关彤:基于RGB-D图像的人脸姿态检测及三维重建论文

关彤:基于RGB-D图像的人脸姿态检测及三维重建论文

本文主要研究内容

作者关彤(2019)在《基于RGB-D图像的人脸姿态检测及三维重建》一文中研究指出:经颅磁刺激技术是一种利用脉冲磁场作用颅内中枢神经系统以达到治疗癫痫、儿童脑瘫等神经心理疾病的理疗手段。在经颅磁刺激治疗过程中,准确快速地检测颅内各穴位及神经区域的位姿至关重要。基于此目的,本文提出了一种联合彩色图像与深度图像的人脸姿态检测和三维重建方法。通过检测当前人脸的位姿,结合三维人脸坐标系与医学中颅骨坐标系的转换关系,指挥装有磁刺激线圈的机械手臂跟随用户头部的运动自动定位,以起到节省医疗资源和提高用户治疗体验的作用。本文的研究内容主要包括RGB-D图像预处理、人脸区域及特征点检测、三维人脸点云模型重建以及人脸姿态检测。首先,针对基于二维彩色图像的人脸姿态检测对环境、姿态敏感的问题,本文使用深度摄像机获取人脸RGB-D图像并检测人脸三维特征点,定义三维人脸坐标系;然后,使用点云配准的方法为人脸姿态实时检测阶段准备一个数据完整且精度高的三维人脸点云模型,以提高姿态检测的准确率;在姿态检测阶段,本文提出了一种人脸姿态初检测方法,通过求解待检测人脸点云与零姿态三维人脸点云模型之间三维人脸坐标系的刚体变换关系得到人脸姿态参数。由于经颅磁治疗仪还面向癫痫症患者及儿童,因此本文在人脸姿态初检测算法的基础上使用ICP算法进行点云精配准以提高用户头部运动幅度大时的姿态检测精度,使用人脸姿态初检测方法作为点云粗配准算法,可以防止ICP点云配准陷入局部最优。单轴内人脸姿态检测的绝对误差在(7)0,2~o(8)区间内,即可满足经颅磁治疗仪的临床应用标准。本文模拟经颅磁治疗仪的诊疗环境,在光源充足且光线均匀的实验室内进行人脸姿态检测实验。实验数据表明,本文提出的人脸姿态初检测算法在人脸俯仰(-60~o,30~o)、左右偏转及左右旋转各(-60~o,60~o)范围内的总平均绝对误差为1.141~o,误差最大值1.932~o,接近经颅磁允许误差的上限;但在俯仰(-40~o,20~o)、左右偏转及旋转各(-30~o,30~o)范围内,绝对误差范围为(0.8~o,1.25~o),满足一般用户的人脸姿态检测的临床需求。实验表明,点云粗配准与精配准相结合的方法可将总平均绝对误差降低至0.663~o,且最大误差仅为1.010~o,在用户头部运动幅度大时也能满足人脸姿态检测的临床需求。

Abstract

jing lu ci ci ji ji shu shi yi chong li yong mai chong ci chang zuo yong lu nei zhong shu shen jing ji tong yi da dao zhi liao dian xian 、er tong nao tan deng shen jing xin li ji bing de li liao shou duan 。zai jing lu ci ci ji zhi liao guo cheng zhong ,zhun que kuai su de jian ce lu nei ge xue wei ji shen jing ou yu de wei zi zhi guan chong yao 。ji yu ci mu de ,ben wen di chu le yi chong lian ge cai se tu xiang yu shen du tu xiang de ren lian zi tai jian ce he san wei chong jian fang fa 。tong guo jian ce dang qian ren lian de wei zi ,jie ge san wei ren lian zuo biao ji yu yi xue zhong lu gu zuo biao ji de zhuai huan guan ji ,zhi hui zhuang you ci ci ji xian juan de ji xie shou bei gen sui yong hu tou bu de yun dong zi dong ding wei ,yi qi dao jie sheng yi liao zi yuan he di gao yong hu zhi liao ti yan de zuo yong 。ben wen de yan jiu nei rong zhu yao bao gua RGB-Dtu xiang yu chu li 、ren lian ou yu ji te zheng dian jian ce 、san wei ren lian dian yun mo xing chong jian yi ji ren lian zi tai jian ce 。shou xian ,zhen dui ji yu er wei cai se tu xiang de ren lian zi tai jian ce dui huan jing 、zi tai min gan de wen ti ,ben wen shi yong shen du she xiang ji huo qu ren lian RGB-Dtu xiang bing jian ce ren lian san wei te zheng dian ,ding yi san wei ren lian zuo biao ji ;ran hou ,shi yong dian yun pei zhun de fang fa wei ren lian zi tai shi shi jian ce jie duan zhun bei yi ge shu ju wan zheng ju jing du gao de san wei ren lian dian yun mo xing ,yi di gao zi tai jian ce de zhun que lv ;zai zi tai jian ce jie duan ,ben wen di chu le yi chong ren lian zi tai chu jian ce fang fa ,tong guo qiu jie dai jian ce ren lian dian yun yu ling zi tai san wei ren lian dian yun mo xing zhi jian san wei ren lian zuo biao ji de gang ti bian huan guan ji de dao ren lian zi tai can shu 。you yu jing lu ci zhi liao yi hai mian xiang dian xian zheng huan zhe ji er tong ,yin ci ben wen zai ren lian zi tai chu jian ce suan fa de ji chu shang shi yong ICPsuan fa jin hang dian yun jing pei zhun yi di gao yong hu tou bu yun dong fu du da shi de zi tai jian ce jing du ,shi yong ren lian zi tai chu jian ce fang fa zuo wei dian yun cu pei zhun suan fa ,ke yi fang zhi ICPdian yun pei zhun xian ru ju bu zui you 。chan zhou nei ren lian zi tai jian ce de jue dui wu cha zai (7)0,2~o(8)ou jian nei ,ji ke man zu jing lu ci zhi liao yi de lin chuang ying yong biao zhun 。ben wen mo ni jing lu ci zhi liao yi de zhen liao huan jing ,zai guang yuan chong zu ju guang xian jun yun de shi yan shi nei jin hang ren lian zi tai jian ce shi yan 。shi yan shu ju biao ming ,ben wen di chu de ren lian zi tai chu jian ce suan fa zai ren lian fu yang (-60~o,30~o)、zuo you pian zhuai ji zuo you xuan zhuai ge (-60~o,60~o)fan wei nei de zong ping jun jue dui wu cha wei 1.141~o,wu cha zui da zhi 1.932~o,jie jin jing lu ci yun hu wu cha de shang xian ;dan zai fu yang (-40~o,20~o)、zuo you pian zhuai ji xuan zhuai ge (-30~o,30~o)fan wei nei ,jue dui wu cha fan wei wei (0.8~o,1.25~o),man zu yi ban yong hu de ren lian zi tai jian ce de lin chuang xu qiu 。shi yan biao ming ,dian yun cu pei zhun yu jing pei zhun xiang jie ge de fang fa ke jiang zong ping jun jue dui wu cha jiang di zhi 0.663~o,ju zui da wu cha jin wei 1.010~o,zai yong hu tou bu yun dong fu du da shi ye neng man zu ren lian zi tai jian ce de lin chuang xu qiu 。

论文参考文献

  • [1].基于曲面局部纹理特征的三维人脸识别[D]. 雷超.合肥工业大学2019
  • [2].基于费莱纳几何特征的三维人脸识别研究[D]. 石彪.合肥工业大学2019
  • [3].基于运动捕捉的三维人脸表情合成研究[D]. 竹可鉴.西北民族大学2019
  • [4].基于正面图像的三维人脸快速重建技术研究与应用[D]. 黄萍.厦门大学2018
  • [5].基于meshSIFT特征和卷积神经网络的三维人脸识别[D]. 马建坤.深圳大学2018
  • [6].基于卷积神经网络的单视图三维人脸重建技术研究[D]. 陈珂.武汉理工大学2018
  • [7].三维人脸表示及其应用[D]. 吴潜溢.中国科学技术大学2019
  • [8].三维人脸姿势表情校正研究[D]. 王钱庆.天津理工大学2019
  • [9].基于卷积神经网络的三维人脸识别研究[D]. 武智.中国科学技术大学2019
  • [10].基于CNN的有遮挡三维人脸重建算法的研究[D]. 张文东.辽宁大学2018
  • 读者推荐
  • [1].基于深度学习的视觉三维重建研究[D]. 刘立强.北方工业大学2019
  • [2].基于RGB-D传感器室内场景三维重建关键技术研究[D]. 苑立彬.北京邮电大学2019
  • [3].基于CNN的双目立体视觉三维实时重建算法研究[D]. 岳志强.沈阳工业大学2019
  • [4].基于深度图的三维重建算法的优化研究[D]. 闫冰.浙江大学2019
  • [5].基于双目立体视觉三维人脸重建及识别方法的研究[D]. 孟燕华.哈尔滨理工大学2019
  • [6].双目视觉三维测量技术研究与应用[D]. 周科杰.中国科学院大学(中国科学院光电技术研究所)2019
  • [7].基于点云数据的案件现场三维重建方法研究[D]. 姜子鹏.中国人民公安大学2019
  • [8].基于单图像的三维几何特征识别方法的研究与应用[D]. 苗绘翠.山东师范大学2019
  • [9].基于卷积神经网络的三维人脸识别研究[D]. 武智.中国科学技术大学2019
  • [10].基于人工神经网络的三维重建优化算法研究[D]. 徐建鹏.中国人民公安大学2019
  • 论文详细介绍

    论文作者分别是来自沈阳工业大学的关彤,发表于刊物沈阳工业大学2019-07-11论文,是一篇关于图像论文,三维人脸坐标系论文,人脸姿态检测论文,人脸三维重建论文,点云配准论文,沈阳工业大学2019-07-11论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自沈阳工业大学2019-07-11论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  ;  

    关彤:基于RGB-D图像的人脸姿态检测及三维重建论文
    下载Doc文档

    猜你喜欢