基于三维重建的人脸姿态估计

人脸姿态估计是计算机视觉及人脸识别领域的一项关键研究内容.将三维模型应用于估计人脸图像姿态参数,提出了基于三维重建的人脸姿态估计算法.根据人脸正面图片上的特征点计算出形状参数,实现三维人脸重建.基于三维人脸模型,由姿态图片上提取的特征点信息推知等姿态下模型上对应特征点的信息,针对照模型正面姿态,运用线性回归估计姿态参数.实验表明,重建的三维人脸具有较好的真实感,在较大的姿态变化范围内,该方法也能够取得较好的估计精确并具有鲁棒性.     

基于YOLOv3模型的人脸检测与头部姿态估计融合算法

针对头部姿态估计中的人脸检测框尺寸难于学习问题和将人脸检测、头部姿态估计分为两阶段的模型中流程复杂、耦合程度高、误差累积严重的问题,本文提出一种基于YOLOv3模型的人脸检测与头部姿态估计融合算法。通过K-means聚类方法对训练集中人脸区域的尺寸进行聚类,得出9组聚类结果,以模拟真实情况下人脸区域的尺寸和比例;通过拓展YOLOv3模型,实现人脸检测和头部姿态估计同时进行,并在3个不同层次的特征图上进行人脸检测和头部姿态估计,实现对特征图的多尺度检测,充分利用了特征图中的信息;采用端到端模式进行训练,简化头部姿态估计任务的处理流程。在CAS-PEAL-R1姿态子集上取得99.23%的预测准确率,在Pointing′04数据集上pitch和yaw方向分别取得了3.79°和4.24°的平均绝对误差。结果表明,本模型在满足实时性要求的前提下,能够出色完成人脸区域检测与头部姿态估计任务,充分证实本文方法的可靠性与实用性。     

基于SSD模型的人脸检测与头部姿态估计融合算法

针对头部姿态估计常用的人脸检测、姿态估计两步串联框架中流程复杂、耦合性高、整体鲁棒性低的问题,提出了一种基于改进SSD模型的人脸检测与头部姿态估计融合算法.通过拓展SSD模型,设计了人脸检测与姿态估计融合网络模型,在多层次卷积特征图上检测人脸,并估计头部姿态;采用端到端训练模式进行模型训练,简化了头部姿态估计任务的处理流程.在Pointing′04和300W-LP数据集上进行了试验.结果表明,本模型能够在满足实时性要求的前提下有效地完成检测任务与估计任务,在两个数据集中的pitch预测平均绝对误差分别达到了4.80°和6.48°,这充分证明了所提出算法的实用性和鲁棒性.     

应用于人脸识别的基于Candide-3特定人脸三维重建

针对不同的姿态对人脸识剐的影响,提出了一个基于Candide-3参数模型的特定人脸三维重建方法.该方法同时利用了主动形状模型和主动表观模型的优点,较好地提高了特定人脸三维重建的时间效率和准确程度.将该方法对输入的图像进行姿态校正之后再进行识别,极大提高了识别正确率.对CMU-PIE数据库中4种不同姿态集的识别结果表明了方法的有效性.     

基于肤色模型的复杂背景图像人脸检测

本文针对复杂背景下彩色人脸图像提出了一种基于肤色模型和人脸几何与统计特征的检测方法.先利用椭圆肤色模型分割出肤色区域,再利用形态学操作以及人脸的统计几何特征验证人脸.实验表明,该方法检测正确率高,可以有效地运用于多姿态、多人脸和复杂背景的情况,具有较好的检测效果.     

基于椭圆拟合的近红外图像的眼睛精确定位法

提出了一种新的近红外人脸图像的眼睛精确定位方法. 该方法首先使用基于Haar特征和AdaBoost算法的人脸检测分类器确定人脸区域和初始眼睛位置;然后用Sobel算子对眼睛区域进行边缘检测处理,得到眼睛边缘,并对它进行椭圆拟合获得眼睛的椭圆轮廓线;最后把拟合椭圆的中心点作为眼睛的精确位置. 实验表明,在正面人脸情况下,本方法能精确地定位近红外人脸图像的眼睛位置,在归一化人脸为120×120像素时,其平均误差小于1.5个像素,处理时间约7 ms.     

基于LVQ神经网络的人脸朝向识别方法

为了满足图像和视屏中人脸的位置,朝向和旋转都不是固定的特点,利用LVQ神经网络模型对图像中人脸朝向识别进行研究.实验采用Matlab工具箱进行LVQ神经网络设计,实现对人脸朝向的判断.实验结果显示,LVQ神经网络可以根据输入图像的二值信息,以较高准确率判断该图像的人脸朝向.     

一种视频人脸跟踪算法

介绍了一种简单、鲁棒、快速的实时视频人脸对象跟踪算法.在使用贝叶斯肤色分类器分割出椭圆候选人脸区域的基础上,采用人眼谷极点生成人脸假设和特征脸人脸验证方法得到参数化的人脸椭圆区,并使用2个正交的边缘梯度跟踪模型和椭圆内部肤色像素统计直方图跟踪模型跟踪人脸.本算法较好地解决了跟踪的连续性、实时性、精确度和鲁棒性间的矛盾.实验证明:本算法能够实时跟踪多个人脸.     

基于遗传算法的正面人脸定位

利用人脸的椭圆轮廓特征,使用参数化可变形椭圆模板和遗传算法（ＧＡ）对正面人脸进行定位．首先取得人脸的边缘图像,并定义边缘图像的能量场,然后定义参数化的可变形椭圆模板,对椭圆模板的参数进行编码,并定义合适的适应值函数,使用ＧＡ以椭圆模板在人脸边缘能量场图像中对人脸轮廓进行最优化匹配．实验结果表明,该方法在中等复杂背景环境下的人脸定位应用中取得了较好的性能,定位更加准确,同时具有较强的鲁棒性     

应用人脸姿态估计实现人机信息交互

针对残疾人士不用手实现计算机操作的问题,提出了一种通过面部姿态的视觉分析手段控制鼠标操作的新方法。首先,由CCD摄像头获得人脸视频图像,采用Haar特征和基于AdaBoost算法的目标检测手段确定人脸区域,再通过图像分析手段提取2个眼角、2个嘴角和鼻尖共5个特征点;然后,以一幅正面图像的特征点位置为参考,对实时图像中人脸的空间姿态进行估计;最后,根据人脸的3个偏转角定义并生成人机交互信息,用于计算机人机界面中鼠标位置的移动和操作控制。实验表明,在良好的光照条件下,该方法可以快速准确完成人脸姿态估计并获得鼠标控制信息,帮助伤残人士实现人机信息交互。     

基于概念格的神经网络日最大负荷预测输入参数选择

针对电力系统中影响负荷预测精度的众多因素如何选择问题,提出一种概念格属性约简算法,采用该算法挖掘出与待预测负荷量相关性较大的各属性作为神经网络预测模型的输入参数,降低了输入参数规模,确保了负荷预测模型输入参数的合理性,解决了神经网络模型输入参数的确定问题.通过对重庆市某区实际日最大负荷数据的计算分析,结果表明该算法提高...     

基于LVQ神经网络的植物种类识别

提出一种基于学习矢量量化（LVQ）神经网络的计算机植物种类识别新方法. 使用2-D不变矩、 多尺度2-D Gabor滤波器等多种方法分别提取了叶片的几何特征和纹理特征, 应用LVQ神经网络识别植物种类. 实验结果表明, 该方法对植物种类的识别效率较高.     

Hopfield神经网络在扰动情况下的鲁棒性

Hopfield神经网络在工程领域中应用广泛, 但在具体的实现过程中往往存在着扰动和时滞, 这些因素的存在影响了神经网络的动态性能, 并有可能导致网络失稳. 通过建立模型, 讨论了时滞递归神经网络的鲁棒性, 给出了有效的判定条件, 推广了有关文献中的结果.     

一种改进的RBF神经网络混合学习算法

提出一种基于粒子群优化算法、K-means算法及减聚类算法的径向基函数(RBF)神经网络混合学习算法.该算法使用减聚类方法确定隐层节点数,具有自适应确定隐层节点的能力,避免了调整隐层节点的人为干预.通过K-means算法形成粒子群优化(PSO)算法初始粒子群,避免了初始粒子群的随机性,提高了粒子群优化算法的优选能力;采用PSO算法训练RBF神经网络中的所有参数.数值结果表明,改进的混合算法具有更高的分类准确率。     

一种基于遗传算法和LM算法的混合学习算法

针对遗传算法与神经网络结合方式中存在的早熟收敛、泛化能力弱等问题, 提出一种交替使用遗传算法和Levenberg Marquardt算法优化神经网络的混合学习算法（GALM算法）. 该算法先通过遗传算法粗调得到一组全局最优近似解, 再以该近似解为初值, 交替使用遗传算法和LM算法优化神经网络训练, 直至发现满意的网络参数. 实验结果表明, 新算法提高了网络的学习能力和收敛速度.     

一种基于普适计算的网络安全服务模型

提出并设计了一种基于普适计算的网络安全服务模型,将传统的网络管理技术与普适计算相结合, 能够实时监测网络流量数据并进行统计和分析, 网管人员可以随时了解网络流量的具体分布情况. 将通用安全服务应用程序接口(GSS API)与底层安全机制相结合, 从而实现相应的网络安全服务, 为应用程序提供了最大的可移植性. 解决了在远程数据传输中的安全问题, 可方便地采用更加强有力的安全机制和安 全服务.     

支持虚拟机跨局域网在线迁移的混合式虚拟网络原型

针对虚拟机迁移停机时间段内数据包的丢失问题,提出一种分布式异步缓存协议,保证了虚拟机通信的可靠性和有序性,使虚拟机迁移过程对应用程序完全透明.为了解决虚拟机跨局域网通信问题,引入overlay虚拟网络模型,并针对虚拟网络效率较差的问题提出一种混合式的虚拟网络架构,解决了现有虚拟机在线迁移不能跨局域网的限制.实验结果表明...     

一种基于社团和分层思想的无标度演化模型

针对复杂网络节点度分布服从幂律分布问题, 给出一种基于社团和分层思想的无标度演化模型. 该模型利用转轮思想和限制节点度改进了无标度模型的优先连接策略; 加入分层结构优化了无标度网络的搜索; 将局域世界模型中的局域世界思想引入到模型中, 并利用社团结构改进了局域世界模型中局域世界的不确定性问题.  理论分析证明了模型的度分布服从幂律分布, 且幂律指数可调.  模拟实验结果表明, 模型有较小的平均路径长度和较大的聚类系数,  且两层网络搜索效率优于单层网络搜索.     

人工神经网络-近红外光谱法非破坏监控蛇床子SFE-CO2萃取物的质量

将人工神经网络与近红外漫反射光谱相结合, 对蛇床子超临界CO₂萃取物中的蛇床子素和欧前胡素同时进行快速、 非破坏的定量分析. 分别利用 萃取物的原始光谱和两种预处理光谱（一阶导数和标准归一化）建立了网络的数学校正模型, 并把所得结果进行了比较, 确定用一阶导数光谱所建立的模型为最佳网络模型.     

一种鲁棒的摄像机标定方法

提出一种基于圆环点的摄像机标定方法,该方法无需已知模板的任何物理度量,即可线性求解出摄像机的内参数矩阵,完全摆脱了匹配问题.并给出了在不增加任何已知条件的基础上求解外参数的线性方法.模拟与图像实验结果表明,该方法在精确度和鲁棒性上较已有方法都有较大提高.