基于年龄段参考编码框架的年龄估计开题报告

2021-12-12 14:14:03

1. 研究目的与意义及国内外研究现状

目的：

（1）通过完成毕业设计，熟练掌握c 和matlab编程语言，了解数字图像处理，计算机视觉与模式识别的典型算法，能够完成识别任务中的特征提取和分类工作。

（2）对给定包含人脸的图片估计出其年龄大小

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

2. 研究的基本内容

本文提出了一个年龄估计的新方法——基于年龄段参考编码框架（age groups reference coding，agrc）的年龄估计。

本文利用联合级联人脸检测与配准算法（joint cascade face detection and alignment，jda）进行人脸检测，检测出人脸并得到5个特征点，在这5个特征点的基础上利用时空级联形状回归的人脸形状跟踪算法（spatio-temporal cascade shape regression，stcsr），进行人脸配准，并提取出27个特征点，在所得关键点周围利用用hd-lbp算法提取特征，并用主成分分析对特征进行降维，在carc框架的基础上提出agrc框架，该框架用于从降维的特征中提取出青年、中年、老年三个特征，并使得每个特征内部的特征差异尽可能减小，特征与特征之间的差异趋于明显，提高年龄识别的准确率。

最后使用线性支持向量机（linear support vector machine，linsvm）根据agrc框架下提取的三个阶段的年龄特征估计人脸图片的年龄。

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

3. 实施方案、进度安排及预期效果

实行方案：

该目标识别系统环境windows 10（64位），开发环境是visual studio 2015，matlab2015，opencv3,liblinear 1.51，整个程序用c 和matlab完成系统架构与算法的设计实现。

实行进度：

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

4. 参考文献

[1]Jain A.K., Hong L.,Pankanti S. Biometric: Promising Frontiers for Emerging Identification Market[J].Communications of ACM,2:91-98, 2002.

[2]A.C.Little, B. C. Jones, and L. M. DeBruine. The many faces of research on face perception. Philosophical Transactions of the Royal Society B; Biological Sciences,366(1579);1634-1637,2011.

[3]M.Rhodes. Age estimation of faces: A review. Applied Cognitive Psychology,23(1):38-59,1995.

[4]Y.Fu, G Guo,and T Huang. Age synthesis and estimation via faces: A survey .IEEE Trans.PAMI,32(11):1955-1976,Nov.2010.

[5]X. Geng, Z.-H. Zhou, Y. Zhang, G. Li, and H. Dai. Learning from facial aging patterns for automatic age estimation. In ACM MM, pages 307–316, 2006.

[6]A. Lanitis, C. Draganova, and C. Christodoulou. Compar- ing different classifiers for automatic age estimation. IEEE Transaction on Systems, Man, and Cybernetics, Part B: Cy- bernetics, 34(1):621–628, 2004.

[7]A. Lanitis, C. J. Taylor, and T. F. Cootes. Toward auto- matic simulation of aging effects on face images. TPAMI, 24(4):442–455, 2002.

[8]A. K. Jain, B. Klare, and U. Park, “Face matching and retrieval in forensics applications,” IEEE Multimedia, vol. 19, no. 1, p. 20, 2012.

[9]D. Chen, X. Cao, F.Wen, and J. Sun, “Blessing of dimensionality: High- dimensional feature and its efficient compression for face verification,” in IEEE Conf. Computer Vision and Pattern Recognition, pp. 3025– 3032, 2013.

[10] K. Simonyan, O. M. Parkhi, A. Vedaldi, and A. Zisserman, “Fisher vector faces in the wild,” in British Machine Vision Conf., vol. 1, p. 7, 2013.

剩余内容已隐藏，您需要先支付 5元才能查看该篇文章全部内容！立即支付

注册

找回密码