毕业答辩-一种基于随机森林的实时人脸关键点定位实现.pptx_第1页
毕业答辩-一种基于随机森林的实时人脸关键点定位实现.pptx_第2页
毕业答辩-一种基于随机森林的实时人脸关键点定位实现.pptx_第3页
毕业答辩-一种基于随机森林的实时人脸关键点定位实现.pptx_第4页
毕业答辩-一种基于随机森林的实时人脸关键点定位实现.pptx_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于随机森林的实时人脸关键点定位实现,答辩人：指导老师：,-人脸应用中起了非常重要的作用，它的精度极大影响后续操作的性能,-人脸上具有显著区分性的区域，包括鼻尖、眼角、下巴、嘴角、鼻角、眉毛形状、耳垂等，可以看做人脸特征的描述,-能够运用于人脸识别、表情识别、人脸跟踪、姿态估计、人脸动画、三维人脸重建等与人脸相关的各个领域,人脸面部特征点：,课题背景,-对一个阶段的某个标记点，最具有分辨能力的纹理信息位于前一阶段估计的标记点周围的局部区域-此标记点的形状上下文（即其他标记点的位置）以及局部纹理提供了充足的信息。,研究思路,先学习固有特征来独立地编码每个标记点的局部纹理，然后执行联合回归来合并形状上下文。,研究方案,级联的Adaboost(CascadeAdaboost),随机森林(RadomForest),局部二值特征(LocalBinaryFeature,LBF),相关工作,-LFPW(29个标记点)在1,100张图像中选取了717张用作训练，300张图像中选取249张用作测试。-Helen(194个标记点)包含了2,300张高分辨率的网络图像。其中，2000张图像用作训练，330张图像用作测试。高分辨率有利于高精度的定位，但是在计算方面，大量的标记点会带来更高的计算代价。-300-W(68个标记点)是300张户外人脸。它是从现存数据集中生成的，包括了LFPW，AFW，Helen，XM2VTS，以及一个叫IBUG的新的数据集。训练集由AFW、LFPW的训练集以及Helen的训练集组成，总共3148张图像。测试集由IBUG、LFPW的测试集以及Helen的测试集组成，总共689张图像。,数据集,摄像头,影像采集驱动,人脸特征点定位模块,人脸检测模块,用户,检测到,未检测到,定位完成,系统流程图,算法流程图,关键技术,特征映射函数是一个利用像素差特征训练的随机森林。它寻找能够得到最大的方差衰减的像素差特征。这样的特征的计算量非常小，并且在给出充足的训练数据时，具有强大的分辨能力在这里的使用局部的像素坐标,图(a)中，在相同的局部坐标系中的像素索引具有同样的意义，(b)中，在同一全局坐标下索引的像素具有不同的含义，这时由于人脸形状变化导致的。,(a),(b),关键技术,如图显示提取局部二值特征的过程。样本遍历树，直到它能够达到每个树的某个叶节点。样本达到的叶节点对应的特征位置值为1，否则为0局部二值特征非常稀疏,关键技术,可变性：包括遮挡，姿态、表情和光照的变化，头部旋转、分辨率等,精确性：对人脸进行复杂操作时需要更高的精度，错误的人脸标记点定位会导致人脸特征描述的变形，标记点的精度极大影响后续操作的性能。,数据集：标记点定位算法的精确度很大程度上取决于用于训练的数据集,图像采集：分辨率、背景噪声、光照等图像采集条件会影响标记点定位性能。,难点分析,LFPW数据集上，模型迭代过程,实验结果,IBU
人人文库> 全部分类> 毕业设计 > 毕业论文

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论