不同姿态人脸深度图识别的研究

因易受到姿态等因素的影响,传统二维人脸识别的结果往往难以令人满意.针对不同姿态下的三维人脸深度图提出一种新的图像处理方法:首先利用面部特征点定位和偏转角度的计算将人脸深度图旋转到“正中面”位置;然后根据人脸对称性和ICP相关理论,对旋转后的深度图进行插值.通过该方法处理后的三维人脸深度图与原始数据相比,在人脸识别实验中...     

融合深度图和三维模型的人体运动捕获

对于当前热点的运动捕获方法存在的一些缺点,提出了一种融合深度图和三维模型的人体运动捕获方法。利用Ki‐nect采集深度图像,经过对深度图去除背景,提取轮廓信息,建立轮廓数据库。从深度图中提取三维人体骨架,建立骨架三维模型数据库。输入1组深度图动作序列,经过去背景、提取轮廓特征后与轮廓数据库中的轮廓进行匹配,计算出最小距离所在的匹配序列,输出相应的骨架作为动作捕获的结果。实验证明了这种方法的有效性和可行性,该方法能较精确的得到运动捕获数据。     

基于三维人脸成像系统的复数域人脸识别方法

三维人脸识别是模式识别和人工智能领域的研究热点。提出了一种利用人脸图像的二维灰度信息和三维深度信息进行人脸识别的算法。首先利用相关型图像传感器构成三维实时人脸成像系统,并将获得的三维人脸物理数据用复数形式表达。再将特征脸（Eigenface）方法和Fisherface方法拓展到复数域,提出了复数域特征脸方法和复数域Fisherface方法。改进的复数域人脸识别方法在三维实时成像系统的人脸数据库中进行的人脸识别实验表明,复数域的三维人脸识别方法明显优于传统的人脸识别方法。     

Nearly Sasak流形的半不变子流形

给出了Nearly Sasak流形的半不变子流形一定平凡。     

短期负荷局部线性嵌入流形学习预测法

考虑短期日负荷预测各时刻点之间的整体性和相关性,提出一种从整体上刻画和预测短期日负荷的新方法。将日24点负荷数据值看作一个24维数据集,从多维角度挖掘负荷复杂的变化规律,建立高维预测模型。利用流形学习理论对建立的高维模型进行有效降维,从而提取高维空间数据的固有属性和整体几何规律,揭示其蕴含的有效信息。采用局部线性嵌入法（locally linear embedding, LLE）对24维负荷数据进行非线性降维,在低维空间内进行负荷预测,再用LLE重构得到24个时刻的预测值。仿真结果表明本文提出方法相比于传统一维分量预测法精度更高、速度更快。     

基于t-SNE流形学习与快速聚类算法的光伏逆变器故障预测技术

光伏逆变器作为太阳能光伏发电系统的关键设备,其健康状态直接影响电力系统的安全与稳定。提出了一种基于t-SNE流形学习与快速聚类算法的光伏逆变器故障预测技术,将光伏逆变器集群的历史监测信号作为原始特征库,采用t-SNE降维算法提取光伏逆变器集群的主特征矩阵,基于快速聚类算法搜寻每一采样时刻的聚类中心光伏逆变器,分别计算每台逆变器在各个采样时刻的偏心距离,得到归一化的累积偏心距离矩阵,通过合理设定预警阈值,从而实现光伏逆变器故障的准确预测。最后基于设计开发的分布式光伏发电监控系统,利用采集的光伏逆变器集群的历史运行数据对算法进行了测试。结果表明,提出的光伏逆变器故障预测技术能够提前准确地预测光伏逆变器故障,有助于保障设备健康平稳运行。     

Nearly Sasak流形的半不变子流形的测地性

给出了Nearly Sasak流形的半不变子流形测地的几个充要条件．     

表情变化的三维人脸特征分析方法

三维人脸因其对光照,装扮变化的不敏感成为人脸分析和识别发展的新趋势。但极易受表情变化的影响成为三维人脸研究发展的瓶颈。针对此关键问题提出一种新的不受表情变化影响的三维人脸分析方法:1)计算三维人脸曲面的内蕴特征测地线距离,提取等距测地线来描述三维人脸曲面特征;2)利用改进的SIFT算法进行特征匹配。在具有不同表情的三维人脸深度图上的实验结果表明,该方法无需复杂的注册,表情的鲁棒性和识别效果优于传统的三维人脸分析方法。     

基于Grassmann流形的谱聚类分析算法

在标准谱聚类分析算法中,基于欧氏空间的度量不能完全反映数据集合复杂的空间分布特性,导致聚类结果不够准确。而使用流形空间能够更准确的描述数据之间的几何结构关系。在基于规范化拉普拉斯矩阵的谱聚类算法基础上,研究Grassmann流形的光滑曲面的空间表达方式,应用适合度量数据点之间距离的特性,提出基于Grassmann距离度量的改进的谱聚类分析算法,在流形空间上分析待聚类数据点之间的相似性。实验结果表明,该算法不仅能够对分布在相同或不同子空间上的数据进行有效聚类,而且能够对具有复杂几何结构的数据集合进行分析,在流形空间上进行有效聚类。     

基于相关型图像传感器的3D AAMs人脸特征自动定位

在基于相关型图像传感器（corre lation image sensor,CIS）三维人脸成像的基础上,利用由CIS得到的深度信息和与之对应的亮度信息,提出一种建立三维人脸模型的方法,将二维AAMs扩展为三维AAMs,融合人脸的形状,纹理和深度信息来构建三维人脸模型。同时,采用三维曲率对人脸特征进行初步定位来解决AAMs初始姿态参数选择问题。人脸面部定位实验证明此方法在不同人脸姿态,表情和光照条件下定位效果要优于传统的2DAAMs。     

基于人脸比例特征提取与匹配的身份鉴别

针对人脸识别身份鉴别中的小样本问题,提出基于人脸比例特征提取与匹配的身份鉴别方法。首先基于图像灰度分布统计特征方差分析为阈值对图像进行二值化处理,然后基于主动形状模型算法实现人脸检测与特征点定位,构建脸型、鼻型、眼型共7项人脸比例特征并作为身份鉴别特征向量,最后利用基于层次分析法的相似度匹配模型实现身份鉴别。在Yale和MD图像集上的测试表明,所提方法适用于复杂背景下人脸面部特征的提取和身份鉴别应用。     

基于非刚性ICP的三维人脸稠密对应算法

三维人脸稠密对应是三维人脸分析研究的前提和基础。目前大多数的稠密对应技术是基于模板形变的方式,非刚性最近点迭代（iterative closest point, ICP）是应用最为广泛的一种,该算法通过逐步形变一个高分辨率的三维人脸模板来逼近目标人脸（扫描人脸数据）。但该类方法通过牺牲边缘精度来保持边缘区域的拓扑结构,以保证人脸之间的稠密对应。针对这一问题,提出了一种结合拓扑结构损失项的非刚性ICP算法,使得保持边缘区域拓扑结构的同时不会大幅度牺牲配准精度。实验结果表明,该算法比目前广泛使用的算法配准精度更高。     

基于卷积神经网络的表情不变三维人脸识别

针对三维人脸识别中的表情问题,提出一种基于卷积神经网络的三维人脸识别方法.根据人脸先验知识,构建基于测地线距离的三维人脸特征点模型;利用该模型,提取输入三维人脸的局域Gabor特征和测地线距离特征,进而获得表情不变的人脸表述;将上述特征输入类Lenet-5卷积神经网络,获得最终的识别结果.在Facewarehouse三维人脸数据库上的实验结果表明,该方法的正确识别率达到97.60%,优于几种经典三维人脸识别方法,对表情变化均有较强的稳健性.     

基于Ghostnet轻量级人脸识别算法研究

为了提高人脸识别在嵌入式设备中的识别精度和速度,提出一种基于Ghostnet轻量级人脸识别算法—Ghostfacenet。首先,通过预设卷积生成固定数目的内在特征;针对卷积运算计算消耗大的问题,使用计算成本低廉的线性操作代替卷积运算,产生一系列与内在特征相关联的特征信息;其次,基于Ghostnet中的Ghost模块以及深度可分离卷积设计出Ghostfacenet-Bottleneck,并且由其构建出Ghostfacenet轻量级卷积神经网络;最后,联合Softmax损失函数和Arcface损失函数进一步增加人脸类内紧凑性以及类间差异,同时使得轻量级模型有更好的收敛性以及泛化能力。实验结果表明,Ghostfacenet在嵌入式设备的识别速度分别是Resnet50、Efficientnet、MobilenetV2和Mobilefacenet的11.08倍、8.57倍、2.75倍和2.82倍。在不显著降低识别性能同时能够显著提高运行效率,非常适用于资源有限的嵌入式设备中。     

基于三维视觉特征的数字手势语义识别新方法研究

为了解决现有手势识别易受背景噪声干扰和算法较为复杂的问题,提出一种基于3D视觉的数字手势语义识别方法.首先,通过RealSense 3D相机采集手部区域的RGB图像和深度图像,并结合深度信息和肤色信息,对手势进行分割;其次,对手势图像进行形态学滤波后,得到手势区域的轮廓凸包面积比、凸缺陷数、手指夹角和关键点连线比值等特...     

基于深度学习的动态手势识别方法

为了提高动态手势的识别准确率,并避免动态手势的数据预分割和后输出处理过程,设计了一种融合卷积神经网络(CNN)和双向长短时记忆(BiLSTM),引入连接主义时间分类(CTC)作为损失函数的串联型网络模型。使用CTC训练网络来判断输入流中的类标签,以完成动态手势的识别工作。在公开视频手势数据集Jester和通过Kinect自建的包含9个动态手势的数据集上进行了实验验证,结果表明提出的串联型融合网络模型在Jester上能得到较高的识别率,并且引入CTC算法用于手势识别领域是可行的,该方法高效且具有很高的识别率,对9个动态手势最好识别正确率可达98.11%。