基于生成对抗网络的多姿态人脸识别算法

头部姿态角转换会造成人脸成像多姿态变化,人脸离散数据的高斯分布混乱,无法准确地反映人脸多姿态的任意性和连续性,存在识别效果差的问题。引入生成对抗网络理论,设计多姿态人脸识别算法。对获取到的不同角度人脸图像,实施多姿态人脸校正与旋转残差注意力计算,解决当前头部姿态估计方法对不同人脸兴趣区域不稳健的问题。设计生成对抗网络进行双路循环优化,在生成的对抗网络中,参考CASIA-Net网络结构,使用深层次网络结构,每一层都有一个3*3的卷积核。所提出的设计可以降低网络参数,增强网络的非线性度,实现高效的面部特征提取,构建人脸多姿态识别模型,并完成人脸识别。通过实验结果表明,所提算法针对多姿态人脸识别效果好,在人脸不同姿态变化过程中,识别率始终在97%以上,更适用于多姿态人脸识别。

三通道多姿态面部正面化方法

针对现有面部正面化网络在复杂环境下难以保留面部显著性特征的问题,提出一种三通道(局部、半全局和全局)面部正面化方法。在TP-GAN算法的原有框架基础上设计半全局网络,融合全局网络和局部网络之间的依赖关系,使生成的正面化图像的分布与真实面部图像更接近;在半全局网络中设计多时空深度注意力模块,促进网络学习到更多面部显著性特征;将所提方法应用于CAS-PEAL-R1数据集和自建数据集,采用Rank-1指标进行评估。实验结果表明,所提方法在所有角度下的Rank-1平均准确率为99.40%,验证添加了多时空深度注意力模块的半全局网络可以有效保留面部显著特征,提高面部匹配准确率。

基于转台的多视角多姿态锁销点云模型重建

集装箱锁销曲面结构复杂,因而建立出一个曲面特征完整度较高的点云模型较为困难.考虑到在大多数场景下,位于固定高度的传感器搭配旋转的转台采集的曲面特征通常会存在一定的缺失.为此,提出了一种基于转台的多视角多姿态点云模型重建算法,还原锁销较完整的曲面特征.首先,利用转台参数标定结果,实现多视角三维点云的拼接,建立一个固定姿态下的点云模型;其次,通过提出的改进球面投影算法,选取锁销置于转台的摆放姿态,建立另一姿态下的点云模型;最后,融合多个姿态下的点云模型,提高其具备的曲面特征.实验结果表明,所提出的算法能建立出曲面特征完整度较高的锁销点云模型.

多姿态安装对水表流量性能的影响

流量特性是衡量水表性能的主要指标之一,为探究多流束旋翼式水表在不同安装姿态下产生的流量误差,利用多姿态冷水水表检定装置进行了计量误差试验,得出了水表安装成流动方向为自上而下的垂直方向时,水表流量性能最差,在水表安装成流动轴线处于垂直和水平方向之间的一个中间角度与水表安装成流动方向为自下而上的垂直方向相比,水表流量性能较好,将水表水平安装时,性能最好的结论。在通过Fluent软件的动网格加6DOF方法做了水表的流场仿真,估算出在试验中不同安装姿态在3个流量点情况下的摩擦阻力矩,依据摩擦阻力矩得到仿真误差,与试验误差进行对比分析,证实这些摩擦阻力矩是符合预期且可靠的。

一种曲臂结构多姿态调整及分析

针对曲臂结构形式复杂、工况复杂、静力学分析调整姿态效率低的问题,采用一种新方法快速对臂架姿态进行调整,经分析,臂架结构强度、刚度满足设计要求。该姿态调整方法快速准确,极大地提高了工作效率。文中对曲臂结构多姿态调整的问题做出了分析,围绕问题提出相应的对策,以期为相关研究提供参考。

变胞手爪攀爬机器人多姿态力学分析

为了同时满足在实际生产中对攀爬机器人越障能力和负载能力的高要求,设计了一种带变胞手爪的仿生攀爬机器人。变胞手爪在夹持过程中,手指在接触到管道之后进行限位,通过机构变胞,使各手指在一定角度内依次转动,能稳定抓取不同类型的管道。利用虚功原理建立了变胞手爪在夹紧管道时各手指与管道之间接触力和驱动力的静力学模型。根据理论计算结果,在ADAMS中对攀爬机器人在多种姿态下的攀爬运动特性进行了仿真分析,实现了攀爬机器人在不同管道上的攀爬。仿真结果表明,攀爬机器人在多姿态下具有可靠夹持能力和稳定运动能力,验证了攀爬机器人的结构设计和变胞手爪力学模型的正确性。

面向口腔种植的机器人多姿态轨迹平滑规划

根据口腔种植手术的要求,基于光学定位技术开发了一套自动化程度较高的种植牙手术机器人系统,并且对系统空间坐标系转换进行研究.平滑的姿态轨迹规划对口腔种植机器人工作时的精度和效率有着重要的影响,提出一种基于四元数和旋转向量的多姿态C2连续的平滑插值算法.在三维空间中采用线性插值与B样条曲线平滑拼接的方式对旋转向量进行插值计算,所对应的四元数将保持在三维空间中的连续性,实现对单位四元数C2连续的多姿态平滑插值.通过实验分析和对比验证,所提B样条多姿态平滑插值算法具有C2连续性,在实时性能和运动效率方面优于SQUAD算法,适用于机器人末端执行器的多姿态轨迹规划.

多姿态人脸识别综述

多姿态人脸识别已成为人脸识别研究的重要方向之一.简要回顾人脸识别研究进展,针对近年来国内外出现的多姿态人脸识别技术和方法进行简单介绍和系统分类,分析各种方法的优缺点,并做出简要评价.阐明多姿态人脸识别技术所面临的挑战,展望未来多姿态人脸识别研究的发展方向.

一种新的多姿态人脸图像识别方法

由于常规已有方法未能对人脸图像进行去噪处理,导致人脸结果不准确,识别时间较长,为此结合局部奇异值特性,提出一种新的多姿态人脸图像识别方法。该方法首先通过小波包去噪方法对多姿态人脸图像进行阈值去噪,对人脸图像进行一层小波变换,去噪处理人脸图像,形成多个子图像,分别分解子图像和训练图像奇异值,在此基础上获取局部和整体特征向量,将两者进行结合,提取人脸图像的姿态信息,完成多姿态多人脸识别。仿真实验测试表明,该方法能够以较高的精度和较快的速度完成多姿态人脸图像识别,具有较好的性能。

基于改进LBP特征的多姿态人脸识别方法

为提高人脸识别的准确率,引进改进LBP特征,设计一种针对多姿态人脸的全新识别方法。提取人脸图像轮廓中的眼眉,将其作为上部界线,提取人脸图像轮廓中的嘴唇,将其作为下部界线,将眼角作为左右边界,构建一个矩形图像。沿着图像边缘,对人脸图像进行裁剪,以此实现对多姿态人脸图像的对齐与校正;引进改进LBP特征,将完成预处理的图像按照3×3窗口区域进行划分,划分后,人脸图像被等分为9个图像,将划分后窗口区域的中心图像灰度值作为图像整体阈值,提取人脸图像细部纹理信息;对提取的人脸图像特征信息进行融合,以此为依据,使用SVM分类器,对人脸图像中的主成分进行分类与识别。对比实验结果证明:设计的识别方法在实际应用中的效果良好,该方法可以在实现对多姿态人脸图像识别的基础上,提高对应图像的识别率。

基于胶囊网络模型的多姿态人脸生成方法研究

随着计算机图形学和深度学习技术的迅猛发展,人脸生成技术已经取得了长足的进步。人脸生成是指通过计算机算法生成逼真的人脸图像,其在计算机图形学、游戏开发、人机交互等领域具有广泛的应用前景。然而,传统的人脸生成方法存在着一些问题,如无法生成多姿态的人脸、生成的人脸不够逼真等。针对这些问题,近年来,基于深度学习的方法逐渐成为主流,其中基于胶囊网络模型的人脸生成方法受到了广泛关注。本文旨在研究该方法,并深入探讨其在人脸合成和多姿态人脸生成任务中的应用。

基于极限学习机及多姿态信息融合的步态识别

为了解决步态识别系统复杂度较高且设备较为昂贵的问题,本文设计了一种步态识别系统。通过采集安装在大腿、小腿和脚板的三个姿态传感器数据,利用时域与频域结合的多域特征方法和近邻成分分析(NCA)算法对姿态数据进行特征提取和降维,得到姿态数据的低维特征向量,使用极限学习机对低维特征向量进行分类,实现了三种步态的准确识别。实验结果表明,三种步态的识别率均达95%以上。

基于仿射变换的多姿态人脸矫正和识别

为了解决随着人脸姿态的变化,人脸识别率迅速下降的问题,提出了利用仿射变换和成像原理相结合对待识别的多姿态人脸图像进行姿态调整,将其调整为近似于正面人脸的方法,该方法能够有效地将45°范围内的多姿态人脸图像调整为正面人脸图像。同时,使用改进的SURF(加速鲁棒特征算法)算法对校正后的人脸图像进行识别。在FERET等人脸库及拍摄的人脸图像上进行实验,实验结果表明该方法能够在一定程度上克服姿态变化带来的影响,使平均识别率最高可提高7.0%左右。

多信息融合的多姿态三维人脸面部五官标志点定位方法

针对三维人脸模型面部五官标志点定位对姿态变化非常敏感的问题,提出了一种基于多信息融合的多姿态三维人脸五官标志点定位方法.首先对二维人脸纹理图像采用仿射不变的Affine-SIFT方法进行特征点检测,再利用映射关系将其投影到三维空间,并采用局部邻域曲率变化最大规则和迭代约束优化相结合的方法对面部五官标志点进行精确定位.在FRGC2.0和自建NPU3D数据库的实验结果表明,文中方法无需对姿态和三维数据的格式进行预先估计和定义,算法复杂度低,同时对人脸模型的姿态有着较强的鲁棒性,与现有五官标志点定位方法相比,有着更高的定位精度.

基于稀疏编码和机器学习的多姿态人脸识别算法

为改善多姿态人脸识别效果,设计一种稀疏编码和机器学习相融合的多姿态人脸识别算法.首先对多姿态人脸进行采集和预处理,并提取基于稀疏编码的人脸图像特征;然后采用主成分分析对特征进行处理,降低多姿态人脸识别的特征维数,提高多姿态人脸识别效率;最后采用机器学习算法中的支持向量机建立多姿态人脸识别分类器,并采用标准人脸数据库和多姿态人脸数据库对算法性能进行验证.验证结果表明,该算法可有效提高多姿态人脸识别正确率,大幅度减少多姿态人脸的平均识别时间,取得了比对比算法更优的识别结果,从而验证了该算法的优越性.

AAM在多姿态人脸特征点检测中的应用

主动表观模型AAM是经典的特征点检测方法,但是受到其线性预测模型能力的限制,当初始位置偏离目标位置过大时,很难收敛到正确位置,因此传统的单一AAM模板很难满足多姿态人脸特征点检测的要求。针对此问题,提出了一种基于多模板AAM的人脸特征点检测方法:首先定义模板相似度和人脸特征点,将人脸姿态划分为若干类,每一类姿态训练一个特定的AAM模板;然后对测试样本,利用每个AAM模板搜索特征点,并计算搜索结果与模板的相似度,选择相似度最大的AAM模板的搜索结果作为最终的特征点检测结果。通过相似度选择模板的方法可以为AAM搜索提供相对偏离较小的初始位置,因此可以精确地检测特征点。在东方人脸数据库上的实验结果证明了模板选择的必要性和相似度定义的合理性。在整个数据库上的测试结果表明,92.11%的测试图像均可以通过相似度准则选择到正确的AAM模板,从而可以精准地检测特征点;99.92%的图像可选择到正确的AAM模板或其相邻模板,故可以检测到较为准确的特征点。

基于特征融合与决策树级联结构的多姿态人脸检测

为了提高复杂模式下多姿态人脸检测的速度与性能,提出了一种基于特征融合与决策树级联结构相结合的多姿态人脸检测方法.该方法给出了基于形态学梯度的边缘方位场特征,并提出了基于Haar-like特征与边缘方位场特征相融合的AdaboostSVM算法.通过对决策树级联结构进行改进,将特征融合的AdaboostSVM算法与改进的决策树级联结构相结合进行多姿态人脸检测.实验结果表明,该方法能明显改善复杂模式下多姿态人脸检测的速度与性能.

基于改进ORB特征的多姿态人脸识别

为了克服通过全局特征以及每位个体单个模板样本进行多姿态人脸识别的不足,提出基于改进的ORB局部特征以及每位个体多个模板样本的多姿态人脸识别方法.首先改进ORB算子的采样模式提高算子对人脸视角变化的鲁棒性,并采用每位个体的多个训练样本建立模板库,然后提取并匹配测试样本与模板样本的改进ORB特征.在特征提取阶段,为避免关键点数目变化的干扰,对全部样本提取一致数目的关键点;在特征匹配阶段,采用基于模型和基于方向的双重策略剔除误匹配点对,使用匹配点对数目与平均距离评价测试样本与每个模板样本的吻合程度.对CAS-PEAL-R1和XJTU数据库的实验结果表明,改进的ORB特征具有更好的识别性能;与采用多个训练样本构建个体单个模板样本的方法相比,在训练样本数目相同的条件下,该方法能较好地避免姿态的干扰,具有更好的识别效果.与SIFT算子相比,ORB算子在特征提取与特征匹配2个阶段都具有明显的速度优势.

基于人脸特征和AdaBoost算法的多姿态人脸检测

基于人脸特征和AdaBoost算法,提出一种改进的多姿态人脸检测算法。首先利用肤色特征快速排除绝大部分背景区域,然后在肤色区域中搜索眼睛和嘴巴区域,根据眼睛和嘴巴区域的几何特征所确定的人脸方向分割出大致正向的人脸候选区域,最后利用AdaBoost算法对候选区域进行分类。实验表明,算法能实现多姿态人脸的快速检测,而且对脸部表情和遮挡有较强的鲁棒性。

基于三维模型的多姿态人脸识别

提出了一种利用三维人脸模型匹配二维人脸图像的分层人脸识别方法和基于模糊数学的人脸姿态角度估计算法。对多姿态二维图像进行姿态空间划分,利用主成分分析方法(PCA)形成多姿态特征脸。识别过程首先估计测试图像姿态和模糊姿态角,在估计的姿态空间内采用基于PCA的方法进行第一层识别得到候选个体,然后利用候选个体的三维模型结合模糊姿态角产生虚拟图像,利用相关进行第二层识别。实验结果表明,该方法对姿态的变化有较好的鲁棒性。