逢甲學報, Bände 33-36逢甲大學, 1998 |
Im Buch
Ergebnisse 1-3 von 29
Seite 137
... 特徵,而將之儲存,供將來偵測使用。為了能穩定且更快速精確的找到候選人臉位置,我們提出一個以眼、鼻、口等邊線所形成的區域為基本特徵,而將人臉的這些特徵統計分析表示成一加權遮罩( weighting mask )作為描述人臉的整體性特徵。利用人臉整體性特徵的好處 ...
... 特徵,而將之儲存,供將來偵測使用。為了能穩定且更快速精確的找到候選人臉位置,我們提出一個以眼、鼻、口等邊線所形成的區域為基本特徵,而將人臉的這些特徵統計分析表示成一加權遮罩( weighting mask )作為描述人臉的整體性特徵。利用人臉整體性特徵的好處 ...
Seite 140
... 特徵邊線相當不穩定,故無法用邊線特徵作模版比對( template match ) ,因此我們擬以邊線區域特徵為導向,將人臉視為一整體性特徵來偵測,等找到候選人臉再對其眼、鼻和口等局部特徵做比對。由於可能人臉之眼、鼻和口等邊線特徵所在位置比邊線特徵的形狀要 ...
... 特徵邊線相當不穩定,故無法用邊線特徵作模版比對( template match ) ,因此我們擬以邊線區域特徵為導向,將人臉視為一整體性特徵來偵測,等找到候選人臉再對其眼、鼻和口等局部特徵做比對。由於可能人臉之眼、鼻和口等邊線特徵所在位置比邊線特徵的形狀要 ...
Seite 146
... 特徵向量表示 F 成 j = 1_k = 1 F = 2X1 , Y 1 , X2 , Y 2 , .. , X 9 , Y 9 。到此我們亦完成單張人臉樣本的學習。( 3 ) ... 特徵向量。最後使臉部特徵向量 F 為 F = F∪F ,故臉部特徵向量 F 可表示成 F = { M1 , X1 , Y1 , M2 , X2 , X2 , ... , M9 , X9 ...
... 特徵向量表示 F 成 j = 1_k = 1 F = 2X1 , Y 1 , X2 , Y 2 , .. , X 9 , Y 9 。到此我們亦完成單張人臉樣本的學習。( 3 ) ... 特徵向量。最後使臉部特徵向量 F 為 F = F∪F ,故臉部特徵向量 F 可表示成 F = { M1 , X1 , Y1 , M2 , X2 , X2 , ... , M9 , X9 ...