导读:本文包含了特征点检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,边缘,车道,疲劳,卷积,图像,视距。
特征点检测论文文献综述
朱超,吴素萍[1]（2019）在《并行Harris特征点检测算法》一文中研究指出针对叁维重建大数据量问题中的特征点提取算法,存在运算量大、耗时多、效率低等问题,文中对Harris特征点检测算法进行改进,提出了基于OpenMP的多核CPU和基于CUDA及OpenCL框架的GPU下的Harris特征点检测并行算法。在不同实验平台进行对比实验,实验结果表明,基于CUDA及OpenCL框架的GPU并行特征点检测算法具有良好的数据和平台可扩展性,基于GPU并行特征点检测算法的加速比最高可达91.19,加速效果显着。基于OpenMP的多核CPU特征点检测算法具有良好的多核可扩展性。(本文来源于《计算机科学》期刊2019年S2期）
徐慧,朱振洋,肖颖健,王海雷[2]（2019）在《基于人脸多特征点的疲劳驾驶检测与应用》一文中研究指出针对疲劳驾驶的监测问题,文中提出了一种基于人脸检测和人脸多特征点提取的疲劳程度评估算法。该算法对人脸眨眼、打哈欠,瞌睡点头等疲劳行为识别,并根据疲劳行为发生的频率进行综合疲劳评估,从而在移动终端实现对疲劳驾驶行为的实时监测和语音提醒。(本文来源于《中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集》期刊2019-11-07）
孟笑天,徐艳蕾,王新东,何润,翟钰婷[3]（2020）在《基于改进K均值特征点聚类算法的作物行检测》一文中研究指出精准施药是现代精准农业发展不可或缺的一部分,而准确地提取作物行是进行精准施药的关键环节。为此,以苗期的玉米为研究对象,提出一种基于改进K均值特征点聚类算法的作物行检测方法。该方法根据距离函数最值关系求出最佳聚类数目,再依据点密度大小和邻域半径确定初始聚类中心,减少了迭代次数,提高了算法的执行效率和划分效果。首先,采用改进的超绿法(1.27G-R-B)进行灰度化和Otsu方法进行二值化,得到作物行的二值图像;然后,利用左右边缘中间线算法提取作物行特征点;最后,采用改进K均值算法和最小二乘法对作物行中心线特征点进行聚类和直线拟合。试验数据表明:提出的改进K均值特征点聚类算法识别效果好,精确度高,可为精准施药提供理论依据。(本文来源于《农机化研究》期刊2020年08期）
刘源,周聪玲,刘永才,王永强[4]（2019）在《基于边缘特征点聚类的车道线检测》一文中研究指出针对复杂的道路工况及实时性的需求,提出了一种基于边缘特征点聚类的车道线检测方法。首先结合车道线边缘的梯度分布和灰度分布提取边缘特征点;然后依据车道线特征点的连续性和梯度方向的一致性进行特征点聚类得到离散区域,并通过衡量各区域之间的相似度进行区域聚类;最后选出最优类内的点进行拟合。在多种环境的道路场景下对该车道线检测方法进行验证,验证结果表明,该方法检测速度快、鲁棒性强,有助于实际工程应用下的车道偏离预警系统的研究。(本文来源于《科学技术与工程》期刊2019年27期）
赵威驰,赵其杰,江俊晔,卢建霞[5]（2019）在《基于沙漏网络的人脸面部特征点检测》一文中研究指出针对头部姿态变化较大、脸部遮挡等情况下,由面部特征类型多样和尺度不同造成的面部特征点检测准确度较低的问题,提出了一种面部分组特征线条化和点热图回归相结合的人脸特征点检测方法,并设计了两段式堆迭沙漏网络深度学习模型来实现图像特征分析与特征点定位。利用提出的方法开发了检测算法,并利用该领域几个典型的公共图像数据集,将所提方法与其他方法进行实验对比。结果表明,提出的方法可以适应姿态变化和脸部部分遮挡的应用,相比其他方法,具有检测误差较小、人脸面部特征点检测准确度较高的优势。(本文来源于《光学学报》期刊2019年11期）
吴丽娜,邱钧,刘畅[6]（2019）在《RGB-D图像叁维特征点的保结构检测方法》一文中研究指出针对颜色-深度图像(RGB-D)特征融合困难、联合识别效率低的问题,提出了一种叁维特征点的保结构检测方法,为图像配准、叁维重建、目标识别与分类等问题提供稳定特征点.该方法利用透视投影在二维像平面上描述物点,建立了物点的叁维保结构模型.基于扩散方程和尺度空间的联系,利用有限差分法将深度信息融入尺度空间中,给出了RGB-D尺度空间的一种表示方法.依据特征点与高斯拉普拉斯函数极值的对应关系,在RGB-D尺度空间上检测极值,获取了图像的保结构叁维特征点.实验结果表明,与二维尺度不变特征转换(Scale-Invariant Feature Transform,SIFT)方法相比,RGB-D图像叁维特征点的保结构检测方法有效融合了物体表面的颜色和结构信息,能够检测并匹配更多的图像特征点.(本文来源于《中北大学学报(自然科学版)》期刊2019年05期）
李亭,赖延年,方腾源,袁天宇,刘永涛[7]（2019）在《基于特征点提取技术的车辆行车视距检测算法研究》一文中研究指出为了提高弯道行车视距检测的有效性,采用中值滤波及Sobel算子对道路图像进行车道线边缘提取,接着对图像进行二值化处理,基于车道标识线固有特征对车道标识线进行筛选并提取计算行车视距所需要特征点的坐标值,然后利用小孔成像原理建立驾驶员行车视距测距模型。为验证本研究所提出算法的正确性及有效性,设计并实施了道路图像行车视距离线测算实验,通过对比实验数据可以得出:所提出的行车视距检测模型绝对误差平均值为1. 3 m,相对误差平均值为5. 3%,能够较好地为车辆辅助驾驶系统的行车视距功能开发提供算法支撑,提高车辆弯道行车的安全性。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年07期）
张衡,马明栋,王得玉[8]（2019）在《基于级联卷积网络的人脸特征点检测》一文中研究指出人脸特征点检测是人脸识别和分析领域的关键步骤,同时也是人脸表情识别、头部姿态估计、人脸身份鉴定等相关技术的基础。由于脸部姿势和表情的不断变化以及遮挡问题的存在,人脸特征点检测依旧是一个具有挑战性的难题。文中提出用由粗到精的多任务级联神经网络模型来提升人脸检测和特征点定位的精度,使模型具有更好的鲁棒性。整个网络框架采用叁阶段级联网络,由粗到精的检测人脸和定位特征点位置。首先采用脸部校正方法预处理人脸图片,主要是校正人脸偏转角度;然后使用两个小型网络来预测人脸框及定位人脸特征点;最后根据网络预测的特征点位置,对局部区域进行裁剪,然后再对局部区域预测单个特征点,使得特征点的定位更加准确。为了更好地评估文中提出的方法,在AFW、 AFLW等数据集上做了对照实验,相比较TCNN网络模型,文中方法在AFW中错误率降低了1.19%,在AFLW中错误率降低了0.8%。(本文来源于《南京邮电大学学报(自然科学版)》期刊2019年03期）
王俊超[9]（2019）在《图像特征点的快速检测与匹配方法研究》一文中研究指出特征点检测和匹配技术在图像拼接、叁维重建、机器人导航等多个研究领域中有着广泛应用。因此,本文围绕特征点检测方法、特征描述与匹配策略等问题展开研究。具体研究工作如下:(1)为了提升Shi-Tomasi算法检测结果的准确性,加快计算速度,提出一种基于网格化模型的Shi-Tomasi特征点检测算法。该方法利用HSV颜色空间的明度通道使对比度更加明显。采用Laplacian算子提取图像边缘信息特征,过滤掉无效特征值计算。然后将图像进行网格化分块,采用Shi-Tomasi算法计算每块图像的局部阈值,减少噪声干扰,并结合OpenMP并行化技术进行加速处理。最后将分块检测的特征点进行整合,完成特征点检测。实验中将本方法与Shi-Tomasi和其它叁种算法做对比,结果表明本方法具有更高的检测精度和速度。(2)为了强化GMS算法的细匹配约束条件,提高配准结果的精度,提出一种基于特征一致性的GMS匹配算法。该方法引入特征一致性约束条件,利用正确匹配对具有相同运动趋势,且存在一对一关系的特性,优化GMS匹配模型。并在此基础上,将旋转不变性的rBrief特征描述符和改进的GMS模型相结合,获得具有—对一关系的匹配对,降低细匹配阶段的误匹配率,完成特征匹配。实验结果表明,本方法与GMS以及其它匹配算法相比较,特征点的配准精度有所提升。(3)为了实现基于特征点的图像拼接,提出一种基于分块检测与运动约束相融合的拼接方法。将分块检测、特征约束条件和像素点距离融合方法融合到拼接框架中。首先根据分块图像采用Shi-Tomasi检测算法检测图像特征点。然后,根据特征点的运动约束条件,过滤掉粗匹配结果中的误匹配对。最后,利用细匹配对估计出图像变换关系,并采用像素点距离融合方法进行拼接。该方法加快了拼接速度,提升了准确性。(本文来源于《西安科技大学》期刊2019-06-01）
王硕[10]（2019）在《AR应用场景下的人脸特征点检测》一文中研究指出人脸信息作为一种重要的生物识别特征,在学术界和工业界一直都被广泛关注和使用。近年来,计算机视觉领域在较高理论水平的基础上,硬件水平也得到迅猛发展,使得人脸检测以及更精细化的人脸特征点检测的速度和准确率也迅速提升。基于面部的增强现实应用以注册的面部信息为基础,在真实场景下的面部信息上利用相关技术迭加虚拟效果,其中人脸特征点检测是拟合过程中重要的研究基础,这一领域在现有应用中也有人脸化妆等诸多场景。当前,人脸特征点检测算法的定位精度、效率以及拟合实现效果等仍需提升,无论是电商销售平台的试戴效果还是美颜相机中的化妆效果,都需要逐步实现从约束条件到无约束条件的过渡。因此本文针对具有头部姿态、人脸表情变化较大和背景复杂等特性的面部增强现实应用场景进行分析和研究,完成具体到“影视剧替身”这一场景的实现效果。在详细分析这一场景特性的基础上,本文的主要工作有以下两方面:1.提出了一种基于级联回归框架改进的方法——CPR-LADF算法,解决人脸特征点检测算法输出结果受头部姿态变化和复杂背景的影响较大的问题,提升了算法的鲁棒性并在一定程度上提高了算法速度。在提取特征的过程中,本文采用了一种像素差特征的变体特征,该特征相对于像素差特征更加稳定,在头部姿态和人脸表情变化较大时,相对比于其他基于级联回归框架的FPS3000等算法有更好的输出结果;在训练随机森林模型的过程中,本文以3-6个特征点为顶点组成局域,在局域内随机选择参考点求其均值,再将均值做差作为分裂特征,对每个特征点建立随机森林,通过多次迭代输出每一阶段的人脸形变量,逐步优化随机森林模型,然后利用全局线性回归和多模型融合获取输出结果,最终准确定位人脸特征点。2.实现了“影视剧替身”应用场景的AR效果通过上述算法的改进增强了无约束条件下的人脸特征点的检测效果,在具有复杂背景等特性的“影视剧替身”场景下实验了AR换脸效果,该研究成果能够较好的实现虚实融合的效果,这在一定程度上开拓了影视剧行业现存问题的解决思路,例如明星出场费过高、制作成本分配不合理等等。同时也可以带给用户更佳的观影体验,有较大的深入研究和应用价值。最后本文给出了实验方案并进行分析,本文改进的人脸特征点检测算法在算法鲁棒性和检测速度上都有一定程度的提升,同时对于无约束的基于面部信息的增强现实应用来说也有一定的促进作用。(本文来源于《吉林大学》期刊2019-05-01）
特征点检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对疲劳驾驶的监测问题,文中提出了一种基于人脸检测和人脸多特征点提取的疲劳程度评估算法。该算法对人脸眨眼、打哈欠,瞌睡点头等疲劳行为识别,并根据疲劳行为发生的频率进行综合疲劳评估,从而在移动终端实现对疲劳驾驶行为的实时监测和语音提醒。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
特征点检测论文参考文献
[1].朱超,吴素萍.并行Harris特征点检测算法[J].计算机科学.2019
[2].徐慧,朱振洋,肖颖健,王海雷.基于人脸多特征点的疲劳驾驶检测与应用[C].中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集.2019
[3].孟笑天,徐艳蕾,王新东,何润,翟钰婷.基于改进K均值特征点聚类算法的作物行检测[J].农机化研究.2020
[4].刘源,周聪玲,刘永才,王永强.基于边缘特征点聚类的车道线检测[J].科学技术与工程.2019
[5].赵威驰,赵其杰,江俊晔,卢建霞.基于沙漏网络的人脸面部特征点检测[J].光学学报.2019
[6].吴丽娜,邱钧,刘畅.RGB-D图像叁维特征点的保结构检测方法[J].中北大学学报(自然科学版).2019
[7].李亭,赖延年,方腾源,袁天宇,刘永涛.基于特征点提取技术的车辆行车视距检测算法研究[J].重庆理工大学学报(自然科学).2019
[8].张衡,马明栋,王得玉.基于级联卷积网络的人脸特征点检测[J].南京邮电大学学报(自然科学版).2019
[9].王俊超.图像特征点的快速检测与匹配方法研究[D].西安科技大学.2019
[10].王硕.AR应用场景下的人脸特征点检测[D].吉林大学.2019
论文知识图
