人脸特征点提取方法综述

人脸轮廓的定位提取,是计算机视觉领域的新兴热点研究课题.该课题对于人脸识别、表情识别、目标跟踪等诸多相关课题的研究具有重要意义.特征点是目前人脸轮廓的最主要描述形式.近年来,伴随着受关注度的不断提升,针对人脸特征点定位技术的研究获得了长足的发展.文中对过去十年间该方向上出现的新方法和新技术进行了整体综述.具体包含以下内容:(1)介绍了人脸轮廓描述形式、所采用的图像特征、实验图像数据集等相关知识;(2)按照核心技术方法的区别,所有方法被进行具体细分并归类介绍;(3)统计汇总分析了各方法的实施细节,包括特征点数目、实验数据集、图像特征形式、方法相对实验精度等内容;(4)分析了近年来方法发展的趋势和共性特点;(5)对目前研究中亟待解决的挑战性问题进行了讨论.

广义SOM及其在人脸性别识别中的应用

将适用于欧氏空间的经典SOM模型,借助于黎曼指数及对数映射,推广至一般黎曼流形空间中,得到了广义SOM模型(G-SOM),给出了G-SOM模型的序列及批量学习算法.G-SOM能够在输出空间中保持模式在输入空间中的内蕴拓扑邻域特性,因此,当输入空间为非线性流形时,G-SOM的性能理论上将优于SOM.FERET人脸图像库上的性别鉴定实验支持了理论结果.

面向非合作目标识别的大规模类属超图建模

针对大量不同成像条件下获得的多视图像,研究利用局部不变特征及其空间布局约束构建用于非合作目标识别的类属超图模型的方法.该方法首先将每一幅图像表示为使用选定的稳健SIFT特征构成的属性图,然后提出了一种属性图相似性传播聚类原理.在给定的F度量的约束下,利用该原理进行聚类,并根据熵函数最小化优化条件,可迭代得到特定目标属性图样本集合的最优聚类,进一步将所获得的聚类简化成以非冗余属性图作为节点的类属超图模型.本文用大量图像样本进行了试验测试.实验结果验证了模型的可扩展性和识别性能.

图象角点检测的矢量场方法

提出一种新的图象角点检测方法。该方法利用电磁场理论表达图象特征，进而从特征图象中提取出角点。Ｃａｎｎｙ边缘图象中的边缘被视为电流密度源而产生磁场。根据电磁场理论，可计算出相应的矢势。提出图象的角点位于该矢势图的鞍点和基于模板匹配的鞍点检测算法，并给出实际的角点检测结果。

基于RBF神经网络的钢水Cr含量估计

炼钢过程中Cr的加入是一个逐步调整的过程,由于大量随机因素存在,使得Cr含量的测量值低于钢水中Cr的实际含量,从而导致过多Cr加入,成品钢中Cr含量偏高。为此,提出用RBF(RadialBasisFunction)神经网络模型来估计钢水中Cr含量,寻求一组过程变量,通过主元分析降低输入维数,训练神经网络,对钢水中Cr含量进行有效估计。该方法可以一次性调整Cr的含量到要求范围内。

一种可重构流媒体调度算法

针对现有流媒体算法在异构环境下性能恶化的问题,论文提出一种支持用户异构性的可重构流媒体调度算法——RSMS算法。该算法引入了追赶流的概念,能重构追赶流的速率来服务于具有不同接收带宽的异构用户,并最终通过流合并达到资源共享的目的。分析了RSMS算法的最佳组播调度间隔、所需的平均服务器带宽和服务器带宽需求分布。仿真实验表明该算法简单高效,可扩展性好。