理,人脸分割、平滑去燥等,提出了一种改进的叁维人脸分割的方法。改进了叁维人脸进行特征提取,使用平均曲率,高斯曲率,增加了协方差,拉普拉斯算子等描述符,且融合其最佳的描述符组合作为叁维人脸的特征,计算基于网格局部二值模式(Mesh-LBP)进行提取特征,最后使用支持向量机(SVM)进行叁维人脸的分类识别。通过在中国科学院自动化研究所(CASIA)的提供的数据集CASIA 3D face v1分别对高斯曲率、最大最小曲率、平均曲率、协方差、形状指数进行实验,其中平均曲率获得最高识别率93. 17%。实验结果表明,该方法有效地减少了受光照、姿态等变化的影响,且具有较好的鲁棒性和较高的识别率。
（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。
人脸曲面论文参考文献
[1].雷超,张海燕,詹曙.结合曲面局部纹理特征的3维人脸识别[J].中国图象图形学报.2019
[2].吴从中,王浩宇,詹曙.融合曲面形状和纹理特征的叁维人脸识别[J].电子测量与仪器学报.2018
[3].王浩宇.融合曲面形状和纹理特征的叁维人脸识别研究[D].合肥工业大学.2018
[4].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
[5].徐强,胡步发.基于细分曲面的叁维人脸建模研究[J].机械制造与自动化.2015
[6].于万波,王大庆.曲面迭代的混沌特性及其在人脸识别中的应用[J].计算机辅助设计与图形学学报.2015
[7].盖赟.基于曲面形变的叁维人脸样本配准[J].计算机科学.2014
[8].沙金.基于B样条曲面的叁维人脸特征提取[D].长安大学.2013
[9].叶长明,蒋建国,詹曙,ANDO,Shigeru.基于曲面等高线特征的不同姿态叁维人脸深度图识别[J].模式识别与人工智能.2013
[10].李凡.单目图像中带有表情的人脸曲面恢复关键技术研究[D].华中科技大学.2013