本文選題：計(jì)算機(jī)視覺(jué) + 人臉識(shí)別��； 參考：《北方工業(yè)大學(xué)》2017年碩士論文

【摘要】：基于計(jì)算機(jī)視覺(jué)的頭部姿態(tài)估計(jì)作為自然人機(jī)交互領(lǐng)域的重要研究課題,受到越來(lái)越多研究人員的關(guān)注。到目前為止,頭部姿態(tài)估計(jì)已經(jīng)成功應(yīng)用到汽車安全駕駛、門(mén)禁檢測(cè)、視頻會(huì)議、身份識(shí)別等多個(gè)重要領(lǐng)域。本文針對(duì)基于計(jì)算機(jī)視覺(jué)的頭部姿態(tài)估計(jì)進(jìn)行了深入研究。首先,提出了將膚色模型與灰度積分投影結(jié)合的方法來(lái)對(duì)人臉特征點(diǎn)進(jìn)行檢測(cè);其次,對(duì)基于SDM模型的人臉對(duì)齊算法進(jìn)行優(yōu)化,根據(jù)人臉特征點(diǎn)位置變化求解頭部姿態(tài);最后,實(shí)現(xiàn)了頭部姿態(tài)估計(jì)在汽車安全駕駛方面的應(yīng)用。本文主要內(nèi)容及創(chuàng)新點(diǎn)如下:1)本文通過(guò)視頻圖像中人臉特征點(diǎn)的位置變化求解頭部姿態(tài),所以人臉特征點(diǎn)檢測(cè)的準(zhǔn)確性與效率非常重要。本文在研究了人臉特征點(diǎn)檢測(cè)的各種主流方法后,提出了將膚色模型與灰度積分投影結(jié)合的方法。該方法通過(guò)膚色模型對(duì)特征點(diǎn)區(qū)域進(jìn)行檢測(cè),再通過(guò)灰度積分投影方法對(duì)特征點(diǎn)進(jìn)行精準(zhǔn)定位。該方法縮小了特征點(diǎn)檢測(cè)范圍,提高了檢測(cè)效率;同時(shí),該方法對(duì)圖像進(jìn)行了歸一化與數(shù)學(xué)形態(tài)學(xué)處理,降低了光照、表情變化等因素對(duì)實(shí)驗(yàn)結(jié)果造成的影響。2)本文對(duì)基于SDM模型的人臉對(duì)齊算法進(jìn)行了研究,該方法在檢測(cè)過(guò)程中存在特征點(diǎn)維度高導(dǎo)致計(jì)算量過(guò)大與臉型差異等問(wèn)題。針對(duì)這些問(wèn)題,本文對(duì)該算法進(jìn)行了優(yōu)化,在實(shí)驗(yàn)對(duì)象進(jìn)行特征點(diǎn)檢測(cè)后,加入初始化功能,將初始化時(shí)的人臉及特征點(diǎn)信息作為訓(xùn)練樣本。在算法優(yōu)化后,樣本圖像與待測(cè)圖像為同一個(gè)人,消除了臉型差異對(duì)實(shí)驗(yàn)結(jié)果造成的影響;降低了特征點(diǎn)的維度,減少了計(jì)算量,提高了計(jì)算效率;同時(shí),無(wú)需對(duì)樣本特征點(diǎn)進(jìn)行手動(dòng)標(biāo)注,減少了樣本訓(xùn)練時(shí)間,提高了實(shí)驗(yàn)效率。3)本文實(shí)現(xiàn)了頭部姿態(tài)在汽車安全駕駛方面的應(yīng)用,通過(guò)分析駕駛員的頭部姿態(tài)變化規(guī)律進(jìn)行疲勞檢測(cè)與精神集中度檢測(cè),設(shè)計(jì)了基于計(jì)算機(jī)視覺(jué)的汽車安全駕駛輔助系統(tǒng)。實(shí)驗(yàn)數(shù)據(jù)表明,該系統(tǒng)能夠?qū)崟r(shí)準(zhǔn)確地對(duì)駕駛員疲勞狀態(tài)與精神集中狀態(tài)進(jìn)行檢測(cè)判定,具有一定實(shí)際應(yīng)用價(jià)值。
[Abstract]:In this paper , a method of combining skin tone model with gray integral projection is studied .

【學(xué)位授予單位】：北方工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 Chang Zheng;Ban Xiaojuan;Wang Yu;;Fatigue driving detection based on Haar feature and extreme learning machine[J];The Journal of China Universities of Posts and Telecommunications;2016年04期

2 崔少奇;耿國(guó)華;劉曉寧;;基于標(biāo)準(zhǔn)臉型的人臉3D姿態(tài)估計(jì)方法[J];計(jì)算機(jī)工程與應(yīng)用;2016年10期

3 李雪;;圖像配準(zhǔn)中角點(diǎn)檢測(cè)算法的研究與比較[J];信息化建設(shè);2016年03期

4 陳文青;王佰玲;;人臉圖像中眼鏡檢測(cè)與邊框去除方法[J];計(jì)算機(jī)工程與應(yīng)用;2016年15期

5 于微波;趙琳;佟冬;;基于Adaboost人臉檢測(cè)算法[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年05期

6 李菱歌;蔡超;;一種基于LBP特征與流形知識(shí)的人臉識(shí)別方法[J];計(jì)算機(jī)與數(shù)字工程;2014年07期

7 曹春萍;常利;;一種基于ASM和灰度共生矩陣的光頭定位檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用與軟件;2014年06期

8 María Elena Lárraga;Luis Alvarez-Icaza;;Cellular automata model for traffic flow with safe driving conditions[J];Chinese Physics B;2014年05期

9 趙恒;俞鵬;;基于主動(dòng)表觀模型姿態(tài)矯正和局部加權(quán)匹配人臉識(shí)別[J];中國(guó)圖象圖形學(xué)報(bào);2013年12期

10 Jing Wang;Guangda Su;Ying Xiong;Jiansheng Chen;Yan Shang;Jiongxin Liu;Xiaolong Ren;;Sparse Representation for Face Recognition Based on Constraint Sampling and Face Alignment[J];Tsinghua Science and Technology;2013年01期

相關(guān)碩士學(xué)位論文 前3條

1 呂俊杰;基于仿射對(duì)應(yīng)關(guān)系的單目視覺(jué)頭部姿態(tài)估計(jì)[D];中南大學(xué);2013年

2 田恒燕;基于雙目立體視覺(jué)的目標(biāo)跟蹤方法研究[D];中國(guó)石油大學(xué);2011年

3 馮歌;基于局部保留投影的人臉特征提取研究[D];哈爾濱工業(yè)大學(xué);2008年

，

本文編號(hào)：1873609