导读:本文包含了面部分块论文开题报告文献综述及选题提纲参考文献，主要关键词:人脸检测,全局特征,局部特征,图像分块处理
面部分块论文文献综述
张锐[1]（2016）在《基于面部图像分块处理的表情识别算法研究》一文中研究指出在第叁次工业革命浪潮席卷全球的今天,随着时代信息化的推进,计算机视觉及其相关领域的研究受到了越来越多研究机构和学者的重视,在人机交互,行为预判定,视频监控等领域都有着广泛的应用。让计算机更能准确地判定人类的心理状态,从而提供更良好的服务,成为计算机领域未来的发展方向。本文从人脸表情识别系统的框架着手,对系统中关键部分存在的问题进行研究,主要工作内容如下:1.人脸检测方法研究。为了进一步提高现有人脸检测Adaboost算法检测速度和检测精度,本文研究了一种基于多通道特征,将软硬级联思想相结合用于分类器级联的人脸检测方法。该方法利用软硬结合的级联分类器的方法,提高了人脸检测的精度,利用多通道特征的信息,提高了检测速度,利用二次像素复检的方法,降低了误检率。2.人脸表情全局特征提取与识别方法研究。针对部分表情彼此差异大的特点,该方法提取表情的全局特征,采用改进的弹性图匹配方法,减少特征点的数量,去掉对识别作用小的特征点,采用图像分块处理,快速进行特征点的标记;引入区域权重的概念,增大对识别作用大的图像分块的特征矢量的权重;采用严格匹配重点区域和引进欧氏距离度量的方法,快速区别彼此相差较大的表情种类。3.人脸表情局部特征提取与识别方法研究。针对部分表情彼此高度相似,但局部细节不同的特点,该方法提取表情的局部特征,改进现有LDP算法,采用图像分块处理,突出特征区域特点;突出像素相关性和邻域内明暗信息在纹理信息中的地位,分别针对这两个方面分别进行研究改进,借以强化像素点的特点及区分度,以利于识别。(本文来源于《电子科技大学》期刊2016-03-01）
张晓伟[2]（2014）在《基于动态时间规整的局部分块匹配在面部遮挡人脸识别中的应用》一文中研究指出针对面部遮挡人脸识别问题中遮挡源变幻莫测、遮挡位置、大小及形状未知而导致从人脸图像中分割遮挡区域困难的问题,提出了基于动态时间规整(DTW)的局部分块匹配(LPM)算法。首先,将人脸图像划分成若干大小相等且互不重迭的局部小块;然后,借助于光栅扫描顺序将各个小块按照前额、眼睛、鼻子、嘴巴和下巴的顺序连接成一个单一序列;最后,计算查询人脸与注册人之间图像到类的距离;并利用动态时间规整的设计思想寻找查询序列与所有注册序列之间的最佳对齐方式。在两个公开人脸数据库FRGC2.0、AR及一个户外人脸数据库上的实验验证了所提算法的有效性及可靠性。实验结果表明,相比其它几种较为先进的人脸识别算法,所提算法取得了更高的识别率;此外,所提算法无需任何训练过程,计算成本低,更适合应用于现实面部遮挡人脸识别中。(本文来源于《科学技术与工程》期刊2014年05期）
王白石,王振龙,鹿鹤,李利,路纪琪[3]（2013）在《基于分块主成分分析的太行山猕猴面部相似性》一文中研究指出2012年4～8月,在太行山猕猴国家级自然保护区济源管理局天坛山管护区(北纬35°05'～35°15',东经112°12'～112°22'),对太行山猕猴王屋1群(WW-1)内的3个母系单元(matrilineal unit)中大于(等于)3岁龄的26只个体进行面部拍照,获取其面部特写照片,进而利用分块主成分分析(modular principal component analysis,MPCA)法,对个体进行面部识别分析,旨在探讨个体间面部相似度与亲缘关系的相关性。结果表明:(1)太行山猕猴个体间的面部相似度与亲缘类型有关,母亲与大于3岁龄子代间的面部相似度为0.93±0.00,显着高于单元内(0.89±0.00)和单元间(0.84±0.01)的面部相似度;(2)太行山猕猴个体的面部特征随年龄增长而变化,4岁(含4岁)龄以上个体与母亲间的面部相似度较高(0.88～0.95),依此值可准确地识别母子关系。本研究采用量化方法对非人灵长类个体间面部相似度进行分析,发现太行山猕猴个体间的面部相似度与亲缘关系密切相关;研究结果可为非人灵长类的个体识别提供较为客观的手段和方法。(本文来源于《兽类学报》期刊2013年03期）
张静[4]（2013）在《基于面部图像分块处理和PCA算法的表情识别研究》一文中研究指出表情传递着一个人的情感信息，人们可以通过表情来表达自己的内心世界，也可以通过表情来识别和理解对方的心理情感状态，并做出相应的回应。随着计算机技术、人工智能技术和自动识别技术的快速发展，表情识别已成为人工智能研究领域的热点课题之一，它涉及计算机视觉、情感计算等多门学科，主要应用于人机交互、机器人制造、国家安全、海关、出入境、医疗、远程教育和汽车等领域。现有的表情识别研究表明，生气、厌恶、恐惧、高兴、惊奇、悲伤和中性这七种基本情感与种族和文化相独立，而且具有全人类性，在此基础上提出了很多不同的识别方法，但是总体而言表情识别的准确率不高，现有算法推广性较差。针对这些问题，本文提出了一种基于面部图像分块处理和PCA算法的表情自动识别方法，该方法适用于静态图像，包括叁个步骤：首先通过图像预处理，将人脸图像分成眼睛眉毛区域、鼻子区域和嘴巴区域；然后分别对每块区域采用PCA算法进行降维及特征提取，得到图像的“特征空间”；最后根据眼睛眉毛、鼻子和嘴巴各部位的变化对表情的影响不同，设置不同的影响因子，分别计算出各个部位的测试区域“特征空间”与训练区域“特征空间”的欧几里德距离，每个部位的欧几里德距离乘以对应的影响因子，得到最后的距离长度，根据最小距离原则，将表情分类。论文使用JAFFE表情库和CMU表情库中的部分图像、网上随机下载图像和志愿者实际图像进行测试，将所提方法与现有主流方法进行比较，通过分析测试结果，表明该方法提高了表情的识别率，而且具有较好的推广性。(本文来源于《西安电子科技大学》期刊2013-03-01）
面部分块论文开题报告
（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：
针对面部遮挡人脸识别问题中遮挡源变幻莫测、遮挡位置、大小及形状未知而导致从人脸图像中分割遮挡区域困难的问题,提出了基于动态时间规整(DTW)的局部分块匹配(LPM)算法。首先,将人脸图像划分成若干大小相等且互不重迭的局部小块;然后,借助于光栅扫描顺序将各个小块按照前额、眼睛、鼻子、嘴巴和下巴的顺序连接成一个单一序列;最后,计算查询人脸与注册人之间图像到类的距离;并利用动态时间规整的设计思想寻找查询序列与所有注册序列之间的最佳对齐方式。在两个公开人脸数据库FRGC2.0、AR及一个户外人脸数据库上的实验验证了所提算法的有效性及可靠性。实验结果表明,相比其它几种较为先进的人脸识别算法,所提算法取得了更高的识别率;此外,所提算法无需任何训练过程,计算成本低,更适合应用于现实面部遮挡人脸识别中。
（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。
面部分块论文参考文献
[1].张锐.基于面部图像分块处理的表情识别算法研究[D].电子科技大学.2016
[2].张晓伟.基于动态时间规整的局部分块匹配在面部遮挡人脸识别中的应用[J].科学技术与工程.2014
[3].王白石,王振龙,鹿鹤,李利,路纪琪.基于分块主成分分析的太行山猕猴面部相似性[J].兽类学报.2013
[4].张静.基于面部图像分块处理和PCA算法的表情识别研究[D].西安电子科技大学.2013