导读:本文包含了特征点定位论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,卷积,神经网络,深度,级联,计量学,结构。
特征点定位论文文献综述
许爱东,黄文琦,明哲,陈伟亮,胡浩基[1]（2019）在《基于级联网络和残差特征的人脸特征点定位》一文中研究指出为进一步提高人脸特征点定位精度,探究当前广泛用于人脸关键点定位的全卷积神经网络(FCN)架构的原理和缺陷,讨论FCN核函数在特征点定位中引入的副作用,即训练和测试时评判准则不一致的问题.理论分析该问题存在的可能性和普遍性,设计实验验证在实际场景下此问题存在的广泛性.提出结合残差特征的沙漏网络结构并将其应用于人脸特征点检测;提出多级沙漏网络的级联结构,并将其与经典的栈式沙漏网络进行对比分析.实验结果表明:二级级联结构获得了与四级栈式结构相当的特征点定位精度,大幅降低了模型参数量和时间复杂度.所提方法在300-W数据库的困难子集上的平均归一化误差为6.84%,优于已有最好方法.(本文来源于《浙江大学学报(工学版)》期刊2019年12期）
魏超,江建文,陈宗海[2]（2019）在《面向车辆自主定位的激光雷达特征点选取方法性能分析》一文中研究指出车辆的自主定位是智能汽车不可或缺的功能,用于自主定位和姿态估计的激光SLAM算法有赖于良好的特征点提取算法和场景模型。本文主要介绍了现有两种点云定位和配准算法:Lidar Odometry and Mapping(Loam)算法和ImplicitMoving LeastSquares(IMLS)算法,并分析了两种算法的异同,以及拼接两种算法的可行性。然后文章根据分析结果提出了新方法——将IMLS算法中的特征点选取算法迁移至Loam框架中,并在KITTI的数据集上做验证。结果显示平均位姿估计误差为0.74%,证明了本文方法的有效性。(本文来源于《第二十届中国系统仿真技术及其应用学术年会论文集（20th CCSSTA 2019）》期刊2019-08-20）
秦臻,戴修斌,谢理哲[3]（2019）在《基于双层回归森林模型的头影测量图像结构特征点自动定位》一文中研究指出为了实现X射线头影测量图像中结构特征点的自动定位,提出一种基于双层回归森林模型的头影测量图像结构特征点自动定位方法.首先从图像中提取外观特征训练第1层回归森林模型,通过该模型生成针对当前特征点位置的偏移距离图;然后从偏移距离图中提取上下文特征,并结合外观特征训练第2层回归森林模型;接着将双层回归森林模型用于待检测的X射线头影测量图像,预测出图像中每个像素关于目标特征点的偏移距离;最后根据回归投票方法求得结构特征点位置.实验结果表明,基于双层回归森林模型的自动定位方法能较准确地获得头影测量图像中结构特征点的位置.(本文来源于《应用科学学报》期刊2019年04期）
卢焱鑫,马磊,孙永奎,苏斌[4]（2019）在《基于改进ORB特征点法的移动机器人定位算法研究》一文中研究指出针对移动机器人在未知环境下的定位问题,设计了一种基于改进的ORB特征点法的视觉里程计算法。利用RANSAC算法对暴力匹配的结果进行优化,并在位姿估计与优化环节采用一种新的EPnP和BA算法的组合形式提高位姿估计的精确度。实验中对基于ORB、SURF、SIFT叁种特征点的定位算法的时间复杂度和平均定位误差进行对比,基于ORB特征检测方法的时间复杂度最低且平均定位误差为3.91%,综合各方面因素考虑,该算法在具有最小时间复杂度的同时也保证了较高的定位精度,验证了基于该方法的定位算法的高效性和稳定性。(本文来源于《第叁十八届中国控制会议论文集（7）》期刊2019-07-27）
田卓,佘青山,甘海涛,孟明[5]（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）
桑高丽,王国滨,朱蓉,宋佳佳[6]（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）
杨帆,熊盛武,周俊伟,刘晓赟[7]（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）
黄仰光[8]（2019）在《基于深度学习的面部姿态估计与特征点定位的研究》一文中研究指出随着人工智能技术和计算机视觉领域的发展,智能的人机交互和精确的人脸识别具有越来越重要的学术价值以及广阔的市场前景。其中面部姿态估计是人机交互的重要组成,而面部特征点定位则是人脸识别的核心。面部姿态估计也叫头部姿态估计,是指根据面部图像定位出头部在空间叁个角度参数的过程,而面部特征点定位是根据人脸图像定位出若干个人为定义好的特征点的过程。在深度学习浪潮的推动下,这两个计算机视觉任务都取得了突破性的进展,然而在实际应用中,存在众多干扰因素的影响,导致算法的预测效果下降,因此设计有效的面部姿态估计与特征点定位的算法仍然具有重要的研究意义。本文围绕面部姿态估计与特征点定位这两个问题,通过研究已有方法存在的不足对已有算法提出改进方案,论文主要贡献如下:(1)分析了单模态算法的不足,设计了一种基于多模态的面部姿态估计算法。首先从模型的构建角度入手,在概率性框架下推导出混合模型的目标函数,并介绍了迭代交替的训练方式。在两组公开数据集上,设计了多组对比实验,跟目前经典的算法相比,本文提出的混合回归算法取得了更低的平均绝对误差。最后通过对图像样本增加不同强度的噪声或遮挡,生成了新的噪声数据集,实验结果验证了该混合回归模型对于噪声和遮挡均具有较好的鲁棒性。(2)提出了一种改进的深度特征点定位网络。在原网络的基础上,使用精心设计的多种尺寸的残差模块网络去改进原有的卷积神经网络,使网络具有更强的特征提取能力,改进后的模型在公开的数据集300W上取得了9.1%的提升。分析了改进前后网络的存储开销和运算瓶颈,使用了两种不同的轻量级网络模块在算法层面对模型进行压缩,并通过实验验证了模型压缩的有效性。(3)提出了一种基于半监督学习的面部特征点定位算法。在面部特征点模型的训练中,往往需要大量的标签样本,导致数据获取开销过大。针对这个问题,本文在深度对齐网络的基础上,引入了一种半监督的学习机制,利用大量的无标定的数据和有限的标签样本一起训练模型。该方法将监督学习和无监督学习统一,通过无监督学习来提高监督学习的效果。实验证明,引入的半监督模型学习机制,显着提升了原有模型的特征点定位的准确度。(本文来源于《电子科技大学》期刊2019-04-01）
成翔昊,达飞鹏,汪亮[9]（2019）在《基于融合约束局部模型的叁维人脸特征点定位》一文中研究指出提出基于特征融合约束局部模型的叁维人脸特征点定位算法.该算法对每个特征点分别使用叁维网格的深度信息和网格局部形状信息训练分类器,对分类器的响应进行融合.使用基于融合响应的正则化特征点均值漂移算法进行模型拟合,实现特征点定位.叁维人脸特征点定位经常需要对每个特征点的候选点集进行遍历产生候选点组合,该算法使用模型拟合代替穷举搜索,避免了嵌套循环带来的快速增长的时间开销.使用FRGC v2.0和Bosphorus数据库,对算法进行实验评估. FRGC v2.0库上的特征点平均误差为2.48～4.12 mm,总体检测成功率为97.3%,其中中性、温和及极端表情下的检测成功率分别为97.6%、97.4%和95.5%. Bosphorus库上3种姿态下的检测成功率分别是94%、95%和89%.实验结果表明,提出方法具有较好的效果,对表情和小幅度的姿态变化具有较好的鲁棒性.(本文来源于《浙江大学学报(工学版)》期刊2019年04期）
程盛阳,郭亚,夏倩[10]（2019）在《基于JavaScript的叶绿素荧光信号特征点自动定位软件设计》一文中研究指出几乎所有光合作用过程都可通过叶绿素荧光反映出来,叶绿素荧光动力学技术已经成为研究植物生理最广泛的技术之一,本软件分析叶绿素荧光参数,辅助研究光合作用过程中光系统II对光能的吸收、传递、耗散、分配等过程。程序从excel表中批量读取叶绿素荧光仪测量得到的数据,在网页中运用JavaScript语言编程,自动绘制OJIP曲线,以及相应的OJIP曲率曲线、一阶导数曲线、二阶导数曲线。用户能在交互式OJIP曲线上设定区间,根据设定算法,自动定位符合条件的I点与J点,手工调整与优化特征点位置,将定位的特征点结果作为文件导出并保存,使叶绿素荧光信号研究更加方便快捷。(本文来源于《软件工程》期刊2019年03期）
特征点定位论文开题报告
（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：
车辆的自主定位是智能汽车不可或缺的功能,用于自主定位和姿态估计的激光SLAM算法有赖于良好的特征点提取算法和场景模型。本文主要介绍了现有两种点云定位和配准算法:Lidar Odometry and Mapping(Loam)算法和ImplicitMoving LeastSquares(IMLS)算法,并分析了两种算法的异同,以及拼接两种算法的可行性。然后文章根据分析结果提出了新方法——将IMLS算法中的特征点选取算法迁移至Loam框架中,并在KITTI的数据集上做验证。结果显示平均位姿估计误差为0.74%,证明了本文方法的有效性。
（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。
特征点定位论文参考文献
[1].许爱东,黄文琦,明哲,陈伟亮,胡浩基.基于级联网络和残差特征的人脸特征点定位[J].浙江大学学报(工学版).2019
[2].魏超,江建文,陈宗海.面向车辆自主定位的激光雷达特征点选取方法性能分析[C].第二十届中国系统仿真技术及其应用学术年会论文集（20thCCSSTA2019）.2019
[3].秦臻,戴修斌,谢理哲.基于双层回归森林模型的头影测量图像结构特征点自动定位[J].应用科学学报.2019
[4].卢焱鑫,马磊,孙永奎,苏斌.基于改进ORB特征点法的移动机器人定位算法研究[C].第叁十八届中国控制会议论文集（7）.2019
[5].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
[6].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
[7].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
[8].黄仰光.基于深度学习的面部姿态估计与特征点定位的研究[D].电子科技大学.2019
[9].成翔昊,达飞鹏,汪亮.基于融合约束局部模型的叁维人脸特征点定位[J].浙江大学学报(工学版).2019
[10].程盛阳,郭亚,夏倩.基于JavaScript的叶绿素荧光信号特征点自动定位软件设计[J].软件工程.2019
论文知识图
![极值点检测[46]Fig5-4Extremepointde...](http://image.cnki.net/GetImage.ashx?id=1013151619.nh0054&suffix=.jpg)
