检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于Gabor小波的人脸表情识别

光电工程 2009年第5期36卷 111-116页

作者：印勇史金玉刘丹平重庆大学通信工程学院重庆400044

提出通过提取人脸表情图像的Gabor特征,结合二次降维的方法,进行人脸表情识别。针对Gabor特征提取后维数变高,冗余很大的特点,先对高维特征进行采样,再引入二维PCA算法对Gabor特征进行选择,以达到降维的目的。然后采用基于模糊积分的多... 详细信息

提出通过提取人脸表情图像的Gabor特征,结合二次降维的方法,进行人脸表情识别。针对Gabor特征提取后维数变高,冗余很大的特点,先对高维特征进行采样,再引入二维PCA算法对Gabor特征进行选择,以达到降维的目的。然后采用基于模糊积分的多分类器联合的方法对7种表情进行融合识别。在JAFFE库上进行测试的结果验证了该算法的有效性,与2DPCA算法及传统特征提取算法相比,本文算法取得了较高的识别速度和精确度。该算法能更有效的提取反映表情状态的特征。

关键词：表情识别 Gabor小波变换模糊积分多分类器融合

在线全文

学校读者我要写书评

暂无评论

基于SVM的新生儿疼痛表情识别

南京邮电大学学报（自然科学版） 2008年第6期28卷 6-11页

作者：卢官明郭旻李晓南李海波邹婵洁南京邮电大学通信与信息工程学院江苏南京210003 南京医科大学附属南京儿童医院江苏南京210008 瑞典于默奥大学应用物理与电子系 S-90187UmeaSweden

近十年来新生儿疼痛引起医护人员的广泛关注。由于新生儿不能自述疼痛的感受,疼痛评估成为新生儿科学中最具挑战性的一个难题。新生儿'疼痛面容'(蹙眉、挤眼、鼻唇沟加深、张口)被认为是最可靠的疼痛指标,且持续时间最长,因而被国际上... 详细信息

近十年来新生儿疼痛引起医护人员的广泛关注。由于新生儿不能自述疼痛的感受,疼痛评估成为新生儿科学中最具挑战性的一个难题。新生儿'疼痛面容'(蹙眉、挤眼、鼻唇沟加深、张口)被认为是最可靠的疼痛指标,且持续时间最长,因而被国际上常用的新生儿疼痛评估工具作为评估指标。然而,这些疼痛评估工具往往受到临床医护人员主观因素的影响。文中旨在解决上述问题,提出利用支持向量机(SVM)技术对新生儿疼痛与非疼痛面部表情进行分类识别。对210幅照片的表情图像进行了研究,比较了线性核函数SVM、多项式核函数SVM(d=2,3,4)以及径向基函数SVM等5种不同分类器的性能。实验结果表明,阶数d=3的多项式核函数SVM分类器的性能最佳,对疼痛和非疼痛表情分类的识别率达到93.33%,对疼痛与安静表情的分类识别率为94.17%,对疼痛与哭表情的分类识别率为83.13%,初步具备了在新生儿疼痛评估中的潜在应用价值。

关键词：新生儿疼痛表情识别支持向量机

在线全文

学校读者我要写书评

暂无评论

嵌入注意力机制残差网络的人脸表情识别方法

计算机工程与应用 2023年第11期59卷 88-97页

作者：钟瑞蒋斌李南星崔晓梅郑州轻工业大学计算机与通信工程学院郑州450001

针对非可控环境下人脸图像易受光照、姿态变化等复杂因素的影响,进而造成人脸表情识别中人脸检测率低、表情识别精度差的问题,提出了一种嵌入注意力机制残差网络的表情识别方法。在人脸检测阶段,采用改进的RetinaFace算法完成多视角人... 详细信息

针对非可控环境下人脸图像易受光照、姿态变化等复杂因素的影响,进而造成人脸表情识别中人脸检测率低、表情识别精度差的问题,提出了一种嵌入注意力机制残差网络的表情识别方法。在人脸检测阶段,采用改进的RetinaFace算法完成多视角人脸检测,获取人脸区域。在特征提取阶段,使用ResNet-50作为特征提取的主干网络。将预处理后的人脸图片,依次通过该网络的通道注意力网络和空间注意力网络,显式地建模全局图像的相互依赖性。在虚线残差单元的快捷连接中,加入平均池化层进行下采样操作,通过微调残差模块的操作,加强输入特征之间的映射,使提取的表情特征能够较完整地在网络之间传递,以减小特征信息的损失;在网络中再次传入卷积注意力机制模块,增强局部表情特征的通道维度信息和空间维度信息,加强特征图中与表情相关性高的特征区域的重点信息,同时抑制特征图中无关区域的干扰,进而加快网络的收敛速度,提高表情识别率。与基线算法相比,该方法在RAF-DB和FER2013表情数据集上分别取得了87.65%和73.57%的准确率。

关键词：注意力机制残差网络表情识别卷积注意力机制模块 RetinaFace

在线全文

学校读者我要写书评

暂无评论

基于余弦距离损失函数的人脸表情识别算法

激光与光电子学进展 2019年第24期56卷 188-194页

作者：吴慧华苏寒松刘高华李燊苏晓天津大学电气自动化与信息工程学院

为解决人脸表情识别任务中存在的类内表情差异性大、类间表情相似度高的问题,基于传统的Softmax损失函数和Island损失函数,提出一种新的基于余弦距离损失函数来指导深度卷积神经网络的学习。该方法不仅可以减小特征空间中类内特征的差异... 详细信息

为解决人脸表情识别任务中存在的类内表情差异性大、类间表情相似度高的问题,基于传统的Softmax损失函数和Island损失函数,提出一种新的基于余弦距离损失函数来指导深度卷积神经网络的学习。该方法不仅可以减小特征空间中类内特征的差异,而且可以增大类间特征分布,从而提升特征判别效果。经过大量的实验和分析,该算法在RAF-DB人脸表情数据集上的准确率达到了83.196%,效果优于Softmax损失函数和Island损失函数,所提算法在人脸表情识别任务中具有较高的优越性。

关键词：机器视觉深度学习表情识别卷积神经网络损失函数

基于CNN和HOG双路特征融合的人脸表情识别

在线全文

学校读者我要写书评

暂无评论

信息与控制 2020年第1期49卷 47-54页

作者：丁名都李琳上海理工大学光电信息与计算机工程学院上海200093

为了避免传统表情识别方法中复杂的特征手动提取过程,同时能够提取到更多的表情特征,本文提出一种双路特征融合模型,将卷积神经网络(CNN)和方向梯度直方图(HOG)方法结合起来进行研究.在第一条通道上,对人脸表情图像进行归一化预处理,并... 详细信息

为了避免传统表情识别方法中复杂的特征手动提取过程,同时能够提取到更多的表情特征,本文提出一种双路特征融合模型,将卷积神经网络(CNN)和方向梯度直方图(HOG)方法结合起来进行研究.在第一条通道上,对人脸表情图像进行归一化预处理,并使用可训练的卷积核提取隐式特征;在第二条通道上,提取出人脸面部表情的HOG特征,然后输入到卷积神经网络中的全连接层上;最后将融合特征传递至输出层,采用Softmax分类器进行识别并输出结果.本文在FER2013和CK+表情数据库上进行实验,结果验证了方法的有效性.

关键词：表情识别双路特征融合卷积神经网络方向梯度直方图

在线全文

学校读者我要写书评

暂无评论

多特征多分类器优化匹配的人脸表情识别

光电工程 2016年第3期43卷 73-79页

作者：王晓华黄伟金超胡敏任福继合肥工业大学计算机与信息学院情感计算与先进智能机器安徽省重点实验室合肥230009 德岛大学先端技术科学教育部日本德岛7708502

针对主成分分析(Principal Component Analysis,PCA)降维过程中由于特征值相对集中而造成维数仍然偏高的不足,本文提出了基于最优样本的主成分分析(Optimal Sample-PCA,OS-PCA)降维方法。OS-PCA通过选择训练样本、优化协方差矩阵,从而... 详细信息

针对主成分分析(Principal Component Analysis,PCA)降维过程中由于特征值相对集中而造成维数仍然偏高的不足,本文提出了基于最优样本的主成分分析(Optimal Sample-PCA,OS-PCA)降维方法。OS-PCA通过选择训练样本、优化协方差矩阵,从而达到进一步降维的目的。鉴于离散余弦变换(Discrete Cosine Transform,DCT)对光照的鲁棒性,以及局部二值模式(Local Binary Patterns,LBP)对局部纹理特征的有效描述,本文结合DCT和LBP特征来弥补单一OS-PCA特征在人脸表情表征方面的局限性。为了更好地发挥特征与分类器的协作优势,文章构造了一个三层多分类器最优集成的人脸表情识别模型。该模型首先对表情图像进行预处理操作;然后提取OS-PCA、DCT和LBP特征送入三层模型;最后基于单一特征和相应单一分类器的最佳匹配组合,完成多特征与多分类器的最优集成;在执行粗分类结果投票表决的基础上,进一步对仍有分歧的表情图像进行自适应决策,从而得到最终识别结果。实验表明,OS-PCA较PCA进一步有效地降低了特征维数;同时,基于多特征多分类器的三层识别模型在JAFFE和CK库上分别获得了高于95%和96%的识别率,并表现出比较优越的时间性能。

关键词：表情识别主成分分析多分类器最优集成自适应决策

基于轻量卷积网络多层特征融合的人脸表情识别

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2021年第6期58卷 140-147页

作者：申毫孟庆浩刘胤伯天津大学电气自动化与信息工程学院天津300072 天津大学机器人与自主系统研究所天津300072 天津市过程检测与控制重点实验室天津300072

基于深度学习的表情识别方法存在参数量大、实时性差等问题,针对此问题,提出一种基于轻量卷积网络的多层特征融合的人脸表情识别方法。首先使用改进的倒置残差网络为基本单元搭建轻量卷积网络模型,然后采用池化、1×1卷积、全局平均池... 详细信息

基于深度学习的表情识别方法存在参数量大、实时性差等问题,针对此问题,提出一种基于轻量卷积网络的多层特征融合的人脸表情识别方法。首先使用改进的倒置残差网络为基本单元搭建轻量卷积网络模型,然后采用池化、1×1卷积、全局平均池化法筛选卷积网络中的浅层特征,并对这些筛选的浅层特征与深层特征进行融合用于表情识别。在两个常用的真实表情数据集RAF-DB和AffectNet上对所提方法进行测试,识别准确率分别达85.49%和57.70%,且模型参数量仅有0.2×10^(6)。

关键词：图像处理表情识别卷积神经网络浅层特征深层特征多层特征融合

在线全文

学校读者我要写书评

暂无评论

融合ViT与对比学习的面部表情识别

中国图象图形学报 2024年第1期29卷 123-133页

作者：崔鑫宇何翀赵宏珂王美丽西北农林科技大学信息工程学院杨凌712100 农业农村部农业物联网重点实验室(西北农林科技大学) 杨凌712100 陕西省农业信息感知与智能服务重点实验室(西北农林科技大学) 杨凌712100

目的面部表情识别是计算机视觉领域中的重要任务之一,而真实环境下面部表情识别的准确度较低。针对面部表情识别中存在的遮挡、姿态变化和光照变化等问题导致识别准确度较低的问题,提出一种基于自监督对比学习的面部表情识别方法,可以... 详细信息

目的面部表情识别是计算机视觉领域中的重要任务之一,而真实环境下面部表情识别的准确度较低。针对面部表情识别中存在的遮挡、姿态变化和光照变化等问题导致识别准确度较低的问题,提出一种基于自监督对比学习的面部表情识别方法,可以提高遮挡等变化条件下面部表情识别的准确度。方法该方法包含对比学习预训练和模型微调两个阶段。在对比学习预训练阶段,改进对比学习的数据增强方式及正负样本对对比次数,选取基于Transformer的视觉Transformer(vision Transformer,ViT)网络作为骨干网络,并在ImageNet数据集上训练模型,提高模型的特征提取能力。模型微调阶段,采用训练好的预训练模型,用面部表情识别目标数据集微调模型获得识别结果。结果实验在4类数据集上与13种方法进行了比较,在RAF-DB(real-world affective faces database)数据集中,相比于Face2Exp(combating data biases for facial expression recognition)模型,识别准确度提高了0.48%;在FERPlus(facial expression recognition plus)数据集中,相比于KTN(knowledgeable teacher network)模型,识别准确度提高了0.35%;在AffectNet-8数据集中,相比于SCN(self-cure network)模型,识别准确度提高了0.40%;在AffectNet-7数据集中,相比于DACL(deep attentive center loss)模型,识别准确度略低0.26%,表明了本文方法的有效性。结论本文所提出的人脸表情识别模型,综合了对比学习模型和ViT模型的优点,提高了面部表情识别模型在遮挡等条件下的鲁棒性,使面部表情识别结果更加准确。

关键词：表情识别对比学习自监督学习 Transformer 正负样本对

在线全文

学校读者我要写书评

暂无评论

基于图像差分与卷积深度置信网络的表情识别

光电子．激光 2018年第11期29卷 1228-1236页

作者：黄秀符冉迪金炜李云飞蔡永香宁波大学信息科与工程学院浙江宁波315211 地理信息工程国家重点实验室中国西安710054

针对传统的人脸表情识别方法中提取表情特征时没有去除个体性差异及突出表情关键部位的高层次特征,本文提出一种将图像差分与改进的卷积深度置信网络(CDBN)相结合的表情识别方法。首先对人脸表情图片进行裁剪、降维等预处理,之后将各类... 详细信息

针对传统的人脸表情识别方法中提取表情特征时没有去除个体性差异及突出表情关键部位的高层次特征,本文提出一种将图像差分与改进的卷积深度置信网络(CDBN)相结合的表情识别方法。首先对人脸表情图片进行裁剪、降维等预处理,之后将各类表情图像与中性表情图像做差分运算提取各类表情的差分图像,为了提取表情关键部位的深层次特征,本文将卷积受限玻尔兹曼机(CRBM)的可见层单元划分为多个区域,分区进行特征学习,并将此CRBM堆叠起来,形成分区卷积深度置信网络(PCDBN),之后将各表情的差分图像作为PCDBN可视层的输入,并利用对比散度算法逐层训练网络,最后在顶层添加softmax分类器作为输出层以实现表情识别。在JAFFE和CK+表情库上的实验结果均达到了95%以上的识别率,扩大训练样本后,在CK+表情库上的识别率可达99%以上。

关键词：表情识别图像差分深度学习卷积深度置信网络