人脸面部特征定位,facial features localization,在线英语词典,英文翻译,专业英语

1) facial features localization

人脸面部特征定位

In our researches for facial features localization, active shape model (ASM) and active appearance model (AAM) are used, and a new method is put forward based on the combination of local texture model and global texture model.

本文的研究工作包括人脸面部特征定位和人脸识别两个部分。

2) face

人脸

In order to improve the recognition reliability,a multimodal biometric fusion approach based on iris and face was proposed.

针对单一生物特征识别方法易受干扰、应用受限制等问题,提出了一种基于虹膜和人脸的多生物特征融合方法以提高身份识别的精度及可靠性。

To accelerate the speed of face detection and get low false alarm rate, an approach of knowledge-based face detection is proposed.

为了获得具有较高检测率并保持较低误检率的快速人脸检测,提出了一种基于知识的人脸检测方法。

3) human face

人脸

This paper proposes a feature extraction and recognition method of human face based on wavelet-moment descriptors and 2-dimensional principal component analysis(2DPCA).

提出了一种融合小波矩描述子(WMD)矩阵与二维主成分分析(2DPCA)的人脸特征抽取与识别算法。

The research on computer-designed human face is a hot point and meanwhile a difficulty in the area of computer graphics.

计算机合成真实感人脸是计算机图形学研究的一个热点,也是一个难点。

4) face recognition

人脸识别

Improved kernel direct Fisher discriminant analysis and face recognition;

改进的核直接Fisher描述分析与人脸识别

Artificial Neural Networks in the application of face recognition;

人工神经网络在人脸识别中的应用

Automatic face recognition based on skin masking and improved HMM;

基于皮肤模板和改进HMM的自动人脸识别系统(英文)

5) face detection

人脸检测

An approach to face detection in color images;

彩色图像中的人脸检测方法

Survey of human face detection and recognition technology;

人脸检测与识别技术综述

6) face localization

人脸定位

This paper proposes a new method of face localization in complex poses.

本文研究了复杂多变人脸的检测和定位问题,提出了一种新的基于对称特征的人脸定位方法。

参考词条

框选人脸人脸重建人脸分片人脸表征人脸建模人脸库三维人脸人脸合成人脸模型地层损伤全融市场一体化

补充资料：偏微分算子的特征值与特征函数

　　由边界固定的膜振动引出的拉普拉斯算子的特征值问题：是一个典型的偏微分算子的特征值问题,这里x=(x₁,x₂)；Ω是膜所占据的平面区域。使得问题有非平凡解（非零解）的参数λ的值,称为特征值；相应的解称为特征函数。当Ω有界且边界嬠Ω满足一定的正则条件时,存在可数无穷个特征值,相应的特征函数ψ_n(x)组成l₂(Ω)上的完备正交系。乘以常因子来规范ψ_n(x)，使其l₂(Ω)模为1,则Ω上的任意函数??(x)的特征展式可写为：当??可以"源形表达"，即??满足边界条件且Δ??平方可积时,展式在Ω一致收敛。当??平方可积时，展式平方平均收敛，且有帕舍伐尔公式：
　　
　　
　　对膜振动问题的认识还是相当有限的。能够精确地知道特征值的，只限于矩形、圆盘等少数几种非常简单的区域。对椭圆和一般三角形的特征值精确值，还几乎毫无所知。其他情形就更谈不上了。
　　
　　将不超过 λ的特征值的个数记为N(λ)。特征值的渐近分布由N(λ)对大 λ的渐近式来刻画。这方面最早的结果是（C.H.）H.外尔在1911年得到的（外尔公式）：
　　式中表示Ω的面积。R.库朗将余项改进为。对于多角形区域，又有人将余项改进到。各种情况下改进余项估计的工作至今绵延不绝。外尔猜测有一个更强的结果：式中｜嬠Ω｜是区域边界之长，但尚未被证出。
　　
　　与此密切相关的是下面的MP公式：(t→+0)
　　取一个渐近项时，用陶伯型定理可由它推出N(λ)的外尔公式。第二渐近项与外尔猜想非常相象，但由此证不出外尔猜想。第三项迟至1966年才被M.卡茨导出，后来由H.P.麦基恩与I.M.辛格严格证明,其中h表示鼓膜Ω的洞数。
　　
　　特征值与膜振动频率有一个直接的换算关系，M.卡茨据此给MP公式一个非常生动的解释：可以"听出"鼓膜的面积|Ω|、周长｜嬠Ω｜和洞的个数h！由于1-h恰巧是Ω的欧拉-庞加莱示性数,是整体几何中颇受重视的一个不变量，"听出鼓形"或"谱的几何"问题立即引起人们的强烈兴趣，并导致一系列重要的研究。不过一般的特征值反问题,要求从特征值的谱完全恢复Ω,还远远没有解决。
　　
　　用陶伯型定理得出N(λ)渐近式的方法，由T.卡莱曼于1934年首创，他还得到谱函数的渐近式：(λ→∞)，式中δ_xy当x=y时为1，当x≠y时为0。
　　
　　上述关于拉普拉斯算子的结果，由L.戈尔丁和F.E.布劳德推广到 Rⁿ的有界区域Ω上的m 阶椭圆算子。尽管推算繁杂，但结果十分简单整齐：；；式中 v(x) 表示集合{ξ｜｜A₀(x,ξ)｜<1}的勒贝格测度，而是A的最高阶导数项相应的特征形式。特征展开定理亦由L.戈尔丁得出。
　　
　　对于奇异情形，例如薛定谔方程的谱问题,可以证明存在谱函数S(x，y，λ),特征展式为。由于可能出现连续谱，S(x，y，λ)一般不一定能写成前述特征函数双线和的形式。判定奇（异）微分算子谱的离散性是很有意义的工作。已经出现各种充分条件。不过关于特征值与特征函数渐近性质的研究，还只是限于少数特例。
　　
　　在处理‖x‖→∞ 时V(x)→∞的情形，M.卡茨与D.雷等人曾创造了一种系统的概率方法，其中借助数学期望表出格林函数，有效地求出谱函数与特征值的渐近式：
　　。
　　
　　当算子A的系数不光滑,或非一致椭圆，或非自共轭，以及边条件带特征参数或带非定域项等等情形，都出现不少研究结果。还有人考察Au=λBu型的特征值问题,这里A、B都是椭圆算子。
　　
　　除上述问题外，特征展式的收敛性与求和法也一直受到人们的关注。
　　

说明：补充资料仅用于学习参考，请勿用于其它任何用途。

首页 \| 翻译 \| 影视 \| 论坛 \| 索引人脸验证人脸老化人脸表示人脸动画人脸跟踪人脸分割

1) facial features localization 人脸面部特征定位 1. In our researches for facial features localization, active shape model (ASM) and active appearance model (AAM) are used, and a new method is put forward based on the combination of local texture model and global texture model. 本文的研究工作包括人脸面部特征定位和人脸识别两个部分。 2) face 人脸 1. In order to improve the recognition reliability,a multimodal biometric fusion approach based on iris and face was proposed. 针对单一生物特征识别方法易受干扰、应用受限制等问题,提出了一种基于虹膜和人脸的多生物特征融合方法以提高身份识别的精度及可靠性。 2. To accelerate the speed of face detection and get low false alarm rate, an approach of knowledge-based face detection is proposed. 为了获得具有较高检测率并保持较低误检率的快速人脸检测,提出了一种基于知识的人脸检测方法。 3) human face 人脸 1. This paper proposes a feature extraction and recognition method of human face based on wavelet-moment descriptors and 2-dimensional principal component analysis(2DPCA). 提出了一种融合小波矩描述子(WMD)矩阵与二维主成分分析(2DPCA)的人脸特征抽取与识别算法。 2. The research on computer-designed human face is a hot point and meanwhile a difficulty in the area of computer graphics. 计算机合成真实感人脸是计算机图形学研究的一个热点,也是一个难点。 4) face recognition 人脸识别 1. Improved kernel direct Fisher discriminant analysis and face recognition; 改进的核直接Fisher描述分析与人脸识别 2. Artificial Neural Networks in the application of face recognition; 人工神经网络在人脸识别中的应用 3. Automatic face recognition based on skin masking and improved HMM; 基于皮肤模板和改进HMM的自动人脸识别系统(英文) 5) face detection 人脸检测 1. An approach to face detection in color images; 彩色图像中的人脸检测方法 2. Survey of human face detection and recognition technology; 人脸检测与识别技术综述 6) face localization 人脸定位 1. This paper proposes a new method of face localization in complex poses. 本文研究了复杂多变人脸的检测和定位问题,提出了一种新的基于对称特征的人脸定位方法。参考词条框选人脸人脸重建人脸分片人脸表征人脸建模人脸库三维人脸人脸合成人脸模型地层损伤全融市场一体化补充资料：偏微分算子的特征值与特征函数　　由边界固定的膜振动引出的拉普拉斯算子的特征值问题：是一个典型的偏微分算子的特征值问题,这里x=(x₁,x₂)；Ω是膜所占据的平面区域。使得问题有非平凡解（非零解）的参数λ的值,称为特征值；相应的解称为特征函数。当Ω有界且边界嬠Ω满足一定的正则条件时,存在可数无穷个特征值,相应的特征函数ψ_n(x)组成l₂(Ω)上的完备正交系。乘以常因子来规范ψ_n(x)，使其l₂(Ω)模为1,则Ω上的任意函数??(x)的特征展式可写为：当??可以"源形表达"，即??满足边界条件且Δ??平方可积时,展式在Ω一致收敛。当??平方可积时，展式平方平均收敛，且有帕舍伐尔公式：　　　　　　对膜振动问题的认识还是相当有限的。能够精确地知道特征值的，只限于矩形、圆盘等少数几种非常简单的区域。对椭圆和一般三角形的特征值精确值，还几乎毫无所知。其他情形就更谈不上了。　　　　将不超过 λ的特征值的个数记为N(λ)。特征值的渐近分布由N(λ)对大 λ的渐近式来刻画。这方面最早的结果是（C.H.）H.外尔在1911年得到的（外尔公式）：　　式中表示Ω的面积。R.库朗将余项改进为。对于多角形区域，又有人将余项改进到。各种情况下改进余项估计的工作至今绵延不绝。外尔猜测有一个更强的结果：式中｜嬠Ω｜是区域边界之长，但尚未被证出。　　　　与此密切相关的是下面的MP公式：(t→+0) 　　取一个渐近项时，用陶伯型定理可由它推出N(λ)的外尔公式。第二渐近项与外尔猜想非常相象，但由此证不出外尔猜想。第三项迟至1966年才被M.卡茨导出，后来由H.P.麦基恩与I.M.辛格严格证明,其中h表示鼓膜Ω的洞数。　　　　特征值与膜振动频率有一个直接的换算关系，M.卡茨据此给MP公式一个非常生动的解释：可以"听出"鼓膜的面积\|Ω\|、周长｜嬠Ω｜和洞的个数h！由于1-h恰巧是Ω的欧拉-庞加莱示性数,是整体几何中颇受重视的一个不变量，"听出鼓形"或"谱的几何"问题立即引起人们的强烈兴趣，并导致一系列重要的研究。不过一般的特征值反问题,要求从特征值的谱完全恢复Ω,还远远没有解决。　　　　用陶伯型定理得出N(λ)渐近式的方法，由T.卡莱曼于1934年首创，他还得到谱函数的渐近式：(λ→∞)，式中δ_xy当x=y时为1，当x≠y时为0。　　　　上述关于拉普拉斯算子的结果，由L.戈尔丁和F.E.布劳德推广到 Rⁿ的有界区域Ω上的m 阶椭圆算子。尽管推算繁杂，但结果十分简单整齐：；；式中 v(x) 表示集合{ξ｜｜A₀(x,ξ)｜<1}的勒贝格测度，而是A的最高阶导数项相应的特征形式。特征展开定理亦由L.戈尔丁得出。　　　　对于奇异情形，例如薛定谔方程的谱问题,可以证明存在谱函数S(x，y，λ),特征展式为。由于可能出现连续谱，S(x，y，λ)一般不一定能写成前述特征函数双线和的形式。判定奇（异）微分算子谱的离散性是很有意义的工作。已经出现各种充分条件。不过关于特征值与特征函数渐近性质的研究，还只是限于少数特例。　　　　在处理‖x‖→∞ 时V(x)→∞的情形，M.卡茨与D.雷等人曾创造了一种系统的概率方法，其中借助数学期望表出格林函数，有效地求出谱函数与特征值的渐近式：　　。　　　　当算子A的系数不光滑,或非一致椭圆，或非自共轭，以及边条件带特征参数或带非定域项等等情形，都出现不少研究结果。还有人考察Au=λBu型的特征值问题,这里A、B都是椭圆算子。　　　　除上述问题外，特征展式的收敛性与求和法也一直受到人们的关注。　　说明：补充资料仅用于学习参考，请勿用于其它任何用途。
©2008 dictall.com