为何“书生不认人”

不少知识分子在见过别人一面后,下次再见面又不认识了。为什么知识分子翻脸不认人呢?法国研究人员发现,面部识别能力和阅读能力有一定的关联性,阅读能力强的人往往面部识别能力弱。阅读和面部识别相互竞争为什么知识分子面部识别能力弱?以往大多是从文化心理学的角度加以研究。直到最近,法国研究人员才从神经科学的角度发现一种比较科学的解释。研究人员斯达尼斯拉斯·德哈恩等人通过磁共振扫描仪和电极帽扫描若干志愿者的大     

内蒙古蒙古族和汉族大学生头面部特征分析

对内蒙古地区742名蒙古族和汉族大学生的20项头面部特征进行比较分析．结果表明，蒙古族和汉族女大学生的头长、眼外角间宽、眼裂宽有极显著差异，口宽、头水平围有显著差异；男大学生的头长、形态面高、容貌面高、鼻高、鼻宽有极显著差异，容貌额高、眼内角间宽、唇高、耳宽和头水平围有显著差异；蒙古族男、女大学生和汉族男大学生以特圆头型为主，汉族女大学生以超圆头型为主；汉族男大学生和蒙古族女大学生以阔面型为主，蒙古族男大学生和汉族女大学生则以过阔面型为主；两个民族的男女大学生均以狭鼻型为主．     

揭秘死亡面具

正随着摄影技术的诞生,死亡面具逐渐淡出了历史舞台。那么,人们最初制作死亡面具的目的是什么?历史上有哪些著名的死亡面具?如今还有人制作死亡面具吗?这里,就让我们一瞥死亡面具背后的秘密。正随着摄影技术的诞生,死亡面具逐渐淡出了历史舞台。那么,人们最初制作死亡面具的目的是什么?历史上有哪些著名的死亡面具?如今还有人制作死亡面具吗?这里,就让我们一瞥死亡面具背后的秘密。约翰·迪林杰是美国大萧条时期(大萧条指20世纪30年代发     

基于多姿态多状态面部情绪模型的表情识别

介绍了面部表情识别的主要步骤,在此基础上提出了一种多姿态多状态的面部情绪模型．该系统利用图像质量的评价结果来决定面部检测的方法,通过中性脸的检测来实现表情边界的分割,从而把提取的表情运动特征参数作为BP神经网络的输入,进而实现面部表情的识别．实验表明,该系统具有很好的识别效果．     

巴彦淖尔盟蒙古族、汉族9项人类学指标的研究

报道了内蒙古巴彦淖尔盟474例蒙古族人、508例汉族人的9项形态特征。调查结果显示：有内眦褶率蒙古族为90.51%，汉族为93．50％；有上眼睑皱褶率蒙古族为78．06％，汉族为80．71％；铲型门齿率蒙古族为80．80％，汉族为91．73％；凸型鼻梁率蒙古族为11．18％，汉族为16．93％；窄鼻孔率蒙古族为28．27％，汉族为25．20％；突颏率蒙古族为25．74％，汉族为18．11％；有耳垂率蒙古族为73．84％，汉族为73．82％；额头发际有尖率蒙古族为38．82％，汉族为36．81％；直发率蒙古族为83．33％，汉族为87．79％。两个民族铲型门齿率、凸型鼻梁率、突颏率、直发率存在显著差异。蒙古族凸型鼻梁率、窄型鼻孔率、直发率存在性别间差异。汉族铲型门齿率、凸型鼻梁率、有耳垂率、额头发际有尖率存在性别间差异。     

基于面部综合信息的疲劳驾驶判别研究

目前疲劳驾驶是导致交通事故的主要原因之一,对防疲劳驾驶预防方法的研究是十分必要的。根据驾驶人面部综合信息,可以对驾驶人进行是否处于疲劳驾驶状态的判断。提出一种根据驾驶人眼部状态、嘴部状态、鼻部状态三者的信息相结合来判断的疲劳状态判定方法。实验表明,这种方法可以在多种情况下对驾驶人进行疲劳的检测。     

面部表情语略说

人们在动嘴说话时,动作、表情、姿势等非言语交际手段便会辅助自然语言进行交际。本文略说非言语交际的一个小类———面部表情语的有关情况。面部表情语主要包括目光语、眉语、微笑语、脸色等,它是人们传情达意的重要辅助工具。人的表情丰富复杂,可以传达细腻微妙的情感内涵,面部表情语的运用和观察在日常言语交际中起着不可忽视的重要作用。     

新生儿疼痛面部表情的特征提取

针对新生儿的疼痛表情识别,提出了将Gobor小渡变换与改进的KDA相结合的特征提取方法.首先时新生儿面部图像进行Gabor变换,然后针对变换后的Gabor特征,用一种改进的核鉴别分析方法对它进行二次特征提取.该方法从根本上解决了表情识别中因小样本问题而引起的核类内离散度矩阵(kernel within-class scatter matrix)奇异性的问题.最后,对提取的特征用支持向量机进行了疼痛表情的分类识别.实验结果表明,此表情特征提取方法能够显著改善表情识别系统的性能.     

基于人脸识别技术的智能监控系统设计方案

视频监控在安全领域扮演着重要的角色,但视频监控通常只是录制现场视频图像,用于事后做证,缺乏主动性和智能性．在分析了视频监控系统的结构,介绍了可用于视频监控的人脸识别技术,最后提出了一种基于人脸识别技术的视频监控系统设计方案,以对视频画面中的人物进行识别,在特定目标出现后能做出相应的反应．     

基于SVM的驾驶员面部朝向检测

驾驶员精神状态监测对于交通事故控制具有重要作用．基于支持向量机(SVM)建立信息融合的面部朝向检测模型,在驾驶员面部图像视觉特征(眼睛、嘴部及面部轮廓)检测基础上,通过分析头部运动过程中各特征的空间位置变化规律,利用SVM对驾驶员面部朝向进行多信息融合估计．结果表明,特征检测方法可实现面部各视觉特征的可靠检测,分析得出的各特征运动变化规律可用于对面部朝向的有效估计,从而为驾驶员驾车精神状态监测提供技术支持．