aam的头部姿态估计与人脸识别算法的研究

《aam的头部姿态估计与人脸识别算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、＿：气－Ｊ一Ｖ１芝Ｖ＇秋，哨－ｆ．＼／女、＾Ｔ一＞、ｖ‘如：Ａ女－／％．遂ｉｗ，．－ｔ＾－卽ｆ巧，追Ｉ争－，；一＾＾吞ｉ学号Ｖ３ｗ，，ｉ－－－分类号＾ｒ爹＞！ｖ秦左＞．ｔ：，、连Ｖ－＼，ｒ＾．ＪＡ－；＂开密级，－‘言錠＞？今．覆，Ｕ／／是２黎參；ｒｖ韶．斋；ｙ＞沪査義＞－馨ｒ专Ｉ．薪托．．侈，＼ｖｉ今．编；為＼４—．．；．；，Ｉ多．．＇＞Ｖ誓髮苗＇》＾务．’知．：＾、ｉ一；ＶＶ．Ｗ＇．＇．ス帶．１ＮＩｓ评Ｊ－一栽肖＾ｄ；，幽Ｖ谓與刊，ｖ．片．嗔‘．．苗．．．＾－

2、？．Ｍ｜、．、畫两术定，？壬Ｌ．仑＇，挪令．舅：；－＇／－－．＾４－巧导＼、Ｖ接，．－；．吊、．／、又．；．．；、，沪蔓．１為暫／、襄ｆ；巧‘和ｆ一羣户ｒｋ、／Ｃ‘ｙＨ灑．怎ＶＳ．／這．、ｉＫ寒＇這￣ｔ、、：－＇、粉４ｅ０令紗．ｉ．．、％＇；．一、＞ｉ．；：ｉ是．．Ｖ奋、餐＇．．；臀送：Ｖｆ＇＇，舊Ｕ．‘■＞．讀；．寮‘．ｒ一；讀；ｉ＂．Ｖ运．ｄ；＇扁，絲臟赫Ｉ怡励算饒嚇巧Ｖ：－：Ｖ备＂；＇、ｓｆ／兴；：Ｖ與；．巧：＇－ｃ：，务．＞．巧；ｖ／、．ｉ；），；：ｂ：：Ｖ．、．、声‘．

3、；；．襄＼＼於，！占如：％＇Ｖ這占１：一繫：ｆＴｕ蘿Ｖ＞＂繁＾．：．這？：：／．ｉ，咨＾Ｍ挂名＂巧ｒ讀．養Ｖ誦哉請声Ｖ、餐Ｖ０壽ＭＩ、，．＇這职案姓名＾，＾㈱．ｖ．－＾＊－．巧矣Ｖ帮襄、ｖ、輪：家？受业应訓：－科专与．．．＇：？．＼＇ｃ著、；；ｋ．攀這８：．装；邊踪．学＾院学＾学．属．、＇；華．转；ｎ＼挺备级楚＇％＇－；ｙ一／々嫂Ｖ．？＼＇、；起？６＾＇＂时；咨．聲成？５＼、、、－Ａ．，ｎ片．，；１．／心．ｆ；ｖＵ，。．‘？，．．繁：％－ｕ】ｖ公、．，Ｖ＞、．＾社：￥藻；

4、’ｃ？扛窜；一Ｕ？ｒ沒ｒ．＼．。赛＊，斯．ｖ＾／ｒ＞１空＾Ｉｊ纖巧／、藉；＇蒙；＼狐，／，＂７、摘要AAM的头部姿态估计与人脸识别算法的研究摘要随着人工智能、人机交互等技术的发展，计算机视觉逐渐成为一个备受关注的研究领域，人脸识别与头部姿态估计一直是重要的研究对象。近些年，基于表示的人脸识别算法研究主要关注约束条件和字典学习，很少有人研究样本数据的什么特征影响基于表示算法的性能。为了解决这个问题，定义一个新的概念结构离散度来表示训练样本集的结构特征。实验结果表明，一个样本

5、集的结构离散度越高，其分类算法的正确识别率就越高。进一步，块贡献度（BlockContributionDegree,DBC）被用来衡量基于块表示的稀疏表示分类算法是否适用于一个训练样本集。实验结果表明，如果在DBC接近零时，块技术不能提高基于表示的分类算法的性能。在此基础上，一种自适应优化方法被提出用于生成最佳的块规格，重叠度和块加权方案。在自然环境下人脸识别的重要环节是人脸检测，主动外观模型（ActiveAppearanceModel,AAM）是一种典型的人脸检测方法也是头部姿态估计的有效方法之一。针对AAM算法的模型建立和建模后的拟合过程

6、对初始位置很敏感的问题，HOG-LBP技术被用来提取待测图像的特征直方图，根据特征直方图选择最匹配的模型参数作为初始值，采用Adaboost进行人脸定位。实验表明该方法有效提高了算法的鲁棒性和速度。关键词：人脸识别AAM数据结构姿态估计IABSTRACTAAMHEADPOSEESTIMATIONALGORITHMANDRESEARCHOFAFACERECOGNITIONALGORITHMABSTRACTWiththedevelopmentofartificialintelligence,human-computerinteraction,co

7、mputervisionhasbecamearesearchareaofconcerngradually.Face-recognitionandheadposeestimationisanimportanttargetforresearchers.Inrecentyears,therepresentation-basedface-recognitiontechniquesfocusmainlyonconstraintconditionsanddictionarylearning.Fewresearcherstudywhichsampledat

8、afeaturesinfluencetheperformanceofrepresentation-basedclassificationalgorithms.Ino