《識別人臉的技術》閱讀答案

《識別人臉的技術》閱讀答案篇一：人臉識別主要技術特征人臉識別主要技術特征一、人臉識別算法：人E-Learning課后答案時代光華《E-Learning技術》課后答案課程學習????課程評估課后測試課后測試如果您對課程內容還沒有完全掌握，可以點擊這里再次觀1.E-Learning應用平臺的核心是：√ABCD知識管理系統(tǒng)學習社區(qū)考試系統(tǒng)學習管理D2.ABCDB3.下列選項中，不屬于學習技術體系基礎設施的是：√ABCE-LearningD網絡正確答案：C4.在線考試系統(tǒng)題庫的公共標準是：√AQTIBSCORMCISODGB/TA多選題5.學習管理系ABHRCDABCD6.A/BCDABCD7.A√CD能夠滿足語音、視頻、PPT講義、文字等的同步交流正確答案：ABD判斷題8.人力資源管9.10.會議型的虛擬教室系統(tǒng)以授課為主，屬于典型的課堂型結構。此種說法：正確錯誤正確答案：錯誤√篇三：人臉識別技術綜述作業(yè)人12/表情的人臉識別這是人臉34、三維人臉識別為1.2.人臉的規(guī)范化：校3.4.果存在人臉,則進一步的給出每個人臉的位置、大小和各個主要面部器官的位置信息,并依據(jù)這些信息,進一步提取每個人臉中所蘊含的身份特征,并將其與已知人臉庫中的人臉進行對比,從而識別每個人臉的身份。人臉識別的過程可以分為以下三個部分:1)人臉檢測:判斷輸入圖像中是否存在人臉,如果有,給出每個人臉的位置,大小;2)面部特征定位:對找到的每個人臉,檢測其主要器官的位置和形狀等信息;3)人臉比對:根據(jù)面部特征定位的結果,與庫中人臉對比,判斷該人臉的身份信息。2.1人臉的檢測和定位2.1.1人臉的色彩特性研究發(fā)現(xiàn)雖然不同種族的膚色差異較大但在色彩空間中的分布相對集中因此可以充分利用皮膚的色彩特點進行臉部膚色和五官的分割 .這種膚色的分布服從高斯分布N(m,C)，其中：均值(Mean):m=E{x}，x=(rb)T，協(xié)方差(Covariance):C=E{(x–m)(x–m)T}.由高斯分布可得到圖像中任一像素的值為膚色的概率Likelihood[3]，如下式所示.2.1.2彩色圖轉化為灰度圖根據(jù)(1)可將原彩色圖轉化為灰度圖.灰度圖中的像素值表示該像素為膚色的概率.灰度圖中膚色區(qū)域和非膚色區(qū)域存在著明顯的差異，膚色區(qū)域要亮一些.2.1.3灰度圖轉化為二值圖膚色區(qū)域和非膚色區(qū)域存在著明顯的差異，因此可以用閾值法去除非膚色區(qū)域.由于固定閾值法不適用于色彩差異較大的各種人臉圖像，因此采用自適應閾值選取法來獲取最優(yōu)閾值.自適應閾值選取法的原理如下：隨著閾值的逐步減小，觀察分割出的區(qū)域數(shù)目的增加情況.雖然這種增加速度有逐漸減緩的趨勢但當閾值取到一個很小值以至于部分非膚色區(qū)域被保留下來時分割出的區(qū)域數(shù)目會產生一個跳變，此時的閾值即為最優(yōu)閾值.用該閾值對灰度圖做二值化處理，即:其中，gi(x,y)為灰度圖中的像素值，T為自適應閾值選取的最優(yōu)閾值.經過上述處理后，得到一幅二值圖.2.1.4判斷保留下的各個區(qū)域是否是人臉區(qū)域首先計算該區(qū)域的歐拉數(shù)Ｅ＝Ｃ－Ｈ，其中Ｃ為區(qū)域連通數(shù)，Ｈ為洞的數(shù)目，對于人臉而言，Ｅ應大于１.然后根據(jù)歐拉數(shù)E判斷區(qū)域中是否存在洞若是則根據(jù)下列公式計算矩質心和傾角.再利用人臉的幾何特性進一步判斷計算區(qū)域的長寬若長寬比過大則丟棄將標準人臉模板和區(qū)域重合計算十字相關性.若關聯(lián)性大于一個即定值，則該區(qū)域為人臉.2.2人臉特征提取2.2.1利用小波多分辨特性對人臉做降維表達對人臉圖像做一階小波分解,再對高頻圖做積分投影.圖像積分投影定義如下給定N×M大小的圖像H(y)V(x)，圖像區(qū)域為＜y＜y2＝：2.2.2確定人臉帶區(qū)在垂直細節(jié)圖作積分投影，得到積分投影函V(x2.2.3特征基線確定在人臉外接帶區(qū)范圍內，對水平細節(jié)圖作水平積分投影，得到H(y).在眼睛、鼻子、嘴的位置附近，小波系數(shù)的值比較大，尋找H(y)中極值點，它們分別對應眼睛、鼻子和嘴的基線.對水平細節(jié)圖中基線的區(qū)域分別進行垂直積分投影、檢測結果、確定基線.眼睛基線附近應得到兩個突起的峰值，鼻子和嘴根據(jù)人臉的形狀，一般確定人臉的長寬比大約為1.5：1，將人臉的上下基線定義為與鼻子的基線等距.2.2.4基于特征基線提取特征眼：在眼睛基線附近做邊沿檢測，對檢測結果做水平投影，確定眼睛的范圍.做垂直投影，對區(qū)域中的黑點進行區(qū)域膨脹.取黑點的均值作為瞳孔的位置.鼻子：設兩眼瞳距為1，在雙眼下方(0.7,1)范圍內尋找顏色較深的區(qū)域即鼻孔.兩鼻孔的1/2處的亮度最2.3.BP神經網絡是應用較為廣泛的一種特征提取和對比方法.例如，可將標準化后人臉圖像各點的灰度值作為特征提取網絡的輸入，其隱層輸出作為識別網絡的輸入.識別網絡的期望輸出為賦予每個人的標識號.每人多張照片參加訓練，根據(jù)訓練人數(shù)的多少，