导读:本文包含了人脸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:机器视觉,人脸特征点,堆迭沙漏网络,特征线条化
人脸特征点论文文献综述
赵威驰,赵其杰,江俊晔,卢建霞[1]（2019）在《基于沙漏网络的人脸面部特征点检测》一文中研究指出针对头部姿态变化较大、脸部遮挡等情况下,由面部特征类型多样和尺度不同造成的面部特征点检测准确度较低的问题,提出了一种面部分组特征线条化和点热图回归相结合的人脸特征点检测方法,并设计了两段式堆迭沙漏网络深度学习模型来实现图像特征分析与特征点定位。利用提出的方法开发了检测算法,并利用该领域几个典型的公共图像数据集,将所提方法与其他方法进行实验对比。结果表明,提出的方法可以适应姿态变化和脸部部分遮挡的应用,相比其他方法,具有检测误差较小、人脸面部特征点检测准确度较高的优势。(本文来源于《光学学报》期刊2019年11期）
田卓,佘青山,甘海涛,孟明[2]（2019）在《面向人脸特征点定位和姿态估计任务协同的DCNN方法》一文中研究指出为了提高复杂背景下面部信息的识别性能,提出了一种面向人脸特征点定位和姿态估计任务协同的深度卷积神经网络(DCNN)方法。首先从视频图像中检测出人脸信息;其次设计一个深度卷积网络模型,将人脸特征点定位和姿态估计两个任务协同优化,同时回归得到人脸特征点坐标和姿态角度值,然后融合生成相应的人机交互信息;最后采用公开数据集和实际场景数据进行测试,并与其他现有方法进行比对分析。实验结果表明:该方法在人脸特征点定位和姿态估计上表现出较好的性能,在光照变化、表情变化、部分遮挡等复杂条件下人机交互应用也取得了良好的准确性和鲁棒性,平均处理速度约16帧/s,具备一定的实用性。(本文来源于《计量学报》期刊2019年04期）
张衡,马明栋,王得玉[3]（2019）在《基于级联卷积网络的人脸特征点检测》一文中研究指出人脸特征点检测是人脸识别和分析领域的关键步骤,同时也是人脸表情识别、头部姿态估计、人脸身份鉴定等相关技术的基础。由于脸部姿势和表情的不断变化以及遮挡问题的存在,人脸特征点检测依旧是一个具有挑战性的难题。文中提出用由粗到精的多任务级联神经网络模型来提升人脸检测和特征点定位的精度,使模型具有更好的鲁棒性。整个网络框架采用叁阶段级联网络,由粗到精的检测人脸和定位特征点位置。首先采用脸部校正方法预处理人脸图片,主要是校正人脸偏转角度;然后使用两个小型网络来预测人脸框及定位人脸特征点;最后根据网络预测的特征点位置,对局部区域进行裁剪,然后再对局部区域预测单个特征点,使得特征点的定位更加准确。为了更好地评估文中提出的方法,在AFW、 AFLW等数据集上做了对照实验,相比较TCNN网络模型,文中方法在AFW中错误率降低了1.19%,在AFLW中错误率降低了0.8%。(本文来源于《南京邮电大学学报(自然科学版)》期刊2019年03期）
王蕾先[4]（2019）在《基于视频的实时人脸特征点检测及跟踪技术研究》一文中研究指出人脸识别技术是一种通过提取人的脸部表观信息去进行识别身份的生物识别技术,是在计算机领域被广泛研究着的热点问题,并在社会和大众生活中得到广泛地应用。人脸的特征点定位在人脸的分析和识别技术中占有举足轻重的地位,同时也是人脸表情识别、人脸建模检索、人脸核身等其他一些人脸相关领域的基础和前提。人脸特征点定位过程较为复杂,特别是在外界环境不确定下的影响,例如肤色明暗、姿态变化、光照强弱以及遮挡等,传统的人脸特征点检测算法精度会发生下降。同时,相对于静态的人脸特征点检测问题,在视频环境下的人脸特征点检测与跟踪更加具有挑战性。所以,在动态环境下,对人脸特征点通过检测或跟踪技术进行精准定位非常值得深入研究。因此,本文的研究工作有如下几方面:1.深入学习了基于级联形状回归的人脸关键点检测算法,在此基础上设计双层级联回归结构,增加回归算法的稳定性。引入梯度提升回归树算法,用结构简单的决策树构成弱回归器,将真实值和预测值的残差作为迭代的拟合,加快了迭代速度,有效地提高了算法的精度。2.针对基于梯度提升树算法重点关注数据的快速拟合,可能会导致预测过拟合,采用高斯过程回归算法代替梯度提升树算法。由于在高斯过程与决策树算法结合中,常见的核函数与之并不匹配,自行设计特殊的核函数,将输入间的距离抽象为是否落入同一决策树叶节点,降低训练和预测的复杂度。根据核函数的特殊性,设计叁层级联回归结构的算法,用多棵决策树结合核函数对形状回归,高效地提高了定位精度。3.针对在视频中的动态环境下对人脸特征点进行定位,采用检测-跟踪的方法,利用基于核相关滤波的算法对人脸进行跟踪,加入多尺度检测解决跟踪算法固定模板的问题。对于长期跟踪会出现的跟踪漂移问题,设计跟踪校验系统,并利用局部检测代替全局检测,减小系统开支,使得人脸特征点跟踪系统可以实现实时且精准的定位。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
卢宗杰[5]（2019）在《基于人脸特征点的头部位姿检测及运动跟踪控制研究》一文中研究指出经颅磁刺激(Transcranial Magnetic Stimulation,TMS)治疗是一种针对脑疾病的非侵入式治疗技术。该技术由于具有无痛、无创、治疗效果好等优点,近年来在许多国家地区的临床治疗中得到了广泛的使用。但在实际TMS治疗中,医生很难确定病灶点的位置,并且出现病人头部离开治疗线圈刺激区域的情况,导致治疗效果大大降低。因此,本文设计了TMS治疗机器人系统,研究了头部位姿检测算法及头部运动跟踪算法。本文对TMS治疗进行了需求分析,确定了TMS治疗机器人系统的性能指标以及整体设计方案。首先通过立体定向技术获得大脑病灶点的位置,利用视觉传感器和力传感器分别检测获取病人头部位姿和头部与治疗线圈之间的接触力,最终控制机械臂夹持着治疗线圈对病灶点进行跟踪治疗。本文设计了基于人脸特征点的头部定位算法,结合深度相机分别对头部位置和姿态进行检测。本文基于Harr-like特征构建级联强分类器从视频流中检测出人脸区域,并使用局部约束模型在人脸区域中进行特征点检测。针对深度图像出现的深度值缺失问题,采用联合双边滤波进行深度图像修复,然后利用对齐之后的深度图像和彩色图像分别获取头部位置和姿态,最终求解病灶点的叁维空间位置。此外,本文设计了满足实时性和安全性的头部运动跟踪算法。针对力传感器检测获得的信息,首先对机械臂末端工具进行了重力补偿,并设计了机械臂末端位置控制器,根据头部接触力调整机械臂末端位姿,保证人机之间接触力在一定范围之内并使末端能够顺从头部的运动方向。同时根据头部位姿检测结果设计了跟踪控制器,该控制器采用了自适应参数对机械臂末端速度进行决策,使系统能够根据头部运动的实际情况对跟踪进行调整。最后,本文设计并搭建了TMS治疗机器人系统的硬件平台和算法平台,引入了电磁定位系统,通过实验分别验证了头部位姿检测的精度以及运动跟踪控制的实时性和安全性。此外,本文设计了上位机软件,实现了病灶点定位以及跟踪治疗过程的可视化。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
张芷瑜[6]（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）
桑高丽,王国滨,朱蓉,宋佳佳[7]（2019）在《基于级联形状回归的多视角人脸特征点定位》一文中研究指出针对当前人脸特征点定位精度低、且当人脸图像存在较大姿态变化时不能在同一模型框架下实现任意姿态人脸图像的面部特征点精确定位问题,提出基于级联形状回归的对姿态、遮挡都鲁棒的人脸特征点定位方法.为了提高定位的准确度,提出按姿态偏转造成的遮挡程度对人脸区域进行分块,针对每一块分别训练形状估计回归器;为了能够在同一框架下实现任意姿态人脸的特征点定位,在特征点形状定义中引入特征点的可见/不可见属性;为了提高该算法的性能,在特征的计算方法和计算策略上分别进行改进.在Multi-PIE、AFLW、COFW和300-W数据库上的实验结果表明,提出算法不但对姿态、遮挡具有很强的鲁棒性,而且在其他不可控因素影响下取得很好的效果.(本文来源于《浙江大学学报(工学版)》期刊2019年07期）
郭星妍[8]（2019）在《基于多级平滑滤波器的人脸特征点跟踪稳定化方法》一文中研究指出随着人们对娱乐和安全等需求的不断升级,视频中3D人脸实时重建的应用场景变得越来越多。这时3D人脸重建结果的稳定性就十万的重要,因为它会直接影响人的视觉观感。而特征点跟踪轨迹的稳定性是影响3D人脸重建稳定性的主要因素,人脸特征点的大幅度“漂移”和局部抖动都使得人脸重建的结果大打折扣。但是,目前的特征点跟踪方法大多针对特征点的全局稳定,只能解决人脸“漂移”的问题,并不能够解决局部特征点抖动的问题,所以人脸特征点轨迹的稳定化是一个有趣且具有实际应用前景的研究方向。除了特征点的轨迹,3D人脸重建的方法是重建结果稳定性的直接影响因素。为了使3D人脸重建的结果更加稳定和平滑,本文分别通过对人脸特征点跟踪过程的稳定化和3D人脸重建过程进行了改进。主要创新点如下:(1)本论文提出了基于多级平滑滤波器的人脸特征点跟踪稳定化方法,用来解决视频中人脸特征点跟踪轨迹不稳定的问题,包括人脸“漂移”和局部抖动的问题。多级平滑滤波器由全局平滑滤波器和局部平滑滤波器构成,这个新的工作流程是第一次在全局和局部的维度上对特征点的防抖动进行了研究。在全局滤波阶段创新地引入了 3D人脸模型,在局部滤波阶段提出了局部特征点抖动质量评估模型以对特征点的平滑融合进行指导。实验结果表明:该稳定性方法能够有效提升特征点轨迹的稳定性以及头部的3D姿态变化轨迹的稳定性。并且,本文提出的多级平滑滤波方法易于实现,可搭配不同特征点检测方法,具有较强的应用价值。(2)本论文提出了针对3D重建过程的3D人脸实时重建稳定化方法。该方法包含了一系列从形状初始化、模型拟合过程到最后的纹理贴合部分的改进。大量的重建结果表明,我们的工作不仅可以有效提高3D人脸模型的稳定度,还对3D模型缺失的纹理部分进行了填充,使得重建后的观感更流畅。(本文来源于《北京交通大学》期刊2019-05-12）
杨帆,熊盛武,周俊伟,刘晓赟[9]（2019）在《基于自适应特征的遮挡人脸特征点定位算法》一文中研究指出为了使人脸特征点定位算法在人脸被物体遮挡的情况下仍能快速、准确地检测特征点的位置,提出了一种基于自适应特征的遮挡人脸特征点定位算法。该方法首先检测每个特征点的遮挡状态,即先训练一个逻辑回归模型,通过所有特征点周围的纹理特征快速地估计出每个特征点被遮挡的概率值;然后根据每一个特征点被遮挡的概率自适应地调整该特征点纹理特征的权重,使得被遮挡概率较大的特征点获得较小的权重值,减小人脸遮挡对特征的影响,提高特征点定位的准确度。实验结果表明,本文算法的特征点定位的平均误差达到5. 94%,遮挡检测准确率/召回率达到80%/72. 84%。(本文来源于《武汉大学学报(理学版)》期刊2019年03期）
王硕[10]（2019）在《AR应用场景下的人脸特征点检测》一文中研究指出人脸信息作为一种重要的生物识别特征,在学术界和工业界一直都被广泛关注和使用。近年来,计算机视觉领域在较高理论水平的基础上,硬件水平也得到迅猛发展,使得人脸检测以及更精细化的人脸特征点检测的速度和准确率也迅速提升。基于面部的增强现实应用以注册的面部信息为基础,在真实场景下的面部信息上利用相关技术迭加虚拟效果,其中人脸特征点检测是拟合过程中重要的研究基础,这一领域在现有应用中也有人脸化妆等诸多场景。当前,人脸特征点检测算法的定位精度、效率以及拟合实现效果等仍需提升,无论是电商销售平台的试戴效果还是美颜相机中的化妆效果,都需要逐步实现从约束条件到无约束条件的过渡。因此本文针对具有头部姿态、人脸表情变化较大和背景复杂等特性的面部增强现实应用场景进行分析和研究,完成具体到“影视剧替身”这一场景的实现效果。在详细分析这一场景特性的基础上,本文的主要工作有以下两方面:1.提出了一种基于级联回归框架改进的方法——CPR-LADF算法,解决人脸特征点检测算法输出结果受头部姿态变化和复杂背景的影响较大的问题,提升了算法的鲁棒性并在一定程度上提高了算法速度。在提取特征的过程中,本文采用了一种像素差特征的变体特征,该特征相对于像素差特征更加稳定,在头部姿态和人脸表情变化较大时,相对比于其他基于级联回归框架的FPS3000等算法有更好的输出结果;在训练随机森林模型的过程中,本文以3-6个特征点为顶点组成局域,在局域内随机选择参考点求其均值,再将均值做差作为分裂特征,对每个特征点建立随机森林,通过多次迭代输出每一阶段的人脸形变量,逐步优化随机森林模型,然后利用全局线性回归和多模型融合获取输出结果,最终准确定位人脸特征点。2.实现了“影视剧替身”应用场景的AR效果通过上述算法的改进增强了无约束条件下的人脸特征点的检测效果,在具有复杂背景等特性的“影视剧替身”场景下实验了AR换脸效果,该研究成果能够较好的实现虚实融合的效果,这在一定程度上开拓了影视剧行业现存问题的解决思路,例如明星出场费过高、制作成本分配不合理等等。同时也可以带给用户更佳的观影体验,有较大的深入研究和应用价值。最后本文给出了实验方案并进行分析,本文改进的人脸特征点检测算法在算法鲁棒性和检测速度上都有一定程度的提升,同时对于无约束的基于面部信息的增强现实应用来说也有一定的促进作用。(本文来源于《吉林大学》期刊2019-05-01）
人脸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：
为了提高复杂背景下面部信息的识别性能,提出了一种面向人脸特征点定位和姿态估计任务协同的深度卷积神经网络(DCNN)方法。首先从视频图像中检测出人脸信息;其次设计一个深度卷积网络模型,将人脸特征点定位和姿态估计两个任务协同优化,同时回归得到人脸特征点坐标和姿态角度值,然后融合生成相应的人机交互信息;最后采用公开数据集和实际场景数据进行测试,并与其他现有方法进行比对分析。实验结果表明:该方法在人脸特征点定位和姿态估计上表现出较好的性能,在光照变化、表情变化、部分遮挡等复杂条件下人机交互应用也取得了良好的准确性和鲁棒性,平均处理速度约16帧/s,具备一定的实用性。
（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。
人脸特征点论文参考文献
[1].赵威驰,赵其杰,江俊晔,卢建霞.基于沙漏网络的人脸面部特征点检测[J].光学学报.2019
[2].田卓,佘青山,甘海涛,孟明.面向人脸特征点定位和姿态估计任务协同的DCNN方法[J].计量学报.2019
[3].张衡,马明栋,王得玉.基于级联卷积网络的人脸特征点检测[J].南京邮电大学学报(自然科学版).2019
[4].王蕾先.基于视频的实时人脸特征点检测及跟踪技术研究[D].哈尔滨工业大学.2019
[5].卢宗杰.基于人脸特征点的头部位姿检测及运动跟踪控制研究[D].哈尔滨工业大学.2019
[6].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
[7].桑高丽,王国滨,朱蓉,宋佳佳.基于级联形状回归的多视角人脸特征点定位[J].浙江大学学报(工学版).2019
[8].郭星妍.基于多级平滑滤波器的人脸特征点跟踪稳定化方法[D].北京交通大学.2019
[9].杨帆,熊盛武,周俊伟,刘晓赟.基于自适应特征的遮挡人脸特征点定位算法[J].武汉大学学报(理学版).2019
[10].王硕.AR应用场景下的人脸特征点检测[D].吉林大学.2019