-
公开(公告)号：CN111695427B
公开(公告)日：2022-11-15
申请号：CN202010383157.2
申请日：2020-05-08
Applicant: 东南大学
IPC: G06V40/16
Abstract: 本发明公开了一种基于稀疏共享迁移回归模型的跨库微表情识别架构，架构主要包括基于源域和目标域微表情数据库的特征提取、学习优化一种更加共享的迁移回归模型和针对目标域微表情数据库样本的识别。本发明从均值和协方差矩阵角度来减小源域和目标域的分布差异，将标签的源域和未标签的目标域映射到公共的特征空间，再通过优化稀疏回归系数矩阵对三个时空描述符进行大量的实验。在与其他7种领域自适应的方法进行比较的过程中，证明了所提出发明确实优于另外7种方法。
-
Patent Agency Ranking
公开(公告)号：CN110287805B
公开(公告)日：2021-02-09
申请号：CN201910468036.5
申请日：2019-05-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于三流卷积神经网络的微表情识别方法及系统，所述方法包括：(1)获取若干微表情视频，转化为若干微表情图像序列样本；(2)从所述图像序列样本中提取出单通道人脸灰度图像，作为静态空间特征；(3)对所述单通道人脸灰度图像进行分块和堆叠，得到多通道灰度图像，作为局部空间特征；(4)对于所述图像序列样本，计算由水平/垂直光流场堆叠而成的四通道灰度图像，作为动态时间特征；(5)建立由静态空间流、堆叠空间流、动态时间流三路卷积网络合并而成的三流卷积神经网络，将每路对应特征作为输入，对三流卷积神经网络进行训练；(6)将待识别的微表情视频输入训练好的三流卷积神经网络，得到识别出的微表情。本发明识别率更高。
-
公开(公告)号：CN110287805A
公开(公告)日：2019-09-27
申请号：CN201910468036.5
申请日：2019-05-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于三流卷积神经网络的微表情识别方法及系统，所述方法包括：(1)获取若干微表情视频，转化为若干微表情图像序列样本；(2)从所述图像序列样本中提取出单通道人脸灰度图像，作为静态空间特征；(3)对所述单通道人脸灰度图像进行分块和堆叠，得到多通道灰度图像，作为局部空间特征；(4)对于所述图像序列样本，计算由水平/垂直光流场堆叠而成的四通道灰度图像，作为动态时间特征；(5)建立由静态空间流、堆叠空间流、动态时间流三路卷积网络合并而成的三流卷积神经网络，将每路对应特征作为输入，对三流卷积神经网络进行训练；(6)将待识别的微表情视频输入训练好的三流卷积神经网络，得到识别出的微表情。本发明识别率更高。
-
公开(公告)号：CN114511912B
公开(公告)日：2024-08-02
申请号：CN202210246865.0
申请日：2022-03-14
Applicant: 东南大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双流卷积神经网络的跨库微表情识别方法及装置，方法包括：(1)获取源数据库和目标数据库(2)从源数据库和目标数据库的微表情视频中提取关键帧(3)对峰值帧进行人脸区域检测和灰度处理，得到人脸灰度图像，作为空间线索；(4)分别计算起始帧与峰值帧之间以及峰值帧与终止帧之间的水平光流场和垂直光流场，并采用四个光流场堆叠得到一幅四通道灰度图像，作为时间线索；(5)建立双流卷积神经网络(6)将源数据库数据特征输入双流卷积神经网络进行预训练，训练好后再将目标数据库数据特征进行微调整训练；(7)将待识别微表情视频作为目标数据库中数据，输入训练好的双流卷积神经网络，得到微表情类型。本发明识别准确率更高。
-
公开(公告)号：CN114511912A
公开(公告)日：2022-05-17
申请号：CN202210246865.0
申请日：2022-03-14
Applicant: 东南大学
IPC: G06V40/16 , G06V10/774 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于双流卷积神经网络的跨库微表情识别方法及装置，方法包括：(1)获取源数据库和目标数据库(2)从源数据库和目标数据库的微表情视频中提取关键帧(3)对峰值帧进行人脸区域检测和灰度处理，得到人脸灰度图像，作为空间线索；(4)分别计算起始帧与峰值帧之间以及峰值帧与终止帧之间的水平光流场和垂直光流场，并采用四个光流场堆叠得到一幅四通道灰度图像，作为时间线索；(5)建立双流卷积神经网络(6)将源数据库数据特征输入双流卷积神经网络进行预训练，训练好后再将目标数据库数据特征进行微调整训练；(7)将待识别微表情视频作为目标数据库中数据，输入训练好的双流卷积神经网络，得到微表情类型。本发明识别准确率更高。
-
公开(公告)号：CN111695427A
公开(公告)日：2020-09-22
申请号：CN202010383157.2
申请日：2020-05-08
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于稀疏共享迁移回归模型的跨库微表情识别架构，架构主要包括基于源域和目标域微表情数据库的特征提取、学习优化一种更加共享的迁移回归模型和针对目标域微表情数据库样本的识别。本发明从均值和协方差矩阵角度来减小源域和目标域的分布差异，将标签的源域和未标签的目标域映射到公共的特征空间，再通过优化稀疏回归系数矩阵对三个时空描述符进行大量的实验。在与其他7种领域自适应的方法进行比较的过程中，证明了所提出发明确实优于另外7种方法。
-
-
-
-
-
Search Results
6
records
(took 0.013 seconds)
