行为特征融合的视觉注意力检测技术研究

发布时间：2023-05-21 19:54

　　基于视觉的注意力简称为视觉注意力(Visual Focus of Attention,VFOA),特指视觉关注方向和焦点,主要融合头部姿态以及视线方向信息来对其进行判断,通常将视线的视点位置判定为视觉注意力焦点位置。随着人工智能领域的飞速发展,构建全方位感知的智能时代是近年来人工智能的一个发展趋势,而视觉注意力检测技术则将视觉、推理以及情感等因素融入其中。因此,本文针对VFOA检测技术的研究不仅具有很深的理论价值,也具有广阔的应用前景。首先,本文设计了视觉注意力检测系统的总体方案。并针对低质量图像中人眼定位不精准的问题,提出基于先验多任务级联卷积神经网络(Multi-task Cascaded Convolutional Networks,MTCNN)人脸检测的人眼关键点定位方法。选取对头部姿态偏转、光照变化以及遮挡等因素具有较好鲁棒性的MTCNN-mxnet进行人脸检测和5个人脸关键点(左右瞳孔、鼻尖和左右嘴角)回归。根据得到的瞳孔关键点先验知识分割出人眼候选区域,对该区域进行灰度值和梯度积分投影,并将投影曲线极值点坐标组合与MTCNN左右瞳孔位置距离最近的两个点作为粗定位瞳孔坐标,...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 课题来源
    1.4 系统总体方案设计及主要研究内容
    1.5 章节安排
    1.6 本章小结
第2章 人脸检测及改进的人眼关键点定位
    2.1 人脸检测
        2.1.1 人脸检测方法对比
        2.1.2 MTCNN-mxnet人脸检测算法原理
        2.1.3 MTCNN-mxnet人脸检测算法实现
    2.2 基于先验MTCNN人脸的人眼关键点定位
        2.2.1 图像预处理
        2.2.2 人眼区域积分投影
        2.2.3 基于先验MTCNN人脸的人眼关键点精定位
        2.2.4 基于先验MTCNN人脸的人眼关键点定位实验结果分析
    2.3 本章小结
第3章 行为特征融合的视觉注意力检测模型
    3.1 视觉注意力检测回归模型的研究与选定
    3.2 基于头部姿态的视觉注意力检测子模型
        3.2.1 头部姿态估计
        3.2.2 基于头部姿态估计的贝叶斯VFOA检测子模型
    3.3 基于视线检测的视觉注意力检测子模型
        3.3.1 改进的三维视线估计方法设计
        3.3.2 基于视线估计的贝叶斯VFOA检测子模型
    3.4 视觉注意力检测预测子模型
        3.4.1 图像相似度衡量
        3.4.2 基于高斯协方差矩阵的贝叶斯预测子模型
    3.5 行为特征融合的视觉注意力检测模型
        3.5.1 行为特征融合的视觉注意力检测模型
        3.5.2 子模型权重设置
    3.6 行为特征融合的视觉注意力检测实验结果及分析
        3.6.1 头部偏转实验
        3.6.2 距离远近实验
    3.7 本章小结
第4章 混合增量动态贝叶斯网络视觉注意力检测模型
    4.1 贝叶斯网络增量学习
    4.2 行为特征融合的视觉注意力检测模型动态增量更新
    4.3 混合增量动态贝叶斯网络视觉注意力检测实验结果及分析
        4.3.1 头部偏转实验
        4.3.2 距离远近实验
    4.4 本章小结
第5章 基于视觉注意力检测的服务机器人控制系统设计
    5.1 视觉注意力检测控制系统设计
    5.2 系统软件开发与硬件平台的搭建
        5.2.1 系统的硬件结构
        5.2.2 系统的软件配置
    5.3 基于视觉注意力检测的智能服务机器人运动控制实现
        5.3.1 基于视觉注意力检测的智能服务机器人运动控制实验
        5.3.2 实验结果及分析
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3821349