基于机器视觉的面部微特征识别应用研究开题报告

1. 研究目的与意义

1.1课题研究背景与意义

人脸识别是一个十分活跃的研究领域。基于机器视觉和人工智能理论的人脸识别技术具有广阔的应用前景。近二十年来,人脸识别技术己取得很大进展。但识别精度仍然受到光照 、位姿、表情、时间跨度以及其它随机因素变动的困扰。进一步提高人脸识别性能的研究是一项有挑战性难度的课题,具有重要理论意义和实用价值 。

随着计算机技术和网络技术的飞速发展，计算机已深入到社会的各个领域，并深刻的改变人们的工作、学习和生活方式。信息的获取、分析、处理、发布、应用能力已经成为社会中人们的一个必备的技能。多媒体技术也在发生着日新月异的变化，包括这多媒体技术的基本概念、图像、音频、视频、动画的常用处理工具等。其中人脸检测与识别技术在计算机视觉方面也是尤为重要的，人脸检测与识别技术主要是用于身份信息的识别，也可以用来对个人的隐私信息通过识别来进行保护。计算机如今重视的方面就是对信息的阅读和控制，人脸检测与识别技术也是应运而生。

2. 研究内容和问题

1、基本内容:

针对传统图像提取算法、目标识别算法识别精度低,识别性单一,设备容量要求高,无法进行强度较高的交互而难以判断出发起人表情等问题。通过研究openpose姿态估计算法,将多个关键点设为目标,再进行多目标距离进行处理具有较高的鲁棒性。该算法改进可以对脸部进行单独编码,在人脸识别框架的基础下进行区域姿态的筛选,进而节约计算时间。通过深度学习技术针对不同的面部特征进行精确识别，达到可以对面部微表情进行研究的目的。

2.解决难题

3. 设计方案和技术路线

本课题的研究在前期则以文献综合法为主，查阅先前的研究成果，观察当下主流的识别方案，并了解他人算法设计以及构建的整体思路，做好知识储备工作对文献中的微表情识别方案进行优缺点对比，选择拟采用方案，设计相应算法，编写相应程序，最终将实验结果进行对比讨论。

1.1姿态估计算法

姿态估计算法可以分为bottom-up方法和top-down两个不同的方向。bottom-up方法的原理是先通过检测图像中的人体的关键点，然后将图像中的关键进行分配，进而分配于不同的人身上。top-down方法的原理是将人体和关键点进行分开检测，先运行一个人体检测器，此人体检测器可识别出人体，当识别到人体后，再对关键点进行检测并得出结果。

4. 研究的条件和基础

要求学生具有自控原理、图像处理的基础知识，有一定的硬件基础，熟悉编程软件，有较强的查阅资料能力。

1．具有完整图像处理，深度学习等技术资料；

2．具有python编程基础；