导读:本文包含了嘴巴检测论文开题报告文献综述及选题提纲参考文献，主要关键词:角点检测,轮廓提取,曲线拟合,哈欠检测
嘴巴检测论文文献综述
谢国波,陈云华,张灵,丁伍洋[1]（2014）在《基于嘴巴特征点曲线拟合的哈欠检测》一文中研究指出针对疲劳分析中哈欠检测具有嘴角点定位困难、嘴巴张开大小及持续时间因人而异的特点,提出一种基于嘴巴内轮廓角点检测与曲线拟合的哈欠检测方法。首先利用角点检测获取嘴巴内轮廓上的若干点,对这些点进行曲线拟合建立嘴唇内轮廓数学模型;然后再对张口度曲线进行时间维度的分析,对哈欠进行二次判决。实验结果表明,该方法不仅能够更精确地获取开口度的大小,而且还能够降低哈欠的误检率。(本文来源于《计算机工程与科学》期刊2014年04期）
王冬梅,王海鹏[2]（2015）在《基于肤色差异性嘴巴状态检测方法的研究》一文中研究指出嘴巴状态的检测对于人脸的表情研究,驾驶员驾驶状态的研究等领域都有着重要的意义。首先采用HSV肤色模型对人脸进行精确的定位,并计算出人脸的面积,根据嘴唇部分与皮肤部分的R-B的色差确定阈值;根据所求的阈值进行二值化,准确地计算出嘴唇部分的面积;根据嘴唇部分与面部皮肤部分的比值,可以准确地判断出嘴巴的状态。与单独的红色排除法相比,计算速度快,不会因摄像头离人的距离产生变化而影响检测结果。(本文来源于《计算机工程与应用》期刊2015年04期）
邬敏杰,穆平安,张彩艳[3]（2013）在《基于眼睛和嘴巴状态的驾驶员疲劳检测算法》一文中研究指出针对列车驾驶员疲劳检测问题,提出一种基于人眼和嘴巴状态的驾驶员疲劳检测算法。首先采用改进的AdaBoost算法精确定位驾驶员脸部区域。然后通过模板匹配定位人眼,并根据人脸的几何特征定位嘴巴。最后计算每一帧图像的PERCLOS(per-cent eyelid closure)参数和嘴部动作频率,统计单位时间内双参数与对应阈值的关系,作为判断驾驶疲劳的依据。实验结果表明,在正常光照下,综合眼睛和嘴部信息,比采用单参数检测算法减少了误判、漏判的概率,具有较高的准确性和鲁棒性。(本文来源于《计算机应用与软件》期刊2013年03期）
王奇[4]（2010）在《基于脸部器官关系的嘴巴检测算法研究》一文中研究指出近年来,根据人类自身的生理特征尤其是人脸特征进行自动检测和识别研究已成为人工智能和计算机图像处理领域的热门研究课题之一。其中,人脸特征研究的重点在于眼睛、嘴巴的检测和识别。这些研究在表情识别、叁维人脸重建等方面有比较广泛的应用前景。嘴巴作为脸部器官的一个重要组成部分,在颜色和形状方面有其独特性,且嘴巴信息不易隐藏,有利于特征的提取。因此嘴巴检测尤其是在复杂背景下的嘴巴检测,是一个充满挑战且具有重要意义的任务,在公共场合的安全监控上有着较大的发展潜力。本文在分析和总结国内外计算机视觉和数字图像处理领域关于嘴巴检测研究成果的基础上,对复杂背景下的单帧人脸图像的嘴巴检测进行研究,主要研究内容和工作成果如下：1、深入分析人嘴的颜色和形状方面的特征,结合传统镶嵌图方法,提出一种新的嘴巴区域检测方法。该方法巧妙地根据脸部器官关系,提出了一种新的人脸分块方法——叁分图法,用于对图像进行粗定位。再通过嘴巴特征对粗定位得到的候选区域进行确定,建立一个基于脸部形状特征的嘴巴区域检测系统。2、在叁分图检测结果的基础上,设计出一个嘴巴模板,并针对该模板改进Snake模型的外立场,有效解决了因光照的影响而造成的检测边缘泄露问题,从而更好更快地获得嘴巴的真实轮廓。实验表明,算法简单易行,不仅大大提高了检测的速度、拓宽了检测的适应范围,而且对公共场合等复杂背景下的嘴巴区域检测有更好的检测效果。(本文来源于《湖南大学》期刊2010-05-26）
许海柱[5]（2008）在《图象中眼睛和嘴巴的检测与定位》一文中研究指出本文在图象中分割人脸区域,在检测出的人脸区域内定位眼睛区域和嘴巴区域,并定位相关的重要特征点,如:区域中心、眼角、嘴角等。主要研究内容如下:(1)提出了一种新的人脸区域分割算法。当前人脸区域分割主要依赖于肤色在某些特定色彩空间的聚类特性,然而肤色很容易因为环境光照的影响而变化,而且当背景中存在近似于肤色色彩的物体或者存在多处肤色区域时,很难准确定位人脸区域。本文利用人脸轮廓信息定位候选区域,然后结合人脸特征点呈现叁角分布的特性最终定位人脸,很好地避免了上述原因对于人脸区域分割的影响。(2)提出了一种新的人眼及其特征点的定位方法。利用迭代式阈值算法对图象进行二值化处理,然后针对人脸上半区域进行检测,缩短了检测时间。利用最小外接矩形描述眼睛区域的轮廓,并依据长宽比例及位置,连贯性等约束信息区分眼睛和眉毛、头发区域;利用质心作为区域中心,更好地描述了眼睛区域的中心位置;然后利用Harris角点检测算子对眼角进行定位,结合闭合区域填充以及形态学闭运算等操作对眼睛区域进行填充,很好地避免了因为眼睛区域的不连贯导致的眼角检测不准确。(3)提出了一种新的嘴巴区域及其特征点的定位方法。针对人脸下半区域进行二值化,完整地保留了嘴巴区域的信息,效果明显优于针对整幅人脸进行二值化的情形。然后利用最小外接矩形描述嘴巴区域的轮廓,并依据长宽比例及位置信息定位嘴巴区域,利用质心作为区域中心,最后利用Harris角点检测算子在区域填充后的嘴巴区域中定位嘴角位置。实验表明,本文提出的算法简单易行,检测精度高。尤其人脸区域分割算法很好的弥补了单纯依据肤色聚类性进行检测的不足,采用闭合区域填充及形态学闭运算相结合的方法辅助Harris角点检测算子定位嘴角,眼角,提高了检测精度。分别针对人脸上下半区域进行眼睛和嘴巴的定位节省了检测时间,提高了检测的准确度。(本文来源于《中南大学》期刊2008-05-01）
王湘平,张星明[6]（2005）在《基于Gabor小波的眼睛和嘴巴检测算法》一文中研究指出介绍了基于Gabor小波的眼睛和嘴巴检测问题。首先利用肤色概率模型、人脸图像的梯度信息以及运动模型提取出人脸器官的可能特征点,接着使用一系列规则筛选出最可能是眼睛对的特征点对,然后采用Gabor小波和支持向量机(SVM)来对可能的眼睛对进行有效的验证,最后通过眼睛的位置来找到嘴巴的精确位置。实验结果表明,该系统具有较好的眼睛和嘴巴检测效果,还可以通过再学习进一步提高系统的检测性能。(本文来源于《计算机工程》期刊2005年22期）
黄琼雁,赖剑煌,阮邦志[7]（2003）在《非均匀光照下的嘴巴轮廓的检测与嘴巴状态分类》一文中研究指出嘴巴轮廓的提取和状态的分类在智能人机交互中有相当大的应用价值。本文提出了一种加入纹理特征的ASM方法(简称GT-ASM),用于嘴唇的轮廓检测,并采用基于灰度模板方法、支持向量机方法、嘴巴的几何特征和嘴巴内轮廓区域灰度方法的组合方法分类四种基本嘴巴状态,获得了令人鼓舞的结果。(本文来源于《第一届中国情感计算及智能交互学术会议论文集》期刊2003-12-01）
嘴巴检测论文开题报告
（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：
嘴巴状态的检测对于人脸的表情研究,驾驶员驾驶状态的研究等领域都有着重要的意义。首先采用HSV肤色模型对人脸进行精确的定位,并计算出人脸的面积,根据嘴唇部分与皮肤部分的R-B的色差确定阈值;根据所求的阈值进行二值化,准确地计算出嘴唇部分的面积;根据嘴唇部分与面部皮肤部分的比值,可以准确地判断出嘴巴的状态。与单独的红色排除法相比,计算速度快,不会因摄像头离人的距离产生变化而影响检测结果。
（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。
嘴巴检测论文参考文献
[1].谢国波,陈云华,张灵,丁伍洋.基于嘴巴特征点曲线拟合的哈欠检测[J].计算机工程与科学.2014
[2].王冬梅,王海鹏.基于肤色差异性嘴巴状态检测方法的研究[J].计算机工程与应用.2015
[3].邬敏杰,穆平安,张彩艳.基于眼睛和嘴巴状态的驾驶员疲劳检测算法[J].计算机应用与软件.2013
[4].王奇.基于脸部器官关系的嘴巴检测算法研究[D].湖南大学.2010
[5].许海柱.图象中眼睛和嘴巴的检测与定位[D].中南大学.2008
[6].王湘平,张星明.基于Gabor小波的眼睛和嘴巴检测算法[J].计算机工程.2005
[7].黄琼雁,赖剑煌,阮邦志.非均匀光照下的嘴巴轮廓的检测与嘴巴状态分类[C].第一届中国情感计算及智能交互学术会议论文集.2003