导读:本文包含了特定人脸论文开题报告文献综述及选题提纲参考文献，主要关键词:人脸修复,深度学习,生成式对抗网络,迁移学习
特定人脸论文文献综述
刘雨桐[1]（2019）在《基于深度学习的监控系统特定人脸模拟生成方法研究》一文中研究指出在机场、火车站、教室等公共监控系统应用环境下,采集到的人脸图像往往是在不受控条件下,具有多种变化。例如人脸姿态、光照、小部分遮挡等影响,造成的人脸图像信息缺失导致识别性能迅速下降。传统的一些机器学习方法使用的是浅层结构,这种神经网络无法探索到样本内部的复杂函数,例如BP神经网络和支持向量机等,并且极易受到例如光照、复杂背景等外界因素的影响,泛化能力均有明显不足。深度学习通过深层的神经网络结构学习并表征输入数据分布式表示,拟合复杂函数,体现了深度学习对输入数据深层特征的提取能力。因此本课题选用基于深度学习的生成模型方法克服不受控条件下人脸图像部分信息缺失的影响,对缺失数据进行预测补充。本课题主要对深度生成模型(如生成式对抗网络GANs等)的学习原理、训练参数以及人脸生成的效果进行应用研究。通过提取公共场合监控中的静态人脸图像,对截取的人脸图像归一化、打马赛克模拟遮挡情况等预处理,构建训练集。使用TensorFlow深度学习框架,将处理好的训练集分别输入深度卷积生成式对抗网络(DCGAN)、基于上下文编码器的生成式对抗网络和基于Pix2Pix方法的生成式对抗网络进行训练和调参等操作,并针对应用背景进行模型结构的加深优化,保存训练好的模型,将训练结果进行对比分析。在Keras深度学习框架下,通过迁移学习VGGNet对课堂监控下的学生面部表情进行特征提取并分类,通过人脸表情识别正确率的比较来评价实验系统中所使用的方法。实验测试系统使用PyQt进行研究开发,对输入的人脸图像被遮挡区域进行马赛克处理,通过模拟生成,输出完整的人脸图像,最后对修复后的人脸图像进行表情识别,实验结果证明了算法的有效性。(本文来源于《内蒙古工业大学》期刊2019-06-01）
叶枫,叶学义,罗宵晗,王鹏[2]（2019）在《类特定字典学习-局部核协同表示分类的人脸识别法》一文中研究指出针对人脸识别中的光照变化和遮挡等固有难题,提出一种核函数和分块相结合的人脸识别方法。对人脸图像分块,利用高斯核映射各子块到更高维空间;结合类特定字典学习得到各子块对应的局部核协同表示的每类重构误差;根据重构误差的倒数以投票完成从人脸局部到全局的识别。在Extend Yale B,AR,CMU PIE人脸库上的实验表明:提出的方法不仅具有较高的识别正确率,同时对光照变化以及遮挡的人脸图像具有较强的鲁棒性。(本文来源于《传感器与微系统》期刊2019年04期）
李晔[3]（2016）在《非特定条件下叁维人脸识别关键技术研究》一文中研究指出基于图像的二维人脸识别技术发展已较为成熟,部分研究成果在特定条件下的识别率甚至超越了人类视觉。但二维人脸图像在面临姿态、光照、表情变化以及面部化妆等方面所表现出的差异性给识别工作带来了困难,使其应用场合受到很大制约,已成为人脸识别研究领域中的瓶颈。与二维图像相比,叁维数据是物体在真实空间中的直接表示形式,叁维数据所表达的人脸几何形状及空间结构等信息更加完整和可靠,且不受化妆和光照的影响,可为人脸识别提供更为有效的数据支撑;加之叁维激光扫描技术的快速发展和普及,为叁维人脸数据的获取提供了有力的保障,基于叁维数据的人脸识别研究潜力巨大。然而,由于不同对象间人脸结构的相似性,姿态表情改变仍然会给叁维人脸识别结果带来较大影响。为了满足实际应用的需求,本文围绕非特定条件下姿态、表情变化叁维人脸识别中的关键问题展开深入研究,在人脸表征、基准点检测、姿态估计和识别方法四个方面取得了以下创新性成果:(1)将曲面高阶曲率特征应用于叁维人脸识别中,提出一种旋转不变的叁维人脸脊.谷模型表征方法。该方法通过分析人脸曲面高阶曲率信息提取局部范围内主曲率沿主方向变化最为剧烈的关键点来全面、准确地描述整个叁维人脸凸凹变化的主要特征。在不同姿态、表情叁维人脸测试集上的实验表明:基于脊谷特征的人脸表征模型具有较好的类间离散度及姿态、表情稳定性。(2)提出一种姿态无关的叁维人脸鼻尖点精确检测方法。该方法将人脸曲面高阶曲率特征与低阶曲率特征相结合,根据鼻子区域形状上的显着特点及鼻尖点邻域内高斯曲率的分布特点准确定位鼻尖点,检测过程无需训练或建立特定模型。对GavabDB数据库姿态叁维人脸测试集的实验表明:该方法对包括正侧面在内的不同姿态的叁维人脸均可获得正确的检测结果。(3)提出一种点线特征相结合的几何叁维人脸姿态估计方法。该方法基于旋转不变的鼻尖点与鼻梁线检测结果,将精确的点特征和稳定的线特征相结合,利用几何法仅根据具有良好可见性和弱表情的鼻子区域特征进行叁维人脸姿态估计。在人脸合成模型和真实人脸库上的实验表明:该方法可实现对非特定条件下叁维人脸姿态六个自由度的连续、准确估计,且适用于大旋转角度及自遮挡人脸,对表情人脸也具有较高的鲁棒性。(4)提出两种非特定条件下的叁维人脸识别方法。其中,基于脊谷空间分布和Hausdorff距离的叁维人脸识别方法在建立叁维人脸标准脊谷模型基础上,分别根据脊谷点空间分布密度直方图及点集间单向加权LTS-Hausdorff距离实现待识别人脸和库中人脸的粗匹配和细匹配。多曲线特征融合的叁维表情人脸识别算法通过选择人脸曲面凸区域上多类具有高表征性和表情稳定性的曲线进行特征级上的有效加权融合,兼顾了特异性、互补性、全面性和稳定性,可较准确地描述表情人脸曲面上的重要特征。在叁维人脸库上的实验证明了以上两种识别方法的有效性,尤其是使姿态和表情变化下的人脸识别率获得了较大幅度的提高。综上所述,本文对非特定条件下叁维人脸识别中四个方面的关键技术进行了研究,并提出了新的思路和方法。基于脊谷特征的叁维人脸表征方法为非特定条件下叁维人脸识别的特征提取提供了有效的手段;姿态无关的叁维人脸鼻尖点精确检测方法为非特定条件下叁维人脸模型基准点定位及曲面配准提供了所需的重要数据;点线特征相结合的几何叁维人脸姿态估计方法为非特定条件下叁维人脸模型的姿态归一化处理提供了技术上的支撑;两种新的叁维人脸识别算法的提出较大幅度地提高了非特定条件下对姿态、表情人脸的识别效果。(本文来源于《西安理工大学》期刊2016-06-30）
袁亮[4]（2012）在《基于SVM的特定人脸识别技术研究》一文中研究指出特定人脸识别技术是人脸识别的重要部分，其主要目的是判断人脸样本是否属于某个类别从算法的角度考虑，特定人脸识别技术对训练样本分布分类器阈值设定分类结果评价方法等方面有其独特的要求首先，特定人脸识别技术的训练样本属于小样本，其分类的阈值也需要针对不同类别的样本进行单独设置而其评价方法也无法简单的使用分类成功率来表示，而应该考察其正确接受率正确拒绝率错误接受率和错误拒绝率等多个指标文章首先采用了经典的人脸识别算法对特定人脸识别任务进行了实验，通过ROC曲线的表现，指出了原有算法的不足：除了算法本身的缺陷之外，无法针对分布范围很广的负样本进行有效描述也是这些算法在特定人脸识别任务中表现不佳的原因为了提高算法在特定人脸识别任务中的性能，文章使用了AdaBoost方法对SVM分类器进行了组合训练在训练过程中，可以通过权值定义来有针对性的挑选样本类别进行训练，从而提升算法对不同类别样本的分类能力另一方面，由于AdaBoost对弱分类器的分类精度和差异性有一定的要求，一个比较稳定的分类器在经过AdaBoost训练后，分类性能并不能获得实质上的提高，所以在选择弱分类器时，必须保证一定的差异性针对这种要求，文章采用基于径向基核函数的SVM分类器，并提出了在每轮训练中进行参数调整的AdaBoost-OPSVM方法和AdaBoost-CPSVM方法以保证训练的需要，并取得了较好的分类效果(本文来源于《重庆交通大学》期刊2012-04-01）
高敏[5]（2012）在《类特定HMM算法在人脸识别中的应用》一文中研究指出人脸识别是模式识别和机器视觉领域最富挑战性的研究课题之一，在人机交互，安全监视，身份认证等方面有着非常广阔的应用前景。基于隐马尔可夫模型的人脸识别本质上是利用统计方法为人脸图像建立一个最能表征该人脸的数学模型。类特定方法是近年来发展起来的一种降维分类方法。不同于其他降维方法，它是基于充足统计数据，并且在理论上无性能损失的。它为每个类分配了独立的特征系。当每个隐马尔可夫模型的状态有充分的统计信息时，可以将类特定的方法延伸到HMM建模问题中。针对HMM有效性过于依赖于采样窗口内所提取的图像特征的缺点，本文研究了基于类特定和HMM的人脸识别算法。引入了类特定的概念，类特定参数，探索了类特定HMM算法。在ORL人脸库，FERET人脸库，YALE人脸库，及CAS-PEAL-R1光照和表情人脸库上进行实验，将该算法在各人脸库上的效果进行比较和分析，对比结果说明了基于类特定HMM的人脸识别方法是可行的。(本文来源于《西安电子科技大学》期刊2012-03-01）
陈婷,阿里甫·库尔班[6]（2011）在《基于照片的特定叁维人脸建模方法》一文中研究指出个性化的人脸模型在游戏娱乐、电影制作、聋哑人辅助教学等领域发挥着重要的作用。因此特定人脸建模越来越受人们重视。特定人脸建模是指利用具体的人脸信息建立具有不同特征的人脸模型。利用人脸的正面和侧面照片,首先对通用人脸模型进行几何信息的修改,使通用人脸模型的几何形状与特定的人脸模型一致;然后参考MPEG-4中的人脸定义标准,标识出人脸正面照片以及侧面照片中的特征点,使用克里金函数插值方法,通过对通用人脸模型进行纹理图像的变形,从而建立特定人脸模型。实验结果表明,克里金插值方法是一种光滑的内插方法,在数据点多时,其内插的结果可信度较高。(本文来源于《计算机技术与发展》期刊2011年07期）
戴栋[7]（2009）在《基于ARM9的特定人脸识别系统》一文中研究指出人脸识别,特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别技术是模式识别与人工智能的研究热点之一。它是一个涉及到图像处理、模式识别、生理学和心理学等多个交叉学科的问题。它在访问控制、司法应用、电子商务和视频监控等领域都有广泛的应用。传统的高性能自动识别系统大多基于PC平台联机应用,在实际应用中却对自动识别系统要求有更高的便携性和易用性。本文对基于ARM9的特定人脸识别系统进行了研究与设计。论文在对人脸识别和嵌入式系统的国内外现状进行调研的基础上,首先对硬件系统进行了总体设计,并根据设计方案对处理器芯片、摄像机传感器和相关外围电路进行了选择分析,构建了一个以S3C2440为核心的嵌入式硬件平台。然后进行操作系统的移植,开发了基于该操作系统的USB、触摸屏、摄像机等硬件的驱动程序和应用程序,再以QT为开发工具,开发出用户界面。在人脸识别算法方面,提出了基于小波和肤色相结合的人脸识别算法,该算法在人脸区域检测和定位时采用肤色作为特征,并用小波对图像进行降维处理,最后用主成分分析(PCA)算法进行特征值提取,用最邻近距离分类器衡量特征匹配,并将该算法与其它算法进行了比较,检验了本算法的改进效果。本系统相对于传统的采用PC机进行人脸识别的系统更为精简,具有便携性和易用性的特点,系统中采用的基于小波和肤色相结合的人脸识别算法,在识别的精度和速度方面有一定的提高,本系统是人脸识别技术在嵌入式领域的新应用,充分发挥了嵌入式系统的优点。(本文来源于《中南大学》期刊2009-06-30）
赵晓刚,惠延波[8]（2009）在《特定叁维人脸建模方法综述》一文中研究指出介绍人脸建模的研究背景、研究内容以及研究热点,总结近期叁维人脸建模的常用方法及优缺点,展望今后人脸建模的研究方向。叁维建模是计算机视觉和计算机图形学领域中一个基本的问题,人脸因其普遍性和特殊性,成为众多研究人员的研究目标。(本文来源于《计算机与数字工程》期刊2009年05期）
詹永照,胡灵敏,沈荣荣[9]（2009）在《近似人脸全视角图生成及在特定人脸模型映射》一文中研究指出用二维人脸照片构造叁维特定人脸模型是叁维人脸建模研究的热点问题,其中叁维人脸纹理映射直接影响着生成叁维人脸的逼真度。采用基于人脸正侧面照片特征点的分层、分部位的径向基函数重构一般人脸模型,得到部位轮廓特征明显的叁维特定人脸模型,并提出了基于拉普拉斯金字塔分解的拼接图像交接处色彩融合算法,对人脸正侧面照片进行拼接融合,得到近似的人脸全视角纹理图。然后将近似人脸全视角纹理图映射到叁维特定人脸模型,从而得到叁维特定真实感人脸模型。实验结果表明该方法计算近似人脸全视角纹理图简单,生成特定人脸模型效果逼真,可应用于特定人脸动画制作的逼真人脸建模中。(本文来源于《系统仿真学报》期刊2009年03期）
华斌,于艳艳[10]（2009）在《叁维特定人脸生成的有效实现方法》一文中研究指出叁维个性化人脸建模一直是计算机图形领域最具挑战性的课题之一。如何快速、高效地还原具有真实感的叁维人脸,是其中的难点。提出了一种快速的叁维人脸建模方法,该方法将人脸模型划分成若干个运动相对独立的功能区,然后在各功能区内使用加权自由变形DFFD方法对一般人脸模型进行变形。由于功能区的引入,控制点的数量极大地减少,所以极大地降低了计算量,能很好地满足实时性且更具真实性。(本文来源于《计算机工程与应用》期刊2009年04期）
特定人脸论文开题报告
（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：
针对人脸识别中的光照变化和遮挡等固有难题,提出一种核函数和分块相结合的人脸识别方法。对人脸图像分块,利用高斯核映射各子块到更高维空间;结合类特定字典学习得到各子块对应的局部核协同表示的每类重构误差;根据重构误差的倒数以投票完成从人脸局部到全局的识别。在Extend Yale B,AR,CMU PIE人脸库上的实验表明:提出的方法不仅具有较高的识别正确率,同时对光照变化以及遮挡的人脸图像具有较强的鲁棒性。
（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。
特定人脸论文参考文献
[1].刘雨桐.基于深度学习的监控系统特定人脸模拟生成方法研究[D].内蒙古工业大学.2019
[2].叶枫,叶学义,罗宵晗,王鹏.类特定字典学习-局部核协同表示分类的人脸识别法[J].传感器与微系统.2019
[3].李晔.非特定条件下叁维人脸识别关键技术研究[D].西安理工大学.2016
[4].袁亮.基于SVM的特定人脸识别技术研究[D].重庆交通大学.2012
[5].高敏.类特定HMM算法在人脸识别中的应用[D].西安电子科技大学.2012
[6].陈婷,阿里甫·库尔班.基于照片的特定叁维人脸建模方法[J].计算机技术与发展.2011
[7].戴栋.基于ARM9的特定人脸识别系统[D].中南大学.2009
[8].赵晓刚,惠延波.特定叁维人脸建模方法综述[J].计算机与数字工程.2009
[9].詹永照,胡灵敏,沈荣荣.近似人脸全视角图生成及在特定人脸模型映射[J].系统仿真学报.2009
[10].华斌,于艳艳.叁维特定人脸生成的有效实现方法[J].计算机工程与应用.2009