基于非结构化点云三维人脸识别研究

admin · 发表于 2022-9-3 16:30:19

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
在过去的30 年中，计算机支持的人脸识别系统已经被应用到了很多方面。现存的人脸识别方法主要分为两类：基于特征的和基于全局或表观的人脸识别。现实中可用的生物统计信息，比如纹理，三维信息等使得人脸识别成为一个丰富的研究方向。人脸识别系统急需解决的共同题目主要集中在光照变化、人脸姿态、表情和伪装等。目前解决这些题目的办法是利用人脸三维表面信息，因为人脸的三维信息具有光照不变性等特点，而且可以用来辅助二维人脸识别系统完成姿态标准化。本文的主要目的是设计完成处理和标准化三维人脸表面模型的工具和关键技术，并将这些技术推广到一般的三维人脸识别系统中。三维人脸的重表示中主要包括网格面和点集（三维点云）。本文注重最基本的点集的重表示方法，因为这些方法与曲面的光滑采样非常相似，曲面的光滑采样是一种基于可视化的表面重建。本文研究的关键是利用计算机新体系结构下的并行计算编码处理，生成不受全局模型影响的局部特征。为了实现符合标准的验证，本文利用研究数据库实现了方法框架和结果的可靠性验证。本文的主要贡献有：　点集平滑，在多核处理器上实现的基于径向基函数核的高斯平滑。　用于模型标准化和通用笛卡儿的框架生成的，支持收敛的点集减密技术。　在极短弧和点集收敛的情况下，利用迭代最近邻支持函数实现了自下而上的方法表面全局最小化。　为了估计二阶局部表面特征，利用可以离散计算的几何重表示，实现了局部支持的点集曲率特征提取。　在无结构点集中实现自生成启发式的鼻子区域检测。　利用主因子分析”Karhunen–Loève”拟合曲面，实现了多尺度三维点云的旋转不变的显著性特征检测。　基于离散点云，利用多尺度K-L 显著性特征、三维旋转图像方法和塔形匹配核实现三维人脸识别。

基于非结构化点云三维人脸识别研究

天涯海角也要找到Ni：基于非结构化点云三维人脸识别研究

相关帖子

QQ微信同步：1144766066。

服务

网站

战略合作