检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
机构地区:[1]合肥工业大学计算机与信息学院,安徽合肥230009
出 处:《电视技术》2009年第7期84-86,共3页Video Engineering
基 金:教育部博士点基金项目(20060359004);教育部留学归国人员科研启动基金(413117)
摘 要:采用主成分分析(PCA)作为统计分析方法的主动表现模型(AAM)是建立二维可形变模型的有效方法。提出一种将改进的AAM用于人脸面部特征定位的新方法,并与传统AAM进行比较,实验证明此方法要优于传统AAM。Active Appearance Model (AAM) is an effective method to build 2D deformable model for an object, which adopts Principal Component Analysis (PCA) as its statistical analysis. In this paper, a new approach of facial feature location based on improved AAM is proposed and compared with the facial feature location based on standard AAM. The experimental results demonstrate that this method has better performance than standard AAM.
关 键 词:独立成份分析 主动表现模型 主成份分析 人脸面部特征定位
分 类 号:TP391[自动化与计算机技术—计算机应用技术]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.70