基于神经网络的人脸检测算法研究

针对复杂场景图像中的人脸，提出了一种基于BP神经网络的人脸检测算法，由网络训练和人脸定位两部分组成．可以有效地运用于多人脸、不同尺寸、不同姿态、不同面部表情、不同肤色、不同光照条件和复杂背景的情况。实验结果表明该算法快速有效。     

介绍一种简易方差分析算法

简易算法是运用计算器，直接作单因素方差分析，简化了复杂的计算过程。便于现场应用该法简单易学，结果准确，使用方便。     

不同智商的学生自我概念的差异分析

[目的]用团体智测和自我概念量表作为研究工具,以中学生为研究对象,探索不同智商的中学生自我概念的差异规律。[方法]利用团体智力测验和田纳西自我概念量表对74 4名中学生进行测量。[结果]1 随着智力的发展自我概念各因子分也在增加。高智商组和正常组与低智商组的自我概念间(除SA、PER、SO外)有显著性差异(P <0 0 1)。2 同一智力水平随着年级的增加有较大的变化,初中二年级的自我概念发展和变化最大。3 IQ与自我概念各因子存在有正相关,但相关性较低(0 12～0 17)。[结论]不同智商与自我概念存在较大差异。     

第28届奥运会男子十项全能成绩特征分析

运用文献资料法、数理统计法和逻辑分析法,对第28届奥运会十项全能运动成绩前18名进行统计分析.笔者对18个运动成绩分成3个集团,并进一步对3个集团各单项成绩进行比较,结果表明各单项成绩在差异显著性上具有一定的特征.今后对中国运动员齐海峰训练中在跳高上应有所突破.     

基于 Mahalanobis距离进行人脸表情的识别

提出了利用Mahalanobis距离进行人脸表情识别的方法.首先将待分类的图像样本集进行坐标变换,使得变换以后类间离散度尽可能大而类内离散度尽可能小,即使变换以后的Fisher准则函数取得极大值,在新的坐标下求每个待分类样本到各类均值向量的Mahalanobis距离,从而将待分类的样本归到Mahalanobis距离最小的类中去,通过实验得到了平均80.25%的识别率.     

具有真实感的虚拟人头部的一种构造方法

在人类交流信息、情感和动机暗示的广泛能力之中，面部是其中最关键的组成部分之一．因此，具有真实感的三维人脸模型的构造和动画是计算机图形学领域中一个重要的的研究课题．如何能够便捷有效的构造出具有真实感的三维人头部模型是其中一个难点．本文介绍了一种三维人头部模型的构造方法．该构造方法基于一个已存在的三维头部的无个体特征的一般模型，该模型可以经过调整而创造出具有个性特征的头部模型；借助于从两张从正交角度拍摄的普通的某个人的二维照片上采集到的能够反映该个体特征的数据参考点作为控制点，通过DFFD(Dirichlet Free-Form Deformation)的自由变形方法，调整该三维头部模型，进行非线性变形，向特征人面部结构逼近，从而构造出具有个性化特征的头部模型．在此基础上，本文提出了对该方法的一种改进，即对用来进行控制非线性变形的参考点赋以不同的权值，进行分层次控制，从而使得三维头部模型能够更精确的再现个体特征．     

复杂动态背景中的人脸检测

针对复杂动态背景中的人脸检测问题，提出了一种基于差影运算和肤色识别的检测算法。该算法首先通过改进的差影运算初步确定人脸区域，然后建立一个人脸肤色模型进一步进行肤色匹配．从而实现由粗到细的人脸检测。实验证明，该算法可以适应不同的光照环境，不受人脸大小和朝向的限制。其运算速度和精度均达到实用要求。     

数理统计在排污申报登记工作中的应用

通过对南洋河4个重点污染源连续监测的数据,运用数理统计的方法对其进行分析,剔除可疑数据,最后得出不同期间排污规律无显著性变化的结论,介绍了数理统计在排污申报登记工作中的具体应用。     

线性人脸对象类模型的匹配提升技术

针对真实感人脸模型匹配的细节控制和稳健创建问题，提出了线性人脸对象类模型的匹配提升技术。基于非统一抽样(NUS)的动态高斯金字塔分析(DGPA)方法，结合不等概率抽样和整群抽样策略，自适应地动态调整每级高斯金字塔图像的抽样分布，利用最优化算法由粗到精的计算全局近似最优解，获得精确的模型匹配。动态调节整群区域边界并利用再抽样率调节抽样密度，可以有效控制人像模型的细节表达效果，提高模型创建的稳健性。随机梯度下降的线性相关性扰动(CD-SGD)和学习率自适应(ALR)技术，提高了模型匹配的准确性和收敛速度。以M     

基于层次型支持向量机的人脸检测

复杂背景中的人脸检测可广泛应用于人脸识别、人机交互等方面。但目前大部分人脸检测方法中存在分类器训练困难和检测计算量大等问题。提出了一种基于层次型支持向量机的正面直立人脸检测方法,在这两方面作了改进。这种结构的分类器由一个线性支持向量机组合和一个非线性支持向量机组成,由前者在保证检测率的情况下快速排除掉图像中绝大部分非人脸区域,后者对人脸候选区域进行进一步确认。在卡内基梅隆CMU等数据库上的实验证明了这种方法不仅具有较高的检测率和较低的误检率,而且具有较小的计算量。