版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、人臉姿態(tài)估計在人臉識別系統(tǒng)和人機接口等領域一直是重點研究內容,具有廣泛的應用價值。在人臉識別系統(tǒng),人機交互系統(tǒng),門禁系統(tǒng)及其它應用場景中,人臉姿態(tài)估計是非常關鍵的一步,良好的人臉姿態(tài)估計將有助于提高系統(tǒng)的性能。目前國內外對于人臉姿態(tài)估計問題的研究方法眾多,比如基于幾何方法,基于人臉外觀的方法以及非線性回歸的方法,基于非線性流形方法等,其中基于幾何和人臉外觀方法在人姿態(tài)估計問題上得到了廣泛的應用。然而,上述方法在人臉姿態(tài)估計的實際應用上具
2、有很大的局限性。
本文在比較了各種解決人臉姿態(tài)估計問題的方法后,提出一種新的人臉姿態(tài)估計方法——基于局部線性嵌入(Local Linear Embedding,LLE)算法和BP(Back-Propagation)神經網(wǎng)絡的人臉姿態(tài)估計方法,并用它進行大范圍內的人臉姿態(tài)估計。LLE算法屬于流形學習算法的一種,基本思想是將全局的非線性轉化為局部線性,而互相重疊的局部鄰域能夠提供全局結構的信息,這樣對每個局部進行線性降維后,再
3、按照一定的規(guī)則將結果組合在一起,就能夠得到低維的全局坐標表示,在本文提出的人臉姿態(tài)識別方法中,首先通過它得到訓練樣本在低維嵌入空間上的流形表示,隨后將降維后的訓練樣本數(shù)據(jù)及其對應的姿態(tài)角信息分別作為輸入向量和目標向量訓練BP神經網(wǎng)絡。針對測試樣本,不再是傳統(tǒng)上同訓練樣本一起降維,而是采用了局部線性映射的方法得到其在低維流形上的表示,最后將此表示送到訓練好的BP神經網(wǎng)絡中得到姿態(tài)估計結果。本文提出的方法可以認為是一種流形嵌入方法,也可認為
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于人臉姿態(tài)模式的人臉姿態(tài)估計.pdf
- 基于人臉圖像的頭部姿態(tài)估計與年齡估計方法研究.pdf
- 人臉的三維姿態(tài)自動估計研究.pdf
- 基于深度視頻流的人臉姿態(tài)估計方法的研究與實現(xiàn).pdf
- 多姿態(tài)人臉檢測方法的研究.pdf
- 基于Contourlet變換的人臉姿態(tài)估計.pdf
- 多姿態(tài)人臉檢測方法研究.pdf
- 人體姿態(tài)估計方法研究.pdf
- 基于監(jiān)督局部子空間學習方法的人臉姿態(tài)估計.pdf
- 不同姿態(tài)人臉配準方法研究.pdf
- 人臉圖像姿態(tài)校正方法研究
- 基于AAM算法人臉特征點的姿態(tài)估計研究.pdf
- 數(shù)字視頻中的實時人臉姿態(tài)估計研究.pdf
- 基于監(jiān)督局部子空間學習方法的人臉姿態(tài)估計
- 彩色圖像序列的人臉姿態(tài)估計和跟蹤研究.pdf
- 基于SVM的多姿態(tài)人臉檢測方法研究.pdf
- 基于三維模型的姿態(tài)估計與人臉識別.pdf
- 任意姿態(tài)人臉表情識別方法研究.pdf
- 視頻序列中實時人臉檢測及姿態(tài)估計的研究.pdf
- 基于中國人面貌形態(tài)學特征的人臉姿態(tài)估計方法研究.pdf
評論
0/150
提交評論