菜单
  

    目前,对人脸的品质评估可大致分为主观评价和客观评价[22],其中,主观评价 方式需要人工对采集图像进行主观判断,这种方式虽然可以有效利用人类的视觉提升

    准确率,但由于人工操作的局限性,主观评价显然在许多场合并不适应,相比之下, 自动化的客观评价效率更高,因此,实际评估时多采用客观评价,目前的研究方向也 多集中于此。 

    针对客观评价,国际上对于评价所用图像已有成文规定,如国际化组织在 2005 年 通过的 ISO/IEC 19794-5 标准。其中对图像的大小,清晰度,对比度,拍摄方式,拍 摄时的光源位置与光照条件,拍摄对象穿戴,表情,姿态等都做了详细的要求。针对 这些要求,研究人员们提出了多种品质评估的方式。 68525

    很多研究者使用了光照归一化的方式来提高准确率[18],[19],但是在图像光照 条件良好的情况下,对图像进行光照归一化可能会导致新的不精确出现[11]。因此, 研究者试图通过某些量化的能客观体现图像品质的指标,对图像的品质进行评估,以 决定是否对其进行归一化,在 Sellahewa 和 Jassim 的研究中[12],[13],他们通过 对基于小波的方案应用基于品质的自适应方法,引入普通品质指数,全局品质指数, 局部品质指数等参数,来衡量一幅图像在某个或多个特定方面的品质,从而决定是否 应该对该图像进行光照归一化。其实验结果向我们证明了,在考虑到图像本身的光照 条件的情况下来决定是否归一化,会得到比传统的光照归一化更好的效果和更高的精 确度。 而对姿态和表情的处理则是更加复杂的一个问题,在采集的图像中,采集对象 的姿态,眼睛和嘴巴的开合,都会影响图像的品质,从而影响精确度,相比光照的量 化指标数量论文网,对姿态和表情的处理涉及到的因素更多,因此所需的指标也更多,在[17] 中,Long 等研究人员采用分析嘴唇,上下眼皮间距离,以及双眼距离等方法,判断人 的表情状态及头部姿态,得出量化的品质指标,并与光照等其它品质指标综合,从而 对图像品质做出评估。这种针对距离上的几何特征的评估方式也是目前比较常用且容 易实现的对姿态的评估方式之一。 

    参 考 文 献

     

    [1] Turk, Matthew, and Alex Pentland. "Eigenfaces for recognition." Journal of cognitive neuroscience 3(1), 1991: 71-86.  

    [2] Belhumeur, Peter N., João P. Hespanha, and David Kriegman. "Eigenfaces vs. fisherfaces: Recognition using  class specific linear projection.", IEEE Trans.Pattern Analysis and Machine Intelligence,19(7), 1997: 711-720.  

    [3] Kearns, Michael, and Leslie Valiant. "Cryptographic limitations on learning Boolean formulae and finite automata." Journal of the ACM (JACM) 41(1), 1994: 67-95.  

    [4] Freund, Yoav, and Robert E. Schapire. "A desicion-theoretic generalization of on-line learning and an application to boosting." Computational learning theory. Springer Berlin Heidelberg, 1995. 

    [5] P. Viola, M. Jones. Rapid object detection using a boosted cascade of simple features[C]. In Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1(1), 2001: 511-518.  

    [6] P.Viola,and M.J.Jones, “ Robust real-time face detection, ” International Journal of Computer Vision, 57(2), May, 2004: 137- 154.  

    [7] Georghiades, Athinodoros S., Peter N. Belhumeur, and David Kriegman. "From few to many: Illumination cone models for face recognition under variable lighting and pose." IEEE Trans.Pattern Analysis and Machine Intelligence, 23(6), 2001: 643-660.  

  1. 上一篇:电商评论的数据挖掘技术国内外研究现状
  2. 下一篇:脉冲测量技术研究现状综述
  1. 国内外对茉莉精油的研究现状

  2. 国内外擦窗机器人研究现状

  3. 国内外换刀机器人研究现状综述

  4. 国内外码垛机器人的研究现状

  5. 排爆机器人国内外发展历史与研究现状

  6. 汽车驾驶机器人机械腿的研究现状和参考文献

  7. 驾驶机器人的国外研究现状状况

  8. 杂拟谷盗体内共生菌沃尔...

  9. 乳业同业并购式全产业链...

  10. 电站锅炉暖风器设计任务书

  11. 大众媒体对公共政策制定的影响

  12. 酸性水汽提装置总汽提塔设计+CAD图纸

  13. 中考体育项目与体育教学合理结合的研究

  14. 当代大学生慈善意识研究+文献综述

  15. 十二层带中心支撑钢结构...

  16. java+mysql车辆管理系统的设计+源代码

  17. 河岸冲刷和泥沙淤积的监测国内外研究现状

  

About

751论文网手机版...

主页:http://www.751com.cn

关闭返回