导读:本文包含了人脸特征提取论文开题报告文献综述及选题提纲参考文献，主要关键词:面部表情特征提取,DLBP-TE算法,计算机视觉,极限学习机
人脸特征提取论文文献综述
王思明,梁运华[1]（2019）在《基于改进LBP的人脸面部表情特征提取方法（英文）》一文中研究指出面部表情识别中,局部二值模式(Local binary pattern, LBP)是一种重要的纹理特征提取方法,但其在特征提取时维度较高、提取速度慢、不能得到有效的局部或者全局特征,因而提出了一种基于改进LBP的人脸面部表情特征提取方法。该将LBP转化为双局部二值模式(Double local binary pattern, DLBP),融合泰勒展开式(Taylor expansiion, TE),生成DLBP-TE算法,此算法结合极限学习机(Extreme learning machine, ELM)分类算法应用于七种表情分类中,在日本成年女性面部表情(JAFFE)数据库中进行实验。结果表明,此方法能显着提高面部表情识别率。(本文来源于《Journal of Measurement Science and Instrumentation》期刊2019年04期）
林显宁,罗家林[2]（2019）在《基于肤色与脸部特征提取的人脸检测》一文中研究指出人脸检测与识别技术属于生物特征验证手段的一种,可应用于视觉监测、安全访问控制与智能用户接口等多个领域。而人脸检测在人脸识别中占据重要地位。在肤色模型和小波变换有效结合的基础上,即可对人脸进行确定,特别是眼睛位置。经过小波变换处理,结合几何位置展开检测,并使用Fisher分类器即可对嘴巴的位置进行检测。在全新的技术支持下,可以在短时间内准确检测人脸,精准度较高。基于此,文章将肤色和脸部特征提取作为重要基础,重点阐述人脸检测的实现路径,希望对人脸检测与识别技术的发展有所帮助。(本文来源于《现代信息科技》期刊2019年17期）
倪永婧,孙袆,岳莹,郭志萍,高丽慧[3]（2019）在《基于二维Gabor小波与AR-LGC的人脸特征提取算法研究》一文中研究指出针对Gabor小波提取的特征信息不够全面以及维数灾难问题,提出了一种基于二维Gabor小波与AR-LGC人脸特征提取的改进算法。首先利用二维Gabor小波提取归一化人脸图像的特征信息,使用AR-LGC算子对提取的Gabor特征进行编码;然后对编码后的Gabor特征图谱进行划分,对每个子块进行直方图统计,将其串联形成人脸表情特征向量并利用PCA进行数据压缩,最后利用C-SVM进行分类识别。实验结果表明,平均识别率为93.33%的比AR-LGC+SVM,Gabor+PCA+SVM提取特征算法的平均识别率分别高6.19%,3.33%。因此所提出的算法在人脸图像的特征信息提取方面有一定的参考价值。(本文来源于《河北工业科技》期刊2019年04期）
沈涛[4]（2019）在《多角度迹线抽样特征提取算法及其在人脸识别中的应用研究》一文中研究指出人脸识别技术是计算机视觉等领域内的研究热点之一,其分类识别的主要依据是提取出能准确反映人脸信息的特征。目前在理想环境下,人脸识别技术已经很成熟了,但是在现实情况下,人脸识别效果还有较大的提升空间,其主要影响因素是光照、表情、遮挡以及多尺度等问题,尤其是对于实际应用场合中距离远、运动等客观因素造成的模糊人脸的识别,其效果更不理想。特征提取是人脸识别过程中最关键的环节,一个好的特征提取方法在很大程度上决定了人脸识别的准确率。本文针对非理想环境下人脸识别存在的问题以及模糊人脸识别率较低的情况,深入分析了现有的人脸特征提取方法,在Trace变换的基础上提出了多角度迹线融合特征提取方法。本文的主要贡献如下:1.提出了一种多角度迹线局部梯度模式特征提取方法,该方法利用局部梯度代替像素的方式对图像进行特征提取,不仅改变了局部梯度模式的特征提取方式,使其在图像的迹线上从头到尾“有序”的选取采样点,并进行8位二进制编码,同时还引入图像旋转思想,图像每旋转一个角度,提取一组特征信息,最终提取到“有序”排列的“全局结构性”特征,增强了对图像特征空间结构性的表达能力以及旋转不变性。2.针对梯度局部二值模式仅限于图像局部纹理特征提取的情况,提出了一种多角度迹线梯度局部二值模式特征提取方法,使其能够提取到具有全局结构性的人脸图像特征。该方法不仅改进了梯度局部二值模式特征的提取方式,同时还引入Trace变换中图像旋转的思想,图像每旋转一个角度,提取一组特征信息。3.提出了一种多角度迹线HOG特征提取方法,该方法改变了原始HOG特征的特征提取方式,使其在每条迹线上进行HOG特征编码,提取出每条迹线上的纹理信息,同样也结合Trace变换中图像旋转的思想,提取出具有全局结构性的人脸特征信息。综上所述,本文提出的多角度迹线融合特征提取方法具有很强的泛化能力,它可以适用于多种特征。同时在标准人脸数据库中的实验表明,本文方法相对于Trace变换方法、LBP方法和HOG方法来说取得了更高的识别率,在模糊人脸数据库中更是比传统卷积神经网络方法要好。并且从实验结果可以看出,本文提出的多角度迹线融合特征提取方法在人脸识别领域内具有较强的实际应用前景。(本文来源于《东华理工大学》期刊2019-06-14）
翟蒙锁[5]（2019）在《人脸表情特征提取与识别算法研究》一文中研究指出随着人工智能和计算机处理技术的不断完善,作为人脸识别的一个分支,人脸表情识别技术逐渐兴起。研究人员尝试使计算机能够理解人类的情感,让计算机读懂人脸表情成为研究的热点。传统人脸表情识别方法是基于研究人员手工设计的特征,对计算机性能要求不高,但识别率有限。神经网络算法是依靠自身的分布式特征表示,在训练足够的人脸表情图像后,识别精度明显高于其他传统方法,但需要更高的计算能力。本文对目前人脸表情特征提取和识别算法进行研究,主要工作包括以下几点:1.介绍人脸表情识别的主要组成结构,对现有的特征提取和识别算法做了进行叙述和总结,分析对比了各种特征提取和识别算法的优劣势,介绍了人脸表情识别常用的数据集,并对图像预处理过程进行阐述,包括人脸区域检测和归一化等。2.研究了RILPQ(旋转不变相位量化)和CSLBP(改进的局部二值模式)特征提取算法,并结合CSLBP和RILPQ的优点,提出一种融合特征提取的表情识别。采用一种CSLBP描述图像的纹理特征,采用RILPQ描述不同区域变化特征,然后将两组特征分别编码生成特征图,再进行分块和统计直方图得到表情的特征向量,利用直方图结合的方式,使用SVM分类器进行人脸的表情识别分类,对比单一特征提取的表情识别,提高了识别准确率。3.研究了基于CNN(卷积神经网络)的表情识别,通过设计合理的神经网络模型,在输入层增加非线性表示,和调整最优网络参数训练网络模型,通过实验确定数据集划分比例,实现了人脸表情识别。在JAFFE数据集下的实验结果表明,该算法可以比传统算法获得更高的识别率。最后,开发了基于CNN模型的人脸表情识别系统,通过Pycharm和Tkinter设计了人脸表情识别GUI界面,系统界面实时显示表情识别结果,并对表情识别系统有效性进行验证,能满足多种表情实时识别,验证了表情识别系统的泛化能力。(本文来源于《安徽工程大学》期刊2019-06-10）
刘雨田[6]（2019）在《人脸属性鲁棒特征提取与分析算法研究》一文中研究指出人脸属性识别是根据所提特征来预测给定人脸图像的属性信息,如表情、年龄、性别、种族等,进而辅助身份识别或情感分析。人脸属性识别的相关研究是计算机视觉领域的研究热点之一,具有重要的研究意义和广泛的应用前景。随着深度学习方法的发展与应用,人脸属性识别的研究也开始采用深度学习的方法并取得了较好的识别效果。本文以深度学习为基础,在充分使用人脸图像的局部和全局特征信息的基础上,提出了叁种人脸属性特征提取与分析算法,主要工作如下:(1)提出了一种基于深度森林的人脸属性特征提取与分析算法(Facial Attributes Analysis based on Deep Forest,FAA-DF)。深度森林算法具有特征提取、识别分类的效果,并且其算法本身具有较好的泛化性能,可以应用于不同数据集,因此可以用于人脸属性鲁棒特征提取与分析。本文在CK+、RAF-DB、Adience、CelebA数据集上进行了人脸的表情、年龄及性别的特征提取与分析,验证了FAA-DF算法对于人脸属性识别的有效性。(2)提出了一种基于增强深度森林的人脸属性特征提取与分析算法(Facial Attributes Analysis based on Enhanced Deep Forest,FAA-EDF)。所提算法在深度森林的基础上改进了其结构,增加了梯度提升决策树森林和逻辑回归模块,可使算法性能得到提升,且针对人脸属性具有鲁棒性。本文在CK+、RAF-DB、Adience、CelebA数据集上进行了人脸表情、年龄及性别的特征提取与分析,与基于深度森林的人脸属性特征提取与分析算法相比,基于增强深度森林算法的相关属性的识别准确率在CK+数据集上提高了 2.04%,在RAF-DB数据集上提高了 2.48%,在Adience数据集年龄属性上提高了 3.08%,性别属性上提高了 2.01%,在CelebA数据集年龄属性上提高了 1.54%,性别属性上提高了 1.84%,验证了增强深度森林对于人脸属性识别具有更好的性能和更强的鲁棒性。(3)提出了一种基于异构深度模型的人脸属性鲁棒特征提取与分析识别算法(Facial Attributes Analysis based on Heterogeneous Deep Model,FAA-HDM)。所提异构深度模型采用AlexNet深度神经网络以及增强深度森林分别提取深度特征和森林特征以形成协同描述的融合特征,并用于后续的人脸属性识别。本文在CK+、RAF-DB、Adience、CelebA数据集上验证了所提FAA-HDM算法在人脸属性识别上鲁棒性和有效性。(本文来源于《北京交通大学》期刊2019-05-31）
姚玉倩[7]（2019）在《基于胶囊网络的人脸表情特征提取与识别算法研究》一文中研究指出面部表情识别是指对人脸表情进行特征提取和分析,通过表情信息来理解人类情绪。面部表情识别已成为计算机视觉领域的研究热点之一,相关研究具有广泛的应用价值和前景。本文以深度学习为基础,研究面部表情识别算法,充分利用输入图像的空间特征信息,提出了两种面部表情识别算法。本文的主要研究成果如下:(1)研究分析了胶囊网络(Capsules Network,CapsNet)的原理、网络架构及优化算法。胶囊网络针对类似人脸的结构化目标的图像所提特征具有良好的方向性,能更好地捕捉面部运动单元(Action Unit,AU)间的细节和关系。RAF-DB和FER2013表情数据集上的表情识别效果验证了胶囊网络的特征表达和分类能力,即CapsNet算法在RAF-DB表情数据集上的识别准确率为76.12%;与CNN模型相比,CapsNet算法在FER2013表情数据集上识别准确率提高了 1.87%。(2)提出了 一种基于增强胶囊网络(Enhanced Capsules Network,E-CapsNet)的表情识别算法。VGG网络作为深度卷积神经网络,其在表情识别领域的成功应用表明,深层抽象特征有利于表情分类,而传统胶囊网络仅采用一层卷积进行空间特征提取,这限制了其性能的提升。本文所提E-CapsNet模型,在特征提取阶段采用了13层卷积结构,以便提取深层抽象特征,然后采用动态路由机制对其进一步编码。深层卷积可有效地提取面部表情的关键信息,而动态路由的编码和解码能力可使获得的特征更具方向性。RAF-DB表情数据集上的表情识别效果验证了所提E-CapsNet模型的有效性,与CapsNet和VGGNet算法相比,E-CapsNet模型的表情识别准确率分别提高了 8.66%和6.64%。(3)提出了 一种基于双重增强胶囊网络(Double Enhanced Capsules Network,E2-CapsNet)的表情识别算法。所提算法在E-CapsNet的基础上,进一步引入AU注意力约束,构成双重增强效应,从而使模型能感知与表情相关的AU细节变化。在RAF-DB和EmotioNet表情数据集上的实验结果表明,与VGG算法相比,本文所提的E2-CapsNet算法的识别准确率分别提高了 7.10%和32.79%,达到了目前的主流识别水平。另外,注意力映射图的可视化展示也表明,所提特征可突出面部表情的重要区域,进一步验证了引入AU注意力约束可有效辅助表情识别。(本文来源于《北京交通大学》期刊2019-05-31）
王金宝,李广辉[8]（2019）在《人脸分形特征提取与识别算法分析与探究》一文中研究指出人脸识别技术是计算机应用领域的一项重要技术,具有十分广泛的用途.文章首先对人脸识别的一般流程进行介绍,进而研究人脸分形特征提取方法及识别算法,主要利用人脸分形特征完成识别过程,识别算法主要采用隐马尔可夫模型,并详细探讨其实现过程.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年05期）
杨金秋[9]（2019）在《基于表情分类与特征提取的人脸建模算法研究》一文中研究指出叁维人脸模型建模技术可以广泛应用于电影、动画、游戏,室内设计以及医疗美容等各种行业。在以往的研究中,使用传统的建模技术得到的叁维人脸模型存在着建模效果不够逼真且无法达到实时性的要求等问题。针对以上问题,本文针对叁维人脸建模技术,提出一种基于表情分类与特征提取相结合的叁维人脸建模方法。首先将图像中人脸定位出来并提取特征点信息,这些特征点可以分别标记出人脸的脸部轮廓、眉毛、眼部轮廓、鼻梁、鼻孔下周和嘴部轮廓的特征信息。然后使用卷积神经网络算法通过对特征点的位移程度进行分类,完成人脸的特征点提取和表情分类工作。同时针对Candide-3人脸模型提出一种基于不同区域粒度的Candide-3人脸模型细分算法,对于细分后Candide-3模型手动移动特征点的位置建立人脸表情模型库,之后结合表情分类的结果调用相应Candide-3表情模型,最后对Candide-3表情模型使用RBF插值算法做进一步的细致形变得到实时的叁维人脸表情动画系统。通过对以上算法思路的设计与实现,完成了对人脸建模动画系统的开发与检测工作。检测实验中针对获取的视频图像,在提取人脸特征点后使用卷积神经网络进行人脸表情的分类,然后基于叁维人脸模型进行叁维模型的个性化调整,最终得到相应表情的叁维人脸模型。实验结果表明,经过提出方法的设计,人脸模型头部更加完整,面部和轮廓信息更加丰富自然,且达到了实时性建模的要求。(本文来源于《北方工业大学》期刊2019-05-06）
周文彬[10]（2019）在《人脸表情识别特征提取及分类判别方法的研究与实现》一文中研究指出表情是人类表达情感的基本方式,是非语言交流的重要手段。在日常交流中,人们可以通过对人脸表情准确、细致的分析,辨识出对方的心理,进行更加有效的沟通。随着计算机科学技术的不断发展,人机交互技术日益成为人工智能领域中研究的热点。而人脸表情识别作为人机交互技术的重要环节,因为其广泛的应用前景,收到了越来越广泛的关注。目前的人脸表情识别系统的识别准确率并不高,且对于现实场景下检测到的复杂人脸图像不能做出有效处理。本文将对人脸表情的特征提取及分类识别环节进行研究分析,并设计出新的人脸表情识别模型,从而实现人脸表情识别的高精度和高鲁棒性。由于近年来深度学习方法广泛应用于模式识别和分类任务,其中,卷积神经网络方法在图像分类和人脸识别领域展现出了强大的性能,适用于本文将要研究的表情提取及表情分类环节。因此,本文设计的人脸表情识别模型将在卷积神经网络的基础上,进行针对于提升人脸表情识别效果的改进。本文的具体工作和主要贡献如下:(1)由于不同的姿势、角度、照明、遮挡会在人脸表情获取时产生的额外冗余特征。为了避免利用卷积神经网络进行人脸表情识别时被这些冗余特征干扰,本文提出了一种基于多任务学习的人脸表情特征提取方法。利用面部特征点定任务对人脸表情识别特征提取任务的隐含促进作用,采用多任务学习框架,输入完整人脸样本图像,将人脸表情识别任务与面部特征点定位任务融入同一个卷积神经网络训练模型中,在进行特征提取后,对获取的全局高级特征进行初步的表情分类识别并获得样本图像中的面部特征点位置。(2)考虑到面部不同特征部位产生的局部特征是判断复杂表情的重要依据,本文将采用级联多网络框架。将人脸表情识别与面部特征点定位结合的多任务学习网络作为第一级网络进行初步的表情分类及特征点定位,在第二级网络中依据第一级网络的面部特征点定位结果,输入每个特征点定位附近的图像区域进行局部表情分类。最终通过将多级网络的输出融合来对表情进行准确的识别分类。(3)基于上述研究,本文设计了一套人脸表情识别系统。该系统在FER2013人脸表情数据库及JAFFE库上进行了多组对比实验。实验结果验证了本文提出方法的有效性。(本文来源于《北京交通大学》期刊2019-05-01）
人脸特征提取论文开题报告
（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：
人脸检测与识别技术属于生物特征验证手段的一种,可应用于视觉监测、安全访问控制与智能用户接口等多个领域。而人脸检测在人脸识别中占据重要地位。在肤色模型和小波变换有效结合的基础上,即可对人脸进行确定,特别是眼睛位置。经过小波变换处理,结合几何位置展开检测,并使用Fisher分类器即可对嘴巴的位置进行检测。在全新的技术支持下,可以在短时间内准确检测人脸,精准度较高。基于此,文章将肤色和脸部特征提取作为重要基础,重点阐述人脸检测的实现路径,希望对人脸检测与识别技术的发展有所帮助。
（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。
人脸特征提取论文参考文献
[1].王思明,梁运华.基于改进LBP的人脸面部表情特征提取方法（英文）[J].JournalofMeasurementScienceandInstrumentation.2019
[2].林显宁,罗家林.基于肤色与脸部特征提取的人脸检测[J].现代信息科技.2019
[3].倪永婧,孙袆,岳莹,郭志萍,高丽慧.基于二维Gabor小波与AR-LGC的人脸特征提取算法研究[J].河北工业科技.2019
[4].沈涛.多角度迹线抽样特征提取算法及其在人脸识别中的应用研究[D].东华理工大学.2019
[5].翟蒙锁.人脸表情特征提取与识别算法研究[D].安徽工程大学.2019
[6].刘雨田.人脸属性鲁棒特征提取与分析算法研究[D].北京交通大学.2019
[7].姚玉倩.基于胶囊网络的人脸表情特征提取与识别算法研究[D].北京交通大学.2019
[8].王金宝,李广辉.人脸分形特征提取与识别算法分析与探究[J].赤峰学院学报(自然科学版).2019
[9].杨金秋.基于表情分类与特征提取的人脸建模算法研究[D].北方工业大学.2019
[10].周文彬.人脸表情识别特征提取及分类判别方法的研究与实现[D].北京交通大学.2019