检索结果-南通市图书馆

计算机应用 2023年第S1期43卷 1-7页

作者：刘希未宫晓燕赵红霞边思宇邵帅戴亚平代文鑫多模态人工智能系统全国重点实验室(中国科学院自动化研究所) 北京100190 青岛智能产业技术研究院智慧教育研究所青岛山东266044 北京理工大学自动化学院北京100081

针对自然环境中存在人脸遮挡、姿势变化等复杂因素,以及卷积神经网络(CNN)中的卷积滤波器由于空间局部性无法学习大多数神经层中不同面部区域之间的长程归纳偏差的问题,提出一种用于动态人脸表情识别(DFER)的混合注意力机制模型(HA-Mode... 详细信息

针对自然环境中存在人脸遮挡、姿势变化等复杂因素,以及卷积神经网络(CNN)中的卷积滤波器由于空间局部性无法学习大多数神经层中不同面部区域之间的长程归纳偏差的问题,提出一种用于动态人脸表情识别(DFER)的混合注意力机制模型(HA-Model),以提升DFER的鲁棒性和准确性。HA-Model由空间特征提取和时序特征处理两部分组成:空间特征提取部分通过两种注意力机制——Transformer和包含卷积块注意力模块(CBAM)的网格注意力模块,引导网络从空间角度学习含有遮挡、姿势变化的鲁棒面部特征并关注人脸局部显著特征;时序特征处理部分通过Transformer引导网络学习高层语义特征的时序联系,用于学习人脸表情特征的全局表示。实验结果表明,HA-Model在DFEW和AFEW基准上的准确率分别达到了67.27%和50.41%,验证了HA-Model可以有效提取人脸特征并提升动态人脸表情识别的精度。

关键词：动态人脸表情识别深度学习卷积神经网络注意力机制 Transformer 卷积块注意力模块

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于图像序列的动态人脸表情识别算法研究

基于图像序列的动态人脸表情识别算法研究

引用

作者：刘文龙华中科技大学

学位级别：硕士

人脸表情识别作为计算机视觉领域中的一个重要研究课题,大多数的研究往往聚焦于以单帧表情图像作为研究对象的静态人脸表情识别任务中。然而,人脸表情作为一个动态变化过程,单帧人脸表情图像无法完整地捕捉人的情感变化。与之相比,表情... 详细信息

人脸表情识别作为计算机视觉领域中的一个重要研究课题,大多数的研究往往聚焦于以单帧表情图像作为研究对象的静态人脸表情识别任务中。然而,人脸表情作为一个动态变化过程,单帧人脸表情图像无法完整地捕捉人的情感变化。与之相比,表情视频或表情图像序列由于包含丰富地与表情变化相关的纹理信息和运动信息,可以较为完整地表达人的情绪变化过程。因此,基于图像序列的动态人脸表情识别研究具有重大的研究价值。本文的主要研究工作和创新点如下:1.深入研究了人脸表情的区域特征提取问题。针对不同表情运动在脸部的不同区域具有不同的结构和纹理信息,在使用卷积核提取特征时,对不同的局部区域应该使用不同的卷积核处理。具体而言,我们设计了一种多尺度区域特征学习模块,并在自然场景下的人脸表情数据集上进行了验证,多尺度区域学习模块的添加确实有助于提升模型对表情特征的表征能力。2.本文提出了一种基于异构网络融合的动态人脸表情识别算法。解决了3D卷积神经网络直接对表情序列提取特征存在冗余和噪声干扰导致识别率低的问题。该算法集成了两种网络模型:3D时空网络和静态网络,前者直接以表情序列作为输入,用于提取相邻帧之间连贯的时空信息;后者以表情序列的关键帧为输入,用于提取静态特征,再通过模型融合,进而弥补前者在提取序列特征方面的不足,提高动态人脸表情识别准确率。通过在CK+和Oulu-CASIA数据集上的大量实验结果表明,本文提出的算法具有良好地识别结果。3.深入分析了本文提出的基于异构网络融合的动态人脸表情识别算法应用于实际场景中存在的问题与不足之处,继而提出了一种基于时序关系推理的动态人脸表情识别算法,算法通过对长度不一的表情序列进行稀疏采样,进而通过设计的多尺度区域特征提取网络对稀疏表情序列提取语义特征,然后创新性地使用时序关系推理模块建模稀疏表情序列的时序上下文信息,从而得到表情序列所属类别。最后的实验结果验证了算法对自然场景下的动态人脸表情识别具有良好的识别率,而且能达到实时识别。

关键词：动态人脸表情识别关键帧提取模型融合多尺度区域特征学习时序关系推理

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于K阶情感强度模型的动态表情识别

基于K阶情感强度模型的动态表情识别

引用

作者：钱瑶合肥工业大学

学位级别：硕士

随着人工智能与模式识别技术的发展,人脸表情识别在智能人机交互中起着越来越重要的作用。事实上,人脸表情是一个具有从开始,高潮到结束的完整过程,因此对动态序列图像进行表情识别可以更有效地反映人脸表情过程的本质,并且动态序列表... 详细信息

随着人工智能与模式识别技术的发展,人脸表情识别在智能人机交互中起着越来越重要的作用。事实上,人脸表情是一个具有从开始,高潮到结束的完整过程,因此对动态序列图像进行表情识别可以更有效地反映人脸表情过程的本质,并且动态序列表情图像包含更多的表情信息,所以动态表情识别的应用更为广泛,也更有实际意义。人脸表情的情感强度作为面部表情的一种属性,被认为是动态人脸表情识别的一种重要参考变量。然而,如何衡量情感强度的值是一直被讨论的问题。在前人的工作当中,常用的方法是人为的按照百分比为情感强度定值。在本文中,我们设计了K阶情感强度模型。不同于其他的相关工作,该模型可以用无监督的方式将整个情感强度从中性到最强分为若干等级。将表情序列的特征从K阶情感强度模型输入之后,对输出特征进行编码,将编码结果用于动态表情识别。该识别方法可不用考虑动态表情序列包含的帧的数目,使得该方法在实际使用中更加方便。本文中的实验在Cohn-Kanade人脸表情数据库上测试,并且用支持向量机分类器进行表情识别。实验包含封闭性实验和半封闭性实验,其中开放性实验的平均识别率可达到88.32%,该实验结果表明了该方法具有很好的性能,并验证了其有效性。此外,对编码与不编码的影响也进行了探讨。

关键词：动态人脸表情识别 K阶情感强度模型情感强度编码原则

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：