基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
当前的人脸特征点定位跟踪方法因其计算量大,实时特性欠佳。给出了一种基于改进Viola-Jones算法和Kalman滤波器预测机制的定位及跟踪算法。该算法通过使用改进的Viola-Jones算法对本次人脸特征点进行定位,同时使用Kalman滤波算法对特征点下次出现位置进行预测,缩小了下一帧特征点定位过程中特征点的搜索范围,因而缩短了定位搜索时间。实验结果表明该方法在保证定位准确性和鲁棒性的同时明显增强了算法的实时性。
推荐文章
一种快速高效的人脸特征点定位方法
人脸特征点
自动定位
积分投影
人脸检测
特征区域
利用形状估计的人脸特征点定位算法
核回归
形状估计
人脸特征点定位
采样先验
形状约束
基于mean-shift算法的人脸实时跟踪方法
人脸跟踪
mean-shift算法
卡尔曼滤波器
目标遮挡
多信息融合的实时人脸检测算法
人脸检测
类Haar特征
多信息融合
Adaboost算法
级联分类器
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于预测的实时人脸特征点定位跟踪算法
来源期刊 计算机工程与应用 学科 工学
关键词 人脸特征点识别 特征点跟踪 预测机制 Kalman滤波器
年,卷(期) 2015,(12) 所属期刊栏目 图形图像处理
研究方向 页码范围 198-202
页数 5页 分类号 TP391
字数 3953字 语种 中文
DOI 10.3778/j.issn.1002-8331.1407-0426
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘辉 昆明理工大学信息工程与自动化学院 147 1430 17.0 34.0
2 王彬 昆明理工大学信息工程与自动化学院 50 321 11.0 15.0
3 王坤 华中科技大学自动化学院 65 320 9.0 14.0
4 翁政魁 昆明理工大学信息工程与自动化学院 3 22 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (57)
共引文献  (71)
参考文献  (15)
节点文献
引证文献  (2)
同被引文献  (12)
二级引证文献  (1)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(7)
  • 参考文献(0)
  • 二级参考文献(7)
2004(7)
  • 参考文献(2)
  • 二级参考文献(5)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(6)
  • 参考文献(2)
  • 二级参考文献(4)
2010(9)
  • 参考文献(2)
  • 二级参考文献(7)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(4)
  • 参考文献(4)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
人脸特征点识别
特征点跟踪
预测机制
Kalman滤波器
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导