發(fā)布時(shí)間：2023-05-21 19:54

　　基于視覺(jué)的注意力簡(jiǎn)稱為視覺(jué)注意力(Visual Focus of Attention,VFOA),特指視覺(jué)關(guān)注方向和焦點(diǎn),主要融合頭部姿態(tài)以及視線方向信息來(lái)對(duì)其進(jìn)行判斷,通常將視線的視點(diǎn)位置判定為視覺(jué)注意力焦點(diǎn)位置。隨著人工智能領(lǐng)域的飛速發(fā)展,構(gòu)建全方位感知的智能時(shí)代是近年來(lái)人工智能的一個(gè)發(fā)展趨勢(shì),而視覺(jué)注意力檢測(cè)技術(shù)則將視覺(jué)、推理以及情感等因素融入其中。因此,本文針對(duì)VFOA檢測(cè)技術(shù)的研究不僅具有很深的理論價(jià)值,也具有廣闊的應(yīng)用前景。首先,本文設(shè)計(jì)了視覺(jué)注意力檢測(cè)系統(tǒng)的總體方案。并針對(duì)低質(zhì)量圖像中人眼定位不精準(zhǔn)的問(wèn)題,提出基于先驗(yàn)多任務(wù)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)(Multi-task Cascaded Convolutional Networks,MTCNN)人臉檢測(cè)的人眼關(guān)鍵點(diǎn)定位方法。選取對(duì)頭部姿態(tài)偏轉(zhuǎn)、光照變化以及遮擋等因素具有較好魯棒性的MTCNN-mxnet進(jìn)行人臉檢測(cè)和5個(gè)人臉關(guān)鍵點(diǎn)(左右瞳孔、鼻尖和左右嘴角)回歸。根據(jù)得到的瞳孔關(guān)鍵點(diǎn)先驗(yàn)知識(shí)分割出人眼候選區(qū)域,對(duì)該區(qū)域進(jìn)行灰度值和梯度積分投影,并將投影曲線極值點(diǎn)坐標(biāo)組合與MTCNN左右瞳孔位置距離最近的兩個(gè)點(diǎn)作為粗定位瞳孔坐標(biāo),...

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 課題來(lái)源
    1.4 系統(tǒng)總體方案設(shè)計(jì)及主要研究?jī)?nèi)容
    1.5 章節(jié)安排
    1.6 本章小結(jié)
第2章 人臉檢測(cè)及改進(jìn)的人眼關(guān)鍵點(diǎn)定位
    2.1 人臉檢測(cè)
        2.1.1 人臉檢測(cè)方法對(duì)比
        2.1.2 MTCNN-mxnet人臉檢測(cè)算法原理
        2.1.3 MTCNN-mxnet人臉檢測(cè)算法實(shí)現(xiàn)
    2.2 基于先驗(yàn)MTCNN人臉的人眼關(guān)鍵點(diǎn)定位
        2.2.1 圖像預(yù)處理
        2.2.2 人眼區(qū)域積分投影
        2.2.3 基于先驗(yàn)MTCNN人臉的人眼關(guān)鍵點(diǎn)精定位
        2.2.4 基于先驗(yàn)MTCNN人臉的人眼關(guān)鍵點(diǎn)定位實(shí)驗(yàn)結(jié)果分析
    2.3 本章小結(jié)
第3章 行為特征融合的視覺(jué)注意力檢測(cè)模型
    3.1 視覺(jué)注意力檢測(cè)回歸模型的研究與選定
    3.2 基于頭部姿態(tài)的視覺(jué)注意力檢測(cè)子模型
        3.2.1 頭部姿態(tài)估計(jì)
        3.2.2 基于頭部姿態(tài)估計(jì)的貝葉斯VFOA檢測(cè)子模型
    3.3 基于視線檢測(cè)的視覺(jué)注意力檢測(cè)子模型
        3.3.1 改進(jìn)的三維視線估計(jì)方法設(shè)計(jì)
        3.3.2 基于視線估計(jì)的貝葉斯VFOA檢測(cè)子模型
    3.4 視覺(jué)注意力檢測(cè)預(yù)測(cè)子模型
        3.4.1 圖像相似度衡量
        3.4.2 基于高斯協(xié)方差矩陣的貝葉斯預(yù)測(cè)子模型
    3.5 行為特征融合的視覺(jué)注意力檢測(cè)模型
        3.5.1 行為特征融合的視覺(jué)注意力檢測(cè)模型
        3.5.2 子模型權(quán)重設(shè)置
    3.6 行為特征融合的視覺(jué)注意力檢測(cè)實(shí)驗(yàn)結(jié)果及分析
        3.6.1 頭部偏轉(zhuǎn)實(shí)驗(yàn)
        3.6.2 距離遠(yuǎn)近實(shí)驗(yàn)
    3.7 本章小結(jié)
第4章 混合增量動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)視覺(jué)注意力檢測(cè)模型
    4.1 貝葉斯網(wǎng)絡(luò)增量學(xué)習(xí)
    4.2 行為特征融合的視覺(jué)注意力檢測(cè)模型動(dòng)態(tài)增量更新
    4.3 混合增量動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)視覺(jué)注意力檢測(cè)實(shí)驗(yàn)結(jié)果及分析
        4.3.1 頭部偏轉(zhuǎn)實(shí)驗(yàn)
        4.3.2 距離遠(yuǎn)近實(shí)驗(yàn)
    4.4 本章小結(jié)
第5章 基于視覺(jué)注意力檢測(cè)的服務(wù)機(jī)器人控制系統(tǒng)設(shè)計(jì)
    5.1 視覺(jué)注意力檢測(cè)控制系統(tǒng)設(shè)計(jì)
    5.2 系統(tǒng)軟件開(kāi)發(fā)與硬件平臺(tái)的搭建
        5.2.1 系統(tǒng)的硬件結(jié)構(gòu)
        5.2.2 系統(tǒng)的軟件配置
    5.3 基于視覺(jué)注意力檢測(cè)的智能服務(wù)機(jī)器人運(yùn)動(dòng)控制實(shí)現(xiàn)
        5.3.1 基于視覺(jué)注意力檢測(cè)的智能服務(wù)機(jī)器人運(yùn)動(dòng)控制實(shí)驗(yàn)
        5.3.2 實(shí)驗(yàn)結(jié)果及分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號(hào)：3821349