版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在人臉識(shí)別領(lǐng)域中,人臉姿態(tài)多樣性是影響識(shí)別準(zhǔn)確率的一個(gè)重要因素。為了克服人臉姿態(tài)多樣性對(duì)人臉識(shí)別的影響,基于側(cè)臉的正面人臉圖像合成技術(shù)日漸為學(xué)術(shù)界所重視,已成為模式識(shí)別領(lǐng)域的重要研究課題。
本文針對(duì)傳統(tǒng)方法合成的正面人臉圖像中信息丟失和人臉變形的問題,提出了一種利用多幅側(cè)臉合成正面人臉圖像的方法,主要包括基于篩選評(píng)估準(zhǔn)則的側(cè)臉篩選和基于模糊隸屬函數(shù)的正面人臉合成兩部分。在側(cè)臉篩選階段,首先使用主動(dòng)形狀模型檢測(cè)并跟蹤輸入人臉圖像
2、上的標(biāo)記點(diǎn),然后基于跟蹤結(jié)果和人臉篩選評(píng)估準(zhǔn)則對(duì)同一人的多幅側(cè)臉圖像進(jìn)行篩選,選取高質(zhì)量、弱干擾的側(cè)臉圖像作為最佳輸入源圖像,并且通過紋理填充得到每幅側(cè)臉對(duì)應(yīng)的正面人臉圖像;在人臉合成階段,通過正臉圖像的模糊隸屬函數(shù)確定每幅正臉圖像的權(quán)重,并加權(quán)融合成正臉。
本方法可有效濾除低質(zhì)量側(cè)臉圖像,避免對(duì)正臉圖像合成造成干擾;同時(shí)通過對(duì)不同的圖像分配不同的權(quán)重進(jìn)行融合,保留人臉的關(guān)鍵信息,有效避免正面人臉的局部扭曲和紋理缺失。對(duì)本文方
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 正面人臉圖像合成方法研究.pdf
- 正面人臉判別方法的研究.pdf
- 正面人臉圖像質(zhì)量評(píng)價(jià)方法研究.pdf
- 單張正面人臉圖像的三維人臉重建方法研究.pdf
- 基于支持向量機(jī)的正面人臉檢測(cè)研究.pdf
- 標(biāo)準(zhǔn)正面人臉識(shí)別系統(tǒng)的研究.pdf
- 彩色圖像中的正面人臉檢測(cè).pdf
- 基于單張正面人臉照片的個(gè)性化人臉建模系統(tǒng)研究.pdf
- 非正面人臉圖像的表情識(shí)別研究.pdf
- 眼鏡遮擋下的正面人臉識(shí)別研究.pdf
- 基于單張正面人臉圖像的三維人頭模型重建方法研究.pdf
- 基于彈性圖匹配的正面人臉識(shí)別技術(shù)研究.pdf
- 基于新隸屬函數(shù)的模糊支持向量機(jī)研究.pdf
- 正面人臉識(shí)別中眼鏡摘除問題的研究.pdf
- 基于隸屬函數(shù)特征參數(shù)相似性的模糊推理方法.pdf
- 基于視頻流的正面人臉檢索系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于單張正面人臉圖像的三維重建研究.pdf
- 準(zhǔn)正面人臉圖像識(shí)別的初步研究.pdf
- 基于人臉特征點(diǎn)的三維人臉表情合成方法與研究.pdf
- 基于B樣條隸屬函數(shù)的模糊推理算法研究.pdf
評(píng)論
0/150
提交評(píng)論