視線方向指示了一個(gè)人看什么,對(duì)什么感興趣。視線追蹤常被用來(lái)對(duì)人類的意圖進(jìn)行分析,在計(jì)算機(jī)視覺(jué)、計(jì)算機(jī)圖形學(xué)、心理學(xué)、社會(huì)學(xué)和人機(jī)交互等領(lǐng)域應(yīng)用廣泛。因此,本文針對(duì)視線追蹤技術(shù)的研究不僅具有重要的理論價(jià)值,同時(shí)也具有廣闊的應(yīng)用前景。首先,本文設(shè)計(jì)了視線追蹤系統(tǒng)的總體方案,并對(duì)方案中的人臉檢測(cè)方法進(jìn)行分析研究,選定基于多任務(wù)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)（Multi-task20Cascaded20Convolutional20Networks,MTCNN）的人臉檢測(cè)方法,同時(shí)得到五個(gè)人臉特征點(diǎn)（左右瞳孔、鼻尖、左右嘴角）,并對(duì)檢測(cè)到的人臉進(jìn)行尺度縮放操作。然后采用主動(dòng)表觀模型（Active20Appearance20Model,AAM）和比例正交投影迭代變換算法（Pose20from20Orthography20and20Scaling20with20Iterations,POSIT）算法相結(jié)合對(duì)頭部姿態(tài)進(jìn)行估計(jì),在檢測(cè)到的人臉上采用AAM算法進(jìn)行特征點(diǎn)定位,接著使用POSIT算法根據(jù)人臉圖像上的特征點(diǎn)和標(biāo)準(zhǔn)人臉模型對(duì)應(yīng)的三維數(shù)據(jù)點(diǎn)的關(guān)系確定頭部姿態(tài),并根據(jù)獲得的人眼角特征點(diǎn)來(lái)定位人眼區(qū)域,從而獲得人... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
注釋表
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 視線追蹤技術(shù)研究難點(diǎn)
    1.4 章節(jié)安排
    1.5 本章小結(jié)
第2章 視線追蹤系統(tǒng)總體方案
    2.1 視線追蹤系統(tǒng)總體框架設(shè)計(jì)
    2.2 人臉檢測(cè)
        2.2.1 人臉檢測(cè)方法對(duì)比
        2.2.2 基于MTCNN的人臉檢測(cè)
        2.2.3 MTCNN人臉檢測(cè)算法實(shí)現(xiàn)
    2.3 基于AAM和 POSIT算法的頭部姿態(tài)估計(jì)和人眼區(qū)域定位
        2.3.1 基于AAM的人臉特征點(diǎn)定位和人眼區(qū)域定位
        2.3.2 POSIT算法
        2.3.3 頭部姿態(tài)估計(jì)實(shí)現(xiàn)
    2.4 小結(jié)
第3章 基于深度多模態(tài)融合的視線追蹤
    3.1 深度多模態(tài)融合理論
    3.2 CNN
    3.3 遷移學(xué)習(xí)
    3.4 基于遷移學(xué)習(xí)的深度多模態(tài)融合視線追蹤模型
        3.4.1 基于遷移學(xué)習(xí)的深度多模態(tài)融合視線追蹤模型的框架設(shè)計(jì)
        3.4.2 預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)
        3.4.3 模型訓(xùn)練算法
    3.5 實(shí)驗(yàn)結(jié)果及分析
        3.5.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.5.2 評(píng)價(jià)指標(biāo)
        3.5.3 實(shí)驗(yàn)環(huán)境
        3.5.4 實(shí)驗(yàn)結(jié)果
    3.6 小結(jié)
第4章 基于膨脹卷積的深度多模態(tài)融合視線追蹤
    4.1 感受野
    4.2 基于膨脹卷積的深度多模態(tài)融合視線追蹤模型
        4.2.1 膨脹卷積
        4.2.2 基于膨脹卷積的深度多模態(tài)融合視線追蹤模型的框架設(shè)計(jì)
        4.2.3 模型訓(xùn)練算法
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 自建數(shù)據(jù)集
        4.3.2 評(píng)價(jià)指標(biāo)
        4.3.3 實(shí)驗(yàn)結(jié)果
    4.4 本章小結(jié)
第5章 基于視線追蹤的服務(wù)機(jī)器人控制系統(tǒng)設(shè)計(jì)
    5.1 基于視線追蹤的控制系統(tǒng)
    5.2 系統(tǒng)軟件開(kāi)發(fā)與硬件平臺(tái)的搭建
        5.2.1 系統(tǒng)的硬件結(jié)構(gòu)
        5.2.2 系統(tǒng)的軟件配置
    5.3 基于視線追蹤的智能服務(wù)機(jī)器人運(yùn)動(dòng)控制實(shí)現(xiàn)
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]一種融合改進(jìn)型AdaBoost和膚色模型的人臉檢測(cè)方法[J]. 姚子怡,張清勇,李雪琪.  計(jì)算機(jī)與數(shù)字工程. 2018(04)
[2]融合YCbCr膚色模型與改進(jìn)的Adaboost算法的人臉檢測(cè)[J]. 崔鵬,燕天天.  哈爾濱理工大學(xué)學(xué)報(bào). 2018(02)
[3]基于膚色信息和模板匹配的人臉檢測(cè)與提取[J]. 邵虹,耿昊.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(11)
[4]基于嘴巴狀態(tài)約束的人臉特征點(diǎn)定位算法[J]. 師亞亭,李衛(wèi)軍,寧欣,董肖莉,張麗萍.  智能系統(tǒng)學(xué)報(bào). 2016(05)
[5]基于改進(jìn)HMM-RVM混合模型的人臉識(shí)別方法研究[J]. 楊敏,賴惠成,董九玲.  激光雜志. 2015(11)
[6]基于膚色和Haar方差特征的人臉檢測(cè)[J]. 李燕,王玲.  計(jì)算機(jī)工程與科學(xué). 2015(01)



本文編號(hào)：3177290