資源描述:
《基于特征點(diǎn)定位的人臉合成及視覺(jué)疲勞檢測(cè)研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、基于特征點(diǎn)定位的人臉合成及視覺(jué)疲勞檢測(cè)研究作者姓名陸陽(yáng)導(dǎo)師姓名、職稱田春娜副教授一級(jí)學(xué)科信息與通信工程二級(jí)學(xué)科信號(hào)與信息處理申請(qǐng)學(xué)位類別工學(xué)碩士提交學(xué)位論文日期2014年11月學(xué)校代碼10701學(xué)號(hào)1202121146分類TN82號(hào)TP39密級(jí)公開(kāi)西安電子科技大學(xué)碩士學(xué)位論文基于特征點(diǎn)定位的人臉合成及視覺(jué)疲勞檢測(cè)研究作者姓名:陸陽(yáng)一級(jí)學(xué)科:信息與通信工程二級(jí)學(xué)科:信號(hào)與信息處理學(xué)位類別:工學(xué)碩士指導(dǎo)教師姓名、職稱:田春娜副教授提交日期:2014年11月ResearchonHumanFaceSynthesisandVisualFatigue
2、DetectionBasedonFacialLandmarkLocatingAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinInformationandCommunicationEngineeringByLuYangSupervisor:AssociateProf.TianChunnaNovember2014西安電子科技大學(xué)學(xué)位論文獨(dú)創(chuàng)性(或創(chuàng)新性)聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德,本人聲明所呈交
3、的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知,除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外,論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果;也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中做了明確的說(shuō)明并表示了謝意。申請(qǐng)學(xué)位論文與資料若有不實(shí)之處,本人承擔(dān)一切的法律責(zé)任。本人簽名:日期:西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說(shuō)明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定,即:研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬西安電子科技大
4、學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件,允許查閱和借閱論文;學(xué)校可以公布論文的全部或部分內(nèi)容,可以允許采用影印、縮印或其它復(fù)制手段保存論文。同時(shí)本人保證,畢業(yè)后結(jié)合學(xué)位論文研究課題再撰寫(xiě)的文章一律署名單位為西安電子科技大學(xué)。(保密的論文在解密后遵守此規(guī)定)本學(xué)位論文屬于保密,在年解密后適用本授權(quán)書(shū)。本人簽名:導(dǎo)師簽名:日期:日期:摘要摘要隨著計(jì)算機(jī)視覺(jué)領(lǐng)域的快速發(fā)展,人臉信息處理在人臉圖像合成、視覺(jué)疲勞檢測(cè)等應(yīng)用領(lǐng)域發(fā)揮著越來(lái)越重要的作用。光照、姿態(tài)、表情等多種因素使得人臉圖像存在復(fù)雜性,而人臉顯著特征點(diǎn)的精確定位能提高復(fù)雜情況下的多姿態(tài)人臉合
5、成與視覺(jué)疲勞檢測(cè)的效果。因此,本文研究基于人臉圖像顯著特征點(diǎn)定位的多姿態(tài)人臉圖像的合成和視覺(jué)疲勞檢測(cè)。取得的主要?jiǎng)?chuàng)新性研究進(jìn)展概括如下:針對(duì)基于混合樹(shù)模型特征點(diǎn)定位不精確和基于監(jiān)督下降法中人臉漏檢率較高的問(wèn)題,提出了將混合樹(shù)模型與監(jiān)督下降法相結(jié)合的多姿態(tài)人臉圖像檢測(cè)與特征點(diǎn)定位算法。該方法采用混合樹(shù)模型對(duì)多姿態(tài)人臉圖像進(jìn)行初定位,通過(guò)監(jiān)督下降法對(duì)人臉五官輪廓特征點(diǎn)進(jìn)行精準(zhǔn)定位,結(jié)合混合樹(shù)模型得到的人臉外輪廓特征點(diǎn)得到整張人臉圖像的顯著特征點(diǎn)。本文提出的方法能精確定位多姿態(tài)人臉的外輪廓和五官輪廓特征點(diǎn)。針對(duì)多姿態(tài)人臉合成中人臉姿態(tài)空間的非線
6、性難以表示的問(wèn)題,結(jié)合張量分析和姿態(tài)流形建模,提出一種改進(jìn)的多姿態(tài)人臉圖像合成算法。該方法通過(guò)對(duì)多姿態(tài)訓(xùn)練集人臉的形狀信息進(jìn)行張量分解,在姿態(tài)子空間通過(guò)樣條擬合得到人臉形狀的姿態(tài)流形,在身份子空間通過(guò)稀疏表示合成出測(cè)試圖像的身份信息,用于合成新身份下的形狀姿態(tài)流形。針對(duì)眼角和鼻翼因視角的轉(zhuǎn)動(dòng)而造成的圖像拉伸的問(wèn)題,通過(guò)幾何關(guān)系構(gòu)造4個(gè)新的特征點(diǎn)的方法進(jìn)行優(yōu)化,最后通過(guò)仿射變換將正面測(cè)試人臉的紋理映射到形狀姿態(tài)流形上,合成多姿態(tài)人臉圖像。實(shí)驗(yàn)結(jié)果表明,所提方法得到的多姿態(tài)人臉合成圖像較好的保持了測(cè)試人臉的形狀和身份信息,并且合成的人臉紋理逼
7、真、自然。針對(duì)基于人臉的視覺(jué)疲勞檢測(cè)算法需要快速準(zhǔn)確的定位人臉的顯著特征點(diǎn),本文通過(guò)Adaboost人臉檢測(cè)器對(duì)人臉進(jìn)行初定位,利用監(jiān)督下降法精確定位和跟蹤視頻中的人臉特征點(diǎn),并根據(jù)雙眼面積眼距比、嘴部高寬比來(lái)制定視覺(jué)疲勞判定準(zhǔn)則,從而提出基于監(jiān)督下降法的視覺(jué)疲勞檢測(cè)算法。通過(guò)在駕駛視頻和仿真視頻上測(cè)試的結(jié)果表明本文的方法能夠準(zhǔn)確的判斷視覺(jué)疲勞。關(guān)鍵詞:人臉特征點(diǎn)定位,多姿態(tài)人臉圖像合成,視覺(jué)疲勞檢測(cè),混合樹(shù)模型,監(jiān)督下降法論文類型:基礎(chǔ)研究類I西安電子科技大學(xué)碩士學(xué)位論文IIABSTRACTABSTRACTWiththerapiddev
8、elopmentofcomputervisiontechnology,humanfacialinformationprocessingplaysanimportantroleinfieldso