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:
关键点检测是三维人脸识别过程中非常重要的一步,为了提高关键点检测的准确度,提出了一种多特征相结合的三维人脸关键点检测方法.首先对训练集中的三维人脸手工标记关键点,计算三维人脸上每一点的不同特征值,得到每类关键点关于每个特征的均值和方差,其次对关键点和非关键点上的特征进行线性判别分析,得到与每个关键点相关的分值加权向量,将前面得到的均值,方差以及分值加权向量作为线下训练的结果输出.最后对于一个输入模型,结合线下训练的结果得到每个关键点的候选点,利用这些候选点构建人脸结构模型.再根据绝对距离约束,相对位置约束,FLM模型一致性分类,自旋图描述符等方法确定最终的关键点.实验部分,从CASIA-3DFaceV1和FRGCV2.0数据库中选不同姿态,不同表情,姿态与表情混合的三个数据集,对其进行关键点检测.实验结果表明,不同姿态的检测率为94.5%,不同表情的检测率为94%,和其他文献相比,检测率平均提高了20%,并且有着较高的运算效率.
推荐文章
基于改进的LBP特征和随机森林相结合的人脸关键点检测方法研究
随机森林分类器
旋转不变LBP特征
关键点检测定位
关键点匹配三维人脸识别方法
关键点
投票
识别
人脸
基于特征分块的快速三维人脸重建
三维人脸重建
形变模型
特征分块
径向基插值
三维碎片拼合的轮廓提取和特征点检测
碎片轮廓
网格拓扑
卷积积分
全曲率
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 一种多特征相结合的三维人脸关键点检测方法
来源期刊 液晶与显示 学科 工学
关键词 有效能量 鼻尖点检测 姿态校正 测地距离 迭代最近点 主成分分析 分类器
年,卷(期) 2018,(4) 所属期刊栏目 图像处理
研究方向 页码范围 306-316
页数 11页 分类号 TP391
字数 7338字 语种 中文
DOI 10.3788/YJYXS20183304.0306
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 陈清江 西安建筑科技大学理学院 52 137 6.0 8.0
2 冯超 陕西能源职业技术学院资源与测绘工程学院 14 17 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (34)
共引文献  (22)
参考文献  (9)
节点文献
引证文献  (3)
同被引文献  (3)
二级引证文献  (0)
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(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(4)
  • 参考文献(2)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(9)
  • 参考文献(2)
  • 二级参考文献(7)
2014(5)
  • 参考文献(1)
  • 二级参考文献(4)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
有效能量
鼻尖点检测
姿态校正
测地距离
迭代最近点
主成分分析
分类器
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
液晶与显示
月刊
1007-2780
22-1259/O4
大16开
长春市东南湖大路3888号
12-203
1986
chi
出版文献量(篇)
3141
总下载数(次)
7
总被引数(次)
21631
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导