基于双目视觉的人脸视差快速获取方法

合集下载

基于双目视觉的快速定位与测距方法

基于双目视觉的快速定位与测距方法姚志生;许四祥;李天甲;王洋【摘要】In view of the problem of long matching time in binocular vision positioning and ranging process, a rapid method of binocular vision locating and ranging was proposed based on the background-subtraction method. Firstly, the original images captured by the binocular camera were processed by removing distortion and stereo correction.Then,the image frame and the background frame were subtracted,and morphological processing was carried out to obtain the image containing only the target object;Finally,the left and right images were matched, and the epipolar constraint law was employed to remove the mismatch to obtain the three-dimensional information of the object,and the positioning and ranging operation were completed.Experimental results show that the number of initial matching points is reduced by 96.7%,the number of effective matching points is reduced by 94.1%,and the matching time is reduced by 75.8%,compared with the traditional binocular vision ranging method.The method of this paper has practical significance to realize rapid positioning and ranging based on binocular vision.%针对双目视觉定位与测距过程中存在匹配时间较长的问题,提出一种基于背景差分法的双目视觉快速定位与测距方法.首先,对双目相机拍摄的原始图像进行去畸变和立体校正处理;然后,对图像与背景帧差并进行形态学处理,得到只包含目标物体的图像;最后,对左右图像进行匹配并运用极线约束法则去除误匹配得到物体的三维信息,完成定位与测距.经实验验证,与传统双目视觉定位测距方法相比,该方法初始匹配对数减少了96.8%,有效匹配对数减少了94.1%,匹配时间减少了75.8%,表明本文方法对于实现基于双目视觉的快速定位与测距具有实际意义.【期刊名称】《安徽工业大学学报（自然科学版）》【年(卷),期】2017(034)004【总页数】5页(P368-372)【关键词】双目视觉;相机标定;极线约束;背景差分法【作者】姚志生;许四祥;李天甲;王洋【作者单位】安徽工业大学机械工程学院,安徽马鞍山243032;安徽工业大学机械工程学院,安徽马鞍山243032;安徽工业大学机械工程学院,安徽马鞍山243032;安徽工业大学机械工程学院,安徽马鞍山243032【正文语种】中文【中图分类】TP391在钢铁冶金行业中，板坯连铸成型后需被分段切割送入辊道。

《2024年度基于双目立体视觉定位和识别技术的研究》范文

《基于双目立体视觉定位和识别技术的研究》篇一一、引言随着科技的飞速发展，计算机视觉技术在许多领域中得到了广泛的应用。

其中，双目立体视觉定位和识别技术以其高精度、高效率的特点，在机器人导航、工业检测、无人驾驶等领域展现出巨大的应用潜力。

本文将围绕双目立体视觉定位和识别技术进行深入的研究和探讨。

二、双目立体视觉技术概述双目立体视觉技术是一种模拟人类双眼视觉的计算机视觉技术。

通过模拟人眼的视差感知原理，双目立体视觉技术利用两个相机从不同角度获取场景的图像信息，然后通过图像处理和算法分析，得到场景中物体的三维信息。

双目立体视觉技术主要包括相机标定、图像获取、图像预处理、特征提取、立体匹配、三维重建等步骤。

三、双目立体视觉定位技术双目立体视觉定位技术是双目立体视觉技术的核心部分，它通过计算左右相机获取的图像间的视差信息，实现场景中物体的三维定位。

具体而言，双目立体视觉定位技术首先需要对相机进行精确的标定，以获取相机的内外参数。

然后通过图像预处理和特征提取，获取场景中的特征点或特征线。

接着，利用立体匹配算法，将左右相机获取的图像进行匹配，得到视差图。

最后，根据视差信息和相机的内外参数，计算得到场景中物体的三维坐标信息。

四、双目立体视觉识别技术双目立体视觉识别技术是在定位技术的基础上，进一步对场景中的物体进行分类和识别。

通过分析物体的形状、大小、纹理等特征信息，结合机器学习、深度学习等算法，实现对物体的识别和分类。

双目立体视觉识别技术可以广泛应用于无人驾驶、机器人导航、工业检测等领域。

五、双目立体视觉技术的应用双目立体视觉技术在许多领域都得到了广泛的应用。

在无人驾驶领域，双目立体视觉技术可以实现车辆的定位和障碍物识别，提高车辆的行驶安全性和自动驾驶的准确性。

在机器人导航领域，双目立体视觉技术可以帮助机器人实现精准的路径规划和导航。

在工业检测领域，双目立体视觉技术可以实现对产品的快速检测和质量控制。

六、研究展望随着计算机视觉技术的不断发展，双目立体视觉定位和识别技术将会有更广泛的应用前景。

人脸识别双目解决方案(3篇)

第1篇随着科技的不断发展，人脸识别技术逐渐成为人工智能领域的研究热点。

双目视觉技术作为人脸识别的重要手段，通过模拟人类视觉系统，实现了高精度、高效率的人脸识别。

本文将详细介绍人脸识别双目解决方案，包括系统架构、关键技术、应用场景及未来发展。

一、系统架构人脸识别双目解决方案主要由以下几部分组成：1. 摄像头：用于采集人脸图像，是整个系统的数据输入端。

根据应用场景，可以选择不同焦距、分辨率和光圈的摄像头。

2. 预处理模块：对采集到的人脸图像进行预处理，包括去噪、灰度化、二值化、边缘检测等，以提高后续处理的准确率。

3. 特征提取模块：从预处理后的人脸图像中提取关键特征，如纹理、形状、纹理形状结合等。

常用的特征提取方法有SIFT、SURF、HOG、LBP等。

4. 特征匹配模块：将提取的特征与数据库中的人脸特征进行匹配，找出相似度最高的人脸。

常用的匹配方法有FLANN、Brute-Force等。

5. 人脸识别模块：根据特征匹配结果，判断是否为人脸识别成功。

通常采用阈值法或相似度评分法进行判断。

6. 后处理模块：对人脸识别结果进行输出，如显示识别结果、语音提示等。

二、关键技术1. 双目视觉技术双目视觉技术是通过两个摄像头分别采集人脸图像，通过计算两个图像之间的视差，从而实现对三维空间中人脸位置的估计。

双目视觉技术具有以下优点：（1）高精度：双目视觉技术能够准确获取人脸的三维信息，提高识别精度。

（2）抗干扰能力强：双目视觉技术能够有效抵御光照、角度等因素的影响。

（3）实时性好：双目视觉技术具有实时性，能够满足实时人脸识别的需求。

2. 特征提取与匹配特征提取与匹配是人脸识别的核心技术。

以下介绍几种常用的特征提取与匹配方法：（1）SIFT（尺度不变特征变换）：SIFT算法通过检测关键点，提取关键点坐标、方向和尺度，从而实现特征提取。

SIFT算法具有鲁棒性强、抗干扰能力强等优点。

（2）SURF（加速稳健特征）：SURF算法基于SIFT算法，进一步提高了特征提取的速度。

双目测量原理

双目测量原理是指通过两个摄像头或相机来获取目标物体的三维空间信息。

它基于人类视觉系统的工作原理，利用两个视点之间的视差来计算目标物体的深度。

双目测量原理的基本步骤如下：
1. 采集图像：使用两个摄像头或相机同时拍摄目标物体的图像。

这两个摄像头或相机需要具有一定的间距，以模拟人类的双眼视觉。

2. 特征点提取：从两个图像中提取出一些特征点，例如角点、边缘等。

这些特征点在两个图像中具有一定的对应关系。

3. 视差计算：通过比较两个图像中特征点的位置差异，可以计算出它们之间的视差。

视差是指同一物体在两个视点下的像素位置差异。

4. 三角测量：利用视差和摄像头之间的几何关系，可以得到目标物体的深度信息。

三角测量是指利用两个视点和目标物体的特征点构成的三角形，通过几何关系计算出目标物体的空间位置。

双目测量原理的优点是可以获取目标物体的三维信息，可以用于距离测量、物体识别和姿态估计等应用。

但也存在一些限制，例如对于光照条件和纹理的要求较高，对于透明物体和反射物体的测量效果较差。

双目立体视觉匹配

双目立体视觉匹配双目立体视觉匹配是现代计算机视觉领域中的一项重要技术。

人类视觉系统能够通过两只眼睛获取到不同的视角，从而对空间场景有更加深入的了解。

而计算机视觉系统也可以通过双目视觉技术实现类似的效果，从而实现3D场景的感知、识别和重建。

双目立体视觉匹配的基本原理是通过计算两个视角图像之间的差异，从而确定像素点在3D空间中的位置。

这种差异可以通过计算两个图像之间的视差（即两个像素点之间的水平距离）来实现。

因此，双目立体视觉匹配需要寻找一种合适的方法来计算两个图像之间的匹配点。

在双目立体视觉匹配技术中，一般采用以下几种方法来实现：1、全匹配法全匹配法是双目立体视觉匹配技术中最简单的方法之一。

该方法首先对参考图像中的每个像素点在目标图像中进行搜索，然后比较两个像素点之间的相似度。

如果相似度高于某个阈值，则认为两个像素点匹配成功，确定它们在3D空间中的位置。

由于全匹配法计算量较大，因此很难应用于实际场景下的实时计算。

2、相似性度量法3、特征点匹配法特征点匹配法是一种基于关键点匹配的方法。

该方法首先使用特征检测算法（如SIFT 或SURF）在两张图像中提取出关键点，并计算它们的描述子。

然后通过计算描述子之间的相似度，从而将参考图像中的关键点与目标图像中的关键点进行匹配。

在匹配成功之后，根据匹配的关键点确定两个图像之间的视差，从而确定像素点在3D空间中的位置。

相比于前两种方法，特征点匹配法具有更高的准确性和鲁棒性，但是计算量也更大。

双目立体视觉匹配技术在实际应用中有着广泛的应用场景。

比如在智能驾驶领域，双目立体视觉可以通过获取3D场景信息来实现车辆的自动导航和避障。

另外，在工业制造领域，双目立体视觉可以用于3D物体的反复制造和检测。

因此，双目立体视觉匹配技术的研究和应用具有非常重要的意义。

双目人脸识别原理

双目人脸识别原理双目人脸识别是一种基于双目立体视觉原理的人脸识别技术，通过模拟人眼的视觉原理，利用两个相机从不同角度拍摄同一物体，获取物体在不同位置的图像，再通过计算两个图像中对应点的视差，得到物体的三维信息。

在人脸识别领域，双目人脸识别技术可以用来获取人脸的深度信息，从而实现对人脸的识别。

具体来说，通过将两个相机放置在不同的位置，拍摄同一人脸的图像，然后通过对两张图像进行处理，得到人脸在不同位置的深度信息。

这些深度信息可以帮助计算机更好地理解人脸的结构和特征，从而实现更加准确的人脸识别。

双目人脸识别技术的核心在于对两张图像中对应点的匹配和深度计算。

具体来说，首先需要通过图像处理算法对两张图像进行预处理，包括图像配准、特征提取和匹配等步骤。

然后，通过计算图像中特征点的视差，得到人脸在不同位置的深度信息。

这些深度信息可以通过三维重建算法进行进一步的处理，从而得到更加准确的人脸模型。

双目人脸识别技术具有以下几个优点：1. 可靠性高：双目人脸识别技术可以获得人脸的深度信息，从而更加准确地识别不同姿态和光照条件下的人脸。

2. 精度高：双目人脸识别技术可以通过计算图像中特征点的视差，得到高精度的深度信息，从而提高人脸识别的准确度。

3. 鲁棒性强：双目人脸识别技术可以适应不同的人脸姿态、光照条件和噪声干扰，具有较强的鲁棒性。

4. 安全性高：双目人脸识别技术可以实现对人脸的全方位识别和监测，可以提高安全性和可靠性。

然而，双目人脸识别技术也存在一些挑战和限制，例如需要精确的相机标定和图像配准算法，对硬件设备的要求较高，同时需要处理大量的图像数据，对计算资源的消耗较大。

此外，双目人脸识别技术对于不同材质、纹理和形状的物体识别效果可能存在差异。

opencv双目视差计算

opencv双目视差计算全文共四篇示例，供读者参考第一篇示例：双目视差计算是通过两个摄像头同时拍摄同一场景，然后根据两个图像之间的视差来计算物体的深度信息。

视差是指由于物体在不同位置出现在两个摄像头的画面中而产生的位置差异，通过测量这种位置差异可以推断物体距离和深度信息。

双目视差计算的原理是根据两张图片的对应像素点之间的位置差异来计算物体的深度信息。

当两张图片之间的视差越大时，物体离摄像头的距离就越近；反之，当两张图片之间的视差越小时，物体离摄像头的距离就越远。

在OpenCV中，双目视差计算主要通过立体匹配算法来实现。

立体匹配算法是将两幅图像中的像素进行匹配，找出它们之间的对应关系，然后根据匹配后的像素点之间的位置差异来计算深度信息。

常用的立体匹配算法包括局部块匹配、全局块匹配、Semi-Global Block Matching（SGBM）等。

这些算法都可以在OpenCV中找到相应的实现函数，方便我们进行双目视差计算的应用开发。

双目视差计算在机器人导航、自动驾驶、三维重建等领域都有着广泛的应用。

在机器人导航中，通过双目视差计算可以实现对环境中障碍物的检测和避障；在自动驾驶中，可以实现对道路情况的实时监测和智能决策；在三维重建中，可以实现对物体形状和结构的精确还原。

双目视差计算的应用将极大地提高计算机视觉系统的性能和效率，为人工智能技术的发展提供重要支持。

双目视差计算虽然开发应用广泛，但是在实际应用中依然存在一些挑战和难题。

双目摄像头的安装和校准是非常关键的一步，需要保证两个摄像头的视场相同、成像质量一致，否则会影响视差计算的准确性。

双目视差计算的算法选择和参数调优也会影响计算结果的准确性和稳定性，需要根据具体的应用场景来选择适合的算法和参数设置。

双目视差计算对计算资源的要求较高，需要较大的计算能力和存储空间来支持大规模的图像处理和深度计算。

双目视差计算作为计算机视觉领域的重要研究方向，借助OpenCV等计算机视觉库的支持，可以帮助我们实现对物体深度信息的精确测量和计算。

基于双目视觉的立体人脸识别系统

万方数据计算机系统应用２００９年第５期互平行。

Ｙ轴垂直于纸面所以在实际推导中并不使用。

右侧摄像机的原点或投影中心的偏移量为ｂ。

目标点Ｐ在左图像中对应点为ＰＩ，在右图像中对应点为Ｐｒ。

具体如图２所示。

显然Ｐ点位于光线ＬＰｌ和ＲＰｒ的交点处。

根据相似三角形可推出ｚ＝ｆｂ／（ｘＩ—ｘｒ）＝ｆｂ／ｄ．～、。

麓ｆ＞、、、、、、、、、、、．一１摹笋ｋ’一一一一一。

二二二二：…￡一ｔｔ、．，ｌ图２立体视觉系统几何模型．ｂ是基线可见Ｐ点的深度和摄像机的焦距ｆ，基线长度ｂ以及视差ｄ＝×Ｉ＿×ｒ有关【６Ｊ。

而ｆ和ｂ在硬件确定后是固定的，也就是通过两幅图上表征同一点的ｘ方向坐标差ｄ，可得到实际对应点的深度。

接下来我们详细讨论对于左图中的一点，如何知道右图中哪一点和它对应。

３．１有效区域分割由于两个摄像机位置不一样，所以两幅图像背景也不一样，要分离出有效的区域进行比较必不可少。

一对由双目摄像头拍摄的照片如图３（ａ）、３（ｂ）所示，其中图３（ａ）是右摄像头所拍而图３（ｂ）是左摄像头拍摄。

图３（ａ）右眼图（ｂ）左眼图（ｃ）右图人脸追踪结果（ｄ）左图人脸追踪结果（ｅ）肤色检测结果（Ｄ边缘检测结果（ｇ）三维分析区域６２研究开发Ｒｅ辩ａｆｃｈａｎｄＤ“ｅＩ印Ｉ豫ｍ可采用二维人脸识别中比较成熟的Ａｄａｂｏｏｓｔ分类器方法进行人脸背景分离。

本系统使用ＩｎｔｅＩ的开源计算机视觉库ＯｐｅｎＣＶ，将其移植到ＡＤＩ的ＤＳＰ中得以实现。

调用其中的ＣＶＬ０ａｄＨａａｒＣｌａｓｓｉｆｌｅｒＣａｓｃ—ａｄｅ函数可以获得一个级联的ｂｏｏｓｔｅｄ分类器，再调用“ＨａａｒＤｅｔｅｃｔｏｂｊｅｃｔｓ函数则可利用这个分类器在背景中找到人脸。

人脸追踪结果如图３（ｃ）和（ｄ）。

对于人脸区域，进一步要划分出具备显著深度信息的五官区域。

先利用肤色柃测，采用人脸皮肤颜色模型Ｃｂ∈【８６。

１４０】，Ｃｒ∈【１３０，１６８】，Ｈｕｅ∈【０．０１，Ｏ．１】得至０如图３（ｅ）所示的结果，在此基础上用ｃａｎｎｙ算子进行边缘检测，可以获得图３（ｆ）中的五官边缘，最终分割出需要三维分析的区域图３（ｇ）。

基于双目摄像头的人脸框获取方法、系统、装置及介质[发明专利]

专利名称：基于双目摄像头的人脸框获取方法、系统、装置及介质
专利类型：发明专利
发明人：张磊,陆进,刘玉宇
申请号：CN202210160974.0
申请日：20220222
公开号：CN114519888A
公开日：
20220520
专利内容由知识产权出版社提供
摘要：本发明公开一种基于双目摄像头的人脸框获取方法、系统、装置及介质，其中方法包括：获取第一摄像头实时拍摄的第一图像，对第一图像进行人脸识别，获得第一人脸框；获取第二摄像头实时拍摄的第二图像，根据第一人脸框和偏差信息获取第二图像上的第二人脸框；其中，偏差信息为第一摄像头的成像结果和第二摄像头的成像结果之间的偏差。

本发明对第一图像进行人脸识别，获取第一人脸框，根据第一人脸框和预先获取的偏差信息计算第二人脸框，只需进行一次人脸识别运算得到第一人脸框，即可结合偏差信息进一步获得第二人脸框，从而可以快速获得两个摄像头对应的人脸框，极大地提高人脸跟踪效率，降低了硬件配置的要求，可广泛应用于人脸数据处理领域。

申请人：平安科技(深圳)有限公司
地址：518000 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼
国籍：CN
代理机构：广州嘉权专利商标事务所有限公司
代理人：廖慧贤
更多信息请下载全文后查看。

双目区域视差快速计算及测距算法

双目区域视差快速计算及测距算法双目区域视差快速计算及测距算法仲伟波1，姚旭洋1，冯友兵1，孙雨婷1，姚徐1，2【摘要】目的双目测距对水面无人艇自主避障以及视觉侦察具有重要意义，但视觉传感器成像易受光照环境及运动模糊等因素的影响，基于经典Census 变换的立体匹配代价计算方法耗时长，且视差获取精度差，影响测距精度。

为了提高测距精度并保证算法运行速度，提出一种用于双目测距的快速立体匹配算法。

方法基于传统Census变换，提出一种新的比特串生成方法，在匹配点正方形支持窗口的各边等距各选3个像素点，共选出8个像素点，这8个像素点两两比较生成一个字节的比特串。

将左右视场中的匹配点与待匹配点的比特串进行异或，得到两点的汉明距离，在各汉明距离中找到距离最小的像素点作为匹配像素点，两像素点的横坐标差为视差。

本文采用区域视差计算的方法，在左右视场确定同一目标区域后进行视差提取和滤波，利用平均视差计算目标的距离。

结果本文算法与基于传统Census变换的立体匹配视差获取方法相比，在运算速度方面优势明显，时间稳定在0.4 s左右，用时仅为传统Census变换算法的1/5。

在Middlebury数据集中的图像对teddy和cones上进行的算法运行时间对比实验中，本文基于Census变换改进的算法比已有的基于Census 变换的匹配算法在运行时间上快了近20 s。

在实际双目测距实验中，采用本文算法在10～19 m范围内测距误差在5%以内，根据无人艇的运动特点和避障要求，通过分析可知该算法的测距精度可以满足低速无人艇的避障需求。

结论本文给出的基于改进Census变换的匹配算法在立体匹配速度上有大幅提高，提取目标视差用于测距，实际测距结果表明,本文算法能够满足水面无人艇的视觉避障要求。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

度。 ’
２人脸区域精确定位
・
在进行立体匹配之前，通过极线校正和人脸的定位，一方面缩小了视差的搜索范围，另一方面也指导了匹配的方向，于提高利匹配精度。本文的极线校正方法是通过对右图进行像素的上下调整，左右图片像素处于同一个水平线上。对人脸的定位主要通使
点也就决定了要获取可用的人脸视差图需要采用特定的立体匹配方法。本文首先采用文献】中提到的方法精确提取左右图像的人脸区域，以减少视差搜索的范围。其次采用文献出的改进区域立体匹配算法对人脸区域进行立体匹配，到人脸的初始视差提得图。最后，为了获取高分辨率人脸视差图，在金字塔匹配模型［３１基础上，引入盒状滤波方法对时间进行优化，大大降低了时间复杂
＋１（ ≥１；）
公式二：＝｛＋０；１００）ｋｋ．（≥ ≥ ．５５
（ ≤０）．５
在个性化ＶＤ点播系统中，Ｏ资源之间因相似程度形成了一张网状的图。
’
比起系统管理员手工对相似资源关联归类和通过检索系统查找出资源描述相似的资源，建立在认可率上的资源相似度一权值
过两个步骤，第一步是人脸区域粗定位，本文采用了由ＰｕｉｌｓａｌｏｔＶａ提出的基于ＡａｏｓＣｓａｅｄＢｏｔａｃｄ算法。第二步是人脸区域精确定位，其依据主要是通过肤色检测滤除头发、首饰等非肤色区域的干扰，并通过形态学的处理方法形成精确的人脸连通区域，该区域即是本文中进行立体匹配的区域。肤色检测的方法采用了基于ＹｂｒＣＣ颜色空间的肤色聚类算法［１。图１６１１８１１７显示了部分精确定位的人脸
表示法能提供更高的精度，而且不需要管理员的参与。推荐时，按关系“ 亲密程度” 降序排序检索推荐。
３．性化同伴推荐２个
学习者在学习的过程中可能会遇到疑难，需要他人协助来进行问题解决。谁最能学习者带来帮助，这是个性化同伴推荐要解决的。个性化同伴推荐的思路是：系统保存之前对该资源进行学习的学习者的测验结果，系统把测验结果按高低排序，把测验结果好的
Ａｂｔａｔａｔｅｈｄｏｃｕｒｇｄｎｅｆｃａｄｓａｔｐｂｓｄｏｉｏｕａｉｏｓｒｓｎｅ．ｉｓｙｉｒｅｅｕｅｓａｃｉｇｓｒｃ：ＡｆｓｍｔｏｆｑｉｎｅｓｉｉｐｒｍａａｅｎｂｎｃｌｒｖｓｎｉｐｅｅｔｄＦｒｌ，ｎｏｄｒｔｒｄｃｅｒｈｎａｉａｌｉｙｉｔｏ
ｒｇｏｎｏｆｓｅｅａｃｉｇ，ｔｉｅｉｔｒｏｍｔｈｎｈｅｂｎｏｃｌｒｉａｅｒｒｅｓｄｂｌｒｒｃｉｃｔｏａａｅａｅｏｃｔｏｕａｍｇｓａｅｐｏｃｓｅｙｐｏａｅｔｆａｉｎｎｄｆｃｒａｌａｉｎ．Ｓｅｏｎｄｙ，ａｃｒｎｇｔｔｅｓ — ｉｃｌｃｏｄｉＯｈｐｅ
Ｖｏ．，．Ｍａｃ０１．１８Ｎｏ７，ｒｈ２２
基于双目视觉的人脸视差快速获取方法
刘华赖滨，晓丹，海王晓
（厦门大学计算机科学系，福建厦门３１０）６０５
摘要：出一种在平行双目视觉系统下快速获取致密的人脸视差图的方法。首先对获取的双目图像进行极线校正和人脸的精确定提位，降低立体匹配的搜索范围；然后针对人脸这一特殊场景，采用基于盒状滤波的快速区域立体匹配算法对人脸区域进行匹配，得到人脸的初始视差图；最后利用金字塔匹配模型来获取高分辨率的人脸致密视差图。实验结果表明，该方法在保证所获取人脸视差精度的前提下，大大降低了时间复杂度，有较好的实用价值。
１８５６人工智能及识剐技术本栏目责任编辑：唐一东
Ｃｍｕｒｎｗｄｅｎｃｎｌｙｏｐｔｏｌｇｄｅｈｏｇ电脑知识与技术ｅＫｅａＴｏ
第８第７卷期
（０２年３２１月）
用户对扩展资源学习的时间越长，明当前资源的学习能给前一资源带来进一步的补充学习，表因此两资源的关系就越近。４得Ｎｏ）后便可以对权值ｋ进行维护，权值的计算方法如公式二：
４结束语
本文尝试在基于ＶＤ点播技术的学习系统中，Ｏ通过向学习者推荐合适自己的学习资源以及能起到帮助的学习同伴，使学习者
ห้องสมุดไป่ตู้
能快速有效的学习。对于数字化学习平台的探索和研究有助于更好的支持学习。
参考文献：
［］１庄捷．流媒体原理与应用【．：Ｍ】北京中国广播电视出版社，０７５４．２０：１ — 【］２鄂大伟．多媒体技术基础与应用［】Ｍ．北京：高等教育出版社，０２０２．２０： — ２２【】３曾春，春晓，邢周立柱．个性化服务技术综述［．Ｊ软件学报，０２１（０：— ．］２０，３１）２１【】４舒蓓，申瑞民，王加俊，个性化的远程学习模型ｌ．Ｊ计算机工程与应用，０，（：— ．１２１７９２６０３）【】５李书明，．５田俊网络学习中个性化学习服务策略研究ｆ＿Ｊ中国电化教育，０１）］２１（．６１】６李广，６姜英杰．个性化学习的理论建构与特征分析Ｉ．Ｊ东北师大学报：Ｊ哲学社会科学版，０（．２５３０）
关键词：目觉；脸定位；体匹配；双视人立快速区域匹配；字塔模型；脸视差图金人
中图分类号：Ｐ９文献标识码：文章编号：０９３４（０２０ — ５６０Ｔ３１Ａ１０ — ０４２１）７１８ — ４
ＦｓｅｈｄｏｃｓａｉｙＭａｑｕｓｔｎＢａｅｎＢｉｏｕａｓｎａｔＭｔｏｆＦａｅＤｉｐｒｔｐＡｃｉｉｉｓｄｏｎｃｌｒＶｉｉｏｏ
ｃａｓｅｅｏｃ，ｓｒｇｏｔｈｎｌｏｔｍｔｏｌｅｎｓｐｌｄｔａｎａｎｔｃｉａｔｐＬｓｙａｄｎｅｄｓａｔｉｃｎｆｆｅａｆｔｅｉｎｍａｃｉｇａｒｈｗｉｂｘｆｔｒｇｉａｐｉＯｇｉｎｉｉａｆｅｄｓｒｍａ．ａｔ，ｅｓｉｒｌａａｇｉｈｉｉｅｉａｌｐｉｙｌｐｉｙｍａｔｉｈｒｓｌｔｎｉａｑｉｅｙｕｉｇｐｒｍｉｔｈｎｄ１Ｅｐｒｎａｅｕｔｓｏｔａｔｅｐｏｏｅｔｏｅｕｅｈｐｗｉｈｇｅｏｕｉｃｕｒｄｂｓｙａｄｍａｃｉｇｍｏｅ．ｘｅｉｈｏｓｎｍｅｔｒｓｌｈｗｈｔｈｒｐｓｄｍｅｈｄｒｄｃｓｔｅｌｓｔｏｌｘｔｒａｙｏｅｐｅｓｆｃｕｒｇｄｎｅｆｃａｉｐｒｔｐａｄｔｕＯｈｖｉｈａｐｉａｉｎｖｕｉｃｍｐｅｉｇｅｔｎｔｒｍｉｏｑｉｎｅｓａｉｄｓａｙｍａ，ｎｓａｅａｈｇｐｌｔｏａｅｍｅｙｌｈｅａｉｌｉｈｔｃｌＫｅｒｓｂｎｃｌｒｉｏｆｃｃｔｎ；ｔｒｏｍａｃｉｇｆｓｒｇｏｍａｃｉｇｐｒｍｉｄｌｆｃｉａｔｐｙｗｏｄ：ｉｏｕａｓｎ；ｅｌａｉｓｅｅｔｈｎ；ａｔｅｉｎ — ｔｈｎ；ｙａｄｍｏｅ；ａｅｄｓｒｙｍａｖｉａｏｏｐｉ
ＬＩＤａＵｎ—ｈｕ，ＬＩＨａ—ｂｉＷＡＮＧａａＡｌｎ，Ｘｉｏ—ｘａｉｏ
（ｅａｔｎｏＣｍｐｔｃｎｅＸｉｎＵｎｅｓｙＦｊｎＸｉｎ３１０，ｈｎ）ＤｐｒｍｅｔｆｏｕｅＳｉｃ，ａｉｒｔ，ｕａａ６０５Ｃｉａｒｅｍｅｖｉｉｍｅ
区域模板图。
收稿日期：０２０ — ４２１— ２０
作者简介：刘丹华（９７，，１８一）女福建永春人，士，硕主要研究方向为计算机视觉和图像识别；海滨（９５，福建平和人，士，赖１８一）男，硕
主要研究方向为计算机视觉和图像识别；王晓晓（９６）女，１８一，河南孟州人，士，硕主要研究方向为图像处理和人工智能。
对应点，使得这两点为空间同一物体点的投影，进而求出二者的视差，以恢复场景的深度信息，并进一步求得该点的空间坐标。匹配结果会受到许多因素的影响，，如光照因素、镜头畸变、物理特性、噪声干扰等目前研究的立体派匹配算法大部分都是针对复杂．
的空间场景获取大致的视差图，专门研究人脸立体匹配的相关文献还较少。本文旨在研究匹配精度高、计算速度快的人脸立体匹配方法，从而获得高分辨率的人脸视差图，为后期人脸三维重建提供良好的基础。与一般的立体场景不同，脸有着自身的特点，人如表面变化相对平缓、场景信息不够丰富、深度信息差异不大、色等，肤这些特