导读:本文包含了人脸配准论文开题报告文献综述及选题提纲参考文献，主要关键词:人脸配准,组配准,仿射变换,RANSAC算法
人脸配准论文文献综述
柯于锭[1]（2019）在《局部人脸配准方法研究》一文中研究指出随着硬件设备价格的下降以及图像分析与处理技术的发展,人脸识别开始从实验室研究推广到商业用途。作为人脸识别系统中的重要组成部分,人脸配准连接了人脸检测和特征提取与匹配这两个关键步骤,对人脸识别的性能有着重要的影响。如果人脸配准精度高,那么可以提升人脸识别性能,反之亦然。因此,人脸配准的精度在人脸识别系统中起到了举足轻重的作用。首先通过建立一个人脸模型并以此模型作为配准时的参考人脸,然后利用仿射变换寻找参考人脸和实例人脸特征点之间的对应关系。接着利用Nelder-Mead单纯形法搜索人脸模型进行实例人脸刚性变换的最优参数,建立一个造价函数来约束优化的过程,构建了一种利用刚性变换的局部人脸配准模型。通过实验验证表明,该配准方法能实现对人脸内部区域特征点粗略的定位效果。针对该方法对人脸外轮廓特征点定位效果不佳的问题,考虑了全局刚性变换和非刚性扭曲相结合的方式,通过对一组人脸的联合配准来提升组内人脸个体的配准性能。先利用监督下降方法来确定组内人脸标定点的初始位置,然后使用RANSAC算法来求解组内人脸特征点之间的最优单应性变换矩阵,根据最优的单应性矩阵来确定人脸特征点之间的对应关系。接着利用非刚性ICP算法对参考人脸模型中的特征点进行非刚性扭曲,使得参考人脸中每个特征点均向着实例人脸对应特征点的方向上进行变换,最终建立一个利用组配准方式的局部人脸配准方法。在常用的人脸配准数据库300W上进行实验验证分析,和监督下降方法的配准结果相比,在正面人脸的情况下,该组配准方法能提升组内实例人脸特征点的平均定位精度。利用组配准方式的配准方法可以较SDM算法提高正面人脸的特征点定位精度,得到的配准结果可为后续与人脸相关的高层视觉任务提供有利的支持。(本文来源于《沈阳工业大学》期刊2019-05-29）
高宁,王兴元,王秀坤[2]（2019）在《基于多状态分层模型的有表情人脸配准》一文中研究指出将人脸表情变化范围离散化表示为多状态部件模型,以便描述人脸非线性变化。引入多方向局部梯度信息,建立反投影概率图来改善原始灰度图像的外观模式表达,基于级联的卷积神经网络实现渐进分层的人脸配准。根据整脸和不同区域的图像实现人脸形状初始化,并判断当前部件状态。根据正确状态的人脸模型回归人脸形状参数,完成最终的精细配准。与其他几种常用算法在数据库上进行了定量比较,结果表明该算法改善了表情变化剧烈时人脸配准的效果,在计算量相当的情况下,正确率和处理速度等方面都达到很好的性能,具有明显的实用价值。(本文来源于《计算机工程与应用》期刊2019年07期）
伍凯[3]（2017）在《基于级联回归的人脸配准算法研究》一文中研究指出人脸配准已成为计算机视觉领域的研究热点之一,也是人脸识别和人脸美化等众多人脸分析技术的重要基础。最近,级联回归被证明是最成功的人脸配准算法之一,其配准的精度与速度都达到了目前最佳水平。级联回归由若干个形状回归器线性组成,通过迭代的方式不断更新一个初始形状,使之逐渐收敛到真实人脸形状。目前基于级联回归的改进算法大都致力于改进形状回归器的回归能力,或者提取更加有效的具有几何不变性的人脸特征。尽管这些算法在配准精度上取得一定的提升,但却忽略了初始形状的质量。初始形状对最终配准效果影响较大,因为当其和真实形状有较大偏差时算法容易落入局部最优或根本无法收敛,所以目前的算法在复杂场景下的配准能力不足,如人脸具有极端的姿态和夸张的表情等。针对现有级联回归算法存在的问题,本文提出了初始形状估计算法和多姿态级联回归框架,用于实现复杂场景下高精度的人脸配准。本文将初始形状估计看作一个回归问题,通过建立随机森林回归模型从人脸的全局特征直接预测和真实形状更加接近的初始形状,为级联回归算法提供高质量的初始值,从而提高其精度。同时,本文使用分治法将人脸按照姿态分类建立了多姿态级联回归器,实现了不同姿态之间的训练分离,并在检测时通过初始形状判别其姿态类别,使得每张人脸可以使用专门的级联回归器,从而进一步提升配准的精度与鲁棒性。在多个具有代表性的数据库上的实验表明,本文的初始形状估计算法较现有的初始化算法能产生质量更高的初始形状,并能显着降低现有级联回归算法的配准误差。相较于目前效果最好的配准算法,本文的多姿态级联回归框架能取得相当的配准结果,在部分场景下甚至更优。(本文来源于《上海交通大学》期刊2017-01-12）
邓健康,杨静,孙玉宝,刘青山[4]（2015）在《基于稀疏级联回归的快速人脸配准方法及其在移动设备上的应用》一文中研究指出如何在计算和存储能力受限的移动平台上实现高效的人脸配准是移动平台人脸应用需要解决的关键问题。主要研究了移动平台上的快速人脸配准问题,为了降低配准模型的计算与存储要求,提出了稀疏约束的级联回归模型。该模型采用稀疏性约束学习回归矩阵,不但能够筛选鲁棒的特征,而且模型的存储空间被压缩到原来的5%左右。基于稀疏级联回归模型,进一步构建了移动平台上人脸配准的快速算法。首先,在人脸检测的基础上,利用二值特征快速定位眼角、嘴角和鼻尖的关键点,估计出人脸的姿态,旋正人脸图像;然后,根据人脸的姿态,选择相应的正脸或侧脸模型,进行稀疏约束的级联回归配准,定位人脸关键点。大量实验结果表明,提出的配准方法精度高、速度快、模型小。在叁星Note3智能手机上,每幅人脸图像的配准时间在10ms左右,整个apk文件大小仅为4MB,非常适合移动平台的人脸应用。(本文来源于《计算机科学》期刊2015年10期）
杨律,丁守鸿,谢志峰,马利庄[5]（2015）在《Lasso整脸形状回归的人脸配准算法》一文中研究指出人脸配准是人脸识别、美化和面部表情分析等人脸相关应用的重要组成部分,这些应用通过人脸配准以精准定位人脸五官及面部轮廓特征点.在整脸形状回归的人脸配准框架基础上,使用Lasso回归来解决人脸配准问题,提出基于Lasso的整脸回归人脸配准算法.首先对人脸配准过程中的回归系数施加L1模惩罚,以在不牺牲效果的基础上减少模型大小;然后提出人脸变换比例调整方法,在回归过程中使用人脸变换比例对特征点位置进行调整,用于解决小规模样本条件下不同尺度样本相互干扰的问题.在相关数据集上的实验结果表明,该算法配准精确度高,可以达到实时的速度,且适用于不同姿态下的人脸配准问题.(本文来源于《计算机辅助设计与图形学学报》期刊2015年07期）
邓健康[6]（2015）在《基于级联回归模型的人脸配准研究》一文中研究指出人脸配准是指在人脸检测的基础上准确定位面部关键点,是人脸图像分析的前提与关键。由于姿态、表情、遮挡、光照的影响,人脸配准仍然是一个挑战性的问题。基于级联回归的人脸配准模型近年来备受关注,主要因为它采用隐性的形状约束,受夸张表情,姿态变化等影响较小,在自然场景的数据库上取得比较好的定位精度。级联回归模型主要依赖两个方面：局部特征描述子能够很好的描述当前形状,和级联的弱回归器具有拟合复杂的非线性关系的能力。但是级联回归模型存在对初始化敏感、模型存储空间大、对遮挡不够鲁棒等问题。本文针对这些存在的问题,进行了较深入的研究,主要工作总结如下：提出了一种基于多姿态、多尺度、多部件的级联形状回归模型。首先,通过分姿态训练模型,降低每个子姿态数据集中姿态变化的方差,缩小初始形状与最终目标形状之间的距离,加速形状收敛的速度。其次,通过多尺度的迭代策略加快收敛速度,避免迭代过程中陷入局部极值。同时,采用多尺度的局部特征融入人脸的局部结构,使得特征的描述能力更强。最后,基于每个面部器官的形变情况进行多部件的细化回归进一步提高定位精度。该模型在300-W 2014人脸配准比赛中取得了较优异的成绩。提出了一种基于稀疏特征约束的级联形状回归模型。通过Lasso稀疏回归对特征进行选择,极大的压缩了模型的存储空间,使得级联形状回归模型更加适合在计算和存储性能有限的移动平台上运行。传统的Lasso问题的解法比较耗时,本文采用改进的ALM(Augmented Lagrange Multiplier)算法,加速了稀疏约束问题的求解。实验结果表明,该模型具有速度快、精度高、模型小等特点。提出了一种基于双稀疏约束的级联形状回归模型,除了进行稀疏特征表示之外,还引入了稀疏形状约束来增强模型的鲁棒性。包含两个迭代步骤：根据当前形状位置的稀疏特征进行形状更新；对更新的形状进行稀疏形状约束。稀疏特征选择能够增强局部特征的鲁棒性,稀疏形状约束可以有效的抑制形状更新过程中的噪声,加速形状收敛。其中稀疏约束问题的求解,均通过改进的ALM算法进行了加速。该模型在当前的自然场景数据库上均超越了当前主流的人脸配准方法,并显着改善了遮挡情况下人脸配准的性能。本文针对传统的级联回归模型对初始化敏感、模型存储空间大、对遮挡不够鲁棒等问题均提出了改进方法。大量实验结果表明,本文提出的模型在自然场景的人脸配准数据库上均取得了优越的性能,并超越了主流的人脸配准算法。(本文来源于《南京信息工程大学》期刊2015-05-01）
阮晓虎,李卫军,覃鸿,董肖莉,张丽萍[7]（2015）在《一种基于特征匹配的人脸配准判断方法》一文中研究指出现有的人脸识别应用系统大都忽略了人脸配准的检查,造成"误配准灾难",导致识别性能下降。因此,对规格化后的人脸图像进行判断筛选,以保证只有正确配准的人脸图像才能用于后续识别。选用一定数量正确配准的规格化人脸图像平均值作为标准人脸,用SIFT关键点定位方法得到标准人脸的多个关键点,采用分块的梯度方向直方图统计方法提取关键点的邻域图像特征;然后,将标准人脸的关键点位置作为待检测人脸的定位点,用同样的方法提取定位点的邻域图像特征;计算待检图像与标准人脸图像对应关键点的特征矢量相似度,设定合理阈值判断待检测图像是否配准。实验证明,该方法能有效去除误配准人脸图像,有利于提高人脸识别系统的可靠性。(本文来源于《智能系统学报》期刊2015年01期）
邓健康,王灿田,刘青山[8]（2014）在《基于层进模型的快速人脸配准方法及其在智能移动设备上的应用》一文中研究指出主要研究了移动智能手机上人脸关键点的快速定位问题。在活动形状模型的基础上,提出了一种基于层进模型的快速人脸配准方法:首先,在人脸检测的结果上,采用二值特征快速定位眼角、嘴角等关键点,并对其进行校验修正;然后,通过眼角和嘴角的关键点,并结合边缘约束,对眼睛、嘴巴和人脸外轮廓进行局部配准;最后,对整个人脸形状进行基于加权投影的形状配准。实验结果表明,提出的方法在8~10次迭代后即可收敛,在叁星I9300智能手机上,每幅人脸图像的配准时间在40ms以下,满足实时性要求。(本文来源于《计算机科学》期刊2014年12期）
翟倩茹[9]（2012）在《不同姿态人脸配准方法研究》一文中研究指出目前大部分人脸识别算法主要针对正面或准正面人脸图像,而对于非正面人脸图像,人脸识别算法的性能急剧下降。因此姿态问题成为人脸识别研究中亟待解决的技术难点。为了解决人脸识别算法中的姿态问题,本文构建了一种新的多层次人脸配准算法,结合改进的人脸特征点定位方法,分别进行基于先验知识的粗配准和基于降秩的精配准,将不同姿态的人脸图像进行姿态校正,合成信息量更加完整的正面人脸图像。本文的主要工作包括以下几个方面：1)构建了一种多层次人脸配准算法。该算法主要包括改进的基于局部约束模型的特征点定位算法,基于先验知识的人脸粗配准算法和基于降秩的人脸精配准算法。2)改进的基于人脸局部约束模型的特征点定位算法。通过对人脸模型的研究,选取将形状和局部纹理相结合的局部约束模型进行人脸模型的构建。人脸特征点的准确定位是影响人脸配准算法性能的重要因素,本文利用反向组合算法与人脸局部约束模型相结合的方法进行人脸特征点定位。实验结果表明改进的特征点定位方法更准确,效率也更高。3)人脸姿态估计和粗配准。待配准人脸图像序列姿态各不相同,首先利用定位得到的特征点进行人脸姿态估计,并选择出序列中最接近正面的图像作为粗配准的参考图像,然后利用多项式拟合的方法将图像序列校正到序列中参考图像姿态。实验结果表明利用本文粗配准算法矫正结果畸变较小。4)基于降秩的人脸精配准方法。经过粗配准后的图像序列,图像序列之间的相关性更强。本文利用降秩的方法得到图像的变换矩阵和稀疏误差,并通过变换矩阵将图像序列变换到正面姿态下。实验结果表明本文提出的算法能够将不同姿态的人脸图像进行配准校正,明显提高人脸识别算法的识别率。(本文来源于《大连海事大学》期刊2012-05-01）
苏延超,艾海舟,劳世竑[10]（2010）在《基于非线性Boosting回归的多视角人脸配准》一文中研究指出人脸配准可以作为表情分析、人脸识别等人脸相关研究的预处理步骤,是人脸相关的计算机视觉研究的关键问题.本文针对图像中水平视角在正负45o内的人脸配准问题,利用基于Haar特征的非线性Boosting回归算法,根据标定点邻域内的局部纹理预测标定点的位移,提出了一种新的基于经典活动形状模型(Activeshape model,ASM)的实时多视角人脸配准算法.在两个数据集合上的测试实验表明,该算法在速度、准确度和稳定性上都比经典的ASM算法有显着提高且优于近期的改进算法,具有明显的实用价值.(本文来源于《自动化学报》期刊2010年04期）
人脸配准论文开题报告
（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：
将人脸表情变化范围离散化表示为多状态部件模型,以便描述人脸非线性变化。引入多方向局部梯度信息,建立反投影概率图来改善原始灰度图像的外观模式表达,基于级联的卷积神经网络实现渐进分层的人脸配准。根据整脸和不同区域的图像实现人脸形状初始化,并判断当前部件状态。根据正确状态的人脸模型回归人脸形状参数,完成最终的精细配准。与其他几种常用算法在数据库上进行了定量比较,结果表明该算法改善了表情变化剧烈时人脸配准的效果,在计算量相当的情况下,正确率和处理速度等方面都达到很好的性能,具有明显的实用价值。
（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。
人脸配准论文参考文献
[1].柯于锭.局部人脸配准方法研究[D].沈阳工业大学.2019
[2].高宁,王兴元,王秀坤.基于多状态分层模型的有表情人脸配准[J].计算机工程与应用.2019
[3].伍凯.基于级联回归的人脸配准算法研究[D].上海交通大学.2017
[4].邓健康,杨静,孙玉宝,刘青山.基于稀疏级联回归的快速人脸配准方法及其在移动设备上的应用[J].计算机科学.2015
[5].杨律,丁守鸿,谢志峰,马利庄.Lasso整脸形状回归的人脸配准算法[J].计算机辅助设计与图形学学报.2015
[6].邓健康.基于级联回归模型的人脸配准研究[D].南京信息工程大学.2015
[7].阮晓虎,李卫军,覃鸿,董肖莉,张丽萍.一种基于特征匹配的人脸配准判断方法[J].智能系统学报.2015
[8].邓健康,王灿田,刘青山.基于层进模型的快速人脸配准方法及其在智能移动设备上的应用[J].计算机科学.2014
[9].翟倩茹.不同姿态人脸配准方法研究[D].大连海事大学.2012
[10].苏延超,艾海舟,劳世竑.基于非线性Boosting回归的多视角人脸配准[J].自动化学报.2010