面部运动单元检测研究综述

面部运动单元检测旨在让计算机从给定的人脸图像或视频中自动检测需要关注的运动单元目标。经过二十多年的研究，尤其是近年来越来越多的面部运动单元数据库的建立和深度学习的兴起，面部运动单元检测技术发展迅速。首先，阐述了面部运动单元的基本概念，介绍了已有的常用面部运动单元检测数据库，概括了包括预处理、特征提取、分类器学习等步骤在内的传统检测方法；然后针对区域学习、面部运动单元关联学习、弱监督学习等几个关键研究方向进行了系统性的回顾梳理与分析；最后讨论了目前面部运动单元检测研究存在的不足以及未来潜在的发展方向。     

面部“扫清”先锋

面色暗黄食疗方 番茄、黄瓜、柠檬、鲜玫瑰花瓣各适量，洗净后合在一起榨压取汁，再加入蜂蜜，不拘时间随时饮用。番茄、黄瓜富含维生素C和谷胱甘肽(有谷氨酸、半胱氨酸、甘氨酸组成的一种肽，对活化人体的某些生物酶和对生物学上的氧化还原过程起着重要作用)，柠檬富含柠檬酸，常饮此汁可促进皮肤代谢，消除色素沉着，使肌肤变得细腻白嫩。此方对代谢功能紊乱引起的面色暗黄较为有效。面色蜡黄食疗方     

Facial detection and location based on skin color and eye characteristic

This paper comes true a system of facial detection and location. Firstly, it realizes the facial detection of candidate region used skin color for the given image, and considers the influence of similar skin. Secondly, it realizes the location for eye region used the gray characteristic of eye and correction of central measurement, and makes further selection for facial candidate region. The end, it normalizes the facial image and makes it as front standard image, so realizes the facial characteristic location.     

手势操作再升级AMD APU 创新应用全接触

<正>近年来人们在使用笔记本电脑时不仅仅需要强劲的性能,同时还希望获得更丰富的操作体验,所以单纯提升CPU和GPU的性能已经不能够适应时下用户的需求,于是AMD作为全球顶级半导体芯片厂商,在2014全新Kaveri APU中加入了不少令人兴奋的新体验。AMD全新一代Kaveri APU是自APU诞生以来的第三代产品,首次使用GCN架构GPU核心,同时也是首款实现了CPU与GPU统一寻址的APU,让HSA异构运算上升到     

新程序分析全家福照片可识别遗传疾病

正英国研究人员开发出一种计算机程序,可以学会通过分析普通数码照片的面部来识别罕见病情。如果它的数据库中的多组照片共同拥有特定的面部特征,它甚至能够由此确定未知的遗传性疾病。由牛津大学的克里斯托弗·内拉克和安德鲁·齐默曼的团队研发的这款软件,能够帮助医生作出初步诊断。据《新科学家》杂志网站近日报道,为了训练这个系统,研究人员将8类遗传性疾病患者的1363张公开照片输入计算机视觉算法中,计算机学会了利用每张照片的36个面部特征,比如眼睛、眉     

基于眼部特征的驾驶员疲劳检测方法研究

随着汽车保有量的持续增加,随之而来的交通事故也持续增长,大部分的交通事故是由疲劳驾驶引起的.因此研究出一种能够有效检测驾驶员疲劳的方法具有重要意义.论文主要研究了基于级联的Adaboost驾驶员面部检测算法,在检测到人脸的基础上运用SDM算法进行人脸特征点定位,然后根据PERCLOS原理来判断驾驶员是否疲劳,实验表明该方法能够准确地检测驾驶员的疲劳状态.     

人脸的民族特征抽取及其识别

人脸的民族特征是人脸信息描述的重要特征之一.首先构建了中国多民族人脸数据库,利用人脸识别技术提取民族面部特征和民族识别.在特征抽取方法中,采集人脸中的代数特征和几何特征,采用LDA(线性判别分析)算法提取人脸图像的代数特征.还构建了能够抽取人脸几何特征的弹性模板,并利用Gabor小波进行特征点定位.实验采用KNN和C5.0分别学习训练集中的代数特征和几何特征,并对测试集进行预测分类.实验结果表明,利用代数特征方法和几何特征方法对藏族、维吾尔族、壮族3个民族的平均识别准确率分别达到79%和90.95%.     

基于肤色特征的人脸检测算法的研究

通过对比面部识别技术的各种算法,本文重点研究了基于肤色特征的人脸检测算法。首先通过两种方法实现人脸的区域分割：基于相似度的方法和基于皮肤区域、头发区域的方法。前者通过相似度计算、二值化之后标记出人脸区域,后者利用颜色来检测人脸区域。人脸区域检测完毕之后再对其进行人脸特征的标注,最终实现面部检测。     

An FPGA-based face recognition using combined 5/3 DWT with PCA methods

This paper describes a new scheme for feature extraction from facial images on FPGA. The proposed method is comprised of two stages. The first stage uses the 5/3 DWT to decompose the original face image into LL, LH, HL, and HH wavelet coefficient to reduce the size of the image. In the second stage, PCA is employed to extract the face features from the wavelet coefficients. Here we use the power iteration algorithm to find the eigenvector of the covariance matrix. We present an efficient hardware architecture using combination of parallel processing module and serial processing module. This method can take the benefits of parallel usage advantage of FPGAs and can save hardware resources. Complete hardware implemented on a Stratix II FPGA. The experimental results show that the system works with high processing rate and only 21% of the logic resources an FPGA are consumed by face recognition logic Thus it is very suitable for the low cost implementation of the face recognition system.