-
公开(公告)号：CN109344744B
公开(公告)日：2021-10-29
申请号：CN201811076388.8
申请日：2018-09-14
Applicant: 北京师范大学
IPC: G06K9/00
Abstract: 本发明公开一种基于深度卷积神经网络的人脸微表情动作单元检测方法，包括如下步骤：步骤1：设计深度卷积神经网络结构；步骤1.1：标记人脸及其中不同动作单元的矩形形状区域；步骤1.2：设计实现深度卷积神经网络，所述神经网络中包括了卷积层，捷径层及动作单元检测层，以对人脸及其不同表情动作单元区域信息进行学习，获取网络前向传播参数；步骤1.3：将人脸样本数据集中的样本数据作为神经网络输入数据；步骤2：根据步骤1中学习到的网络参数，实现人脸表情动作单元检测；步骤3：根据步骤2中检测到的人脸动作单元进行可视化输出。本发明所述的检测方法依托深层卷积神经网络，检测和识别人脸图像中的动作单元，能够提高检测的准确率和速度。
-
公开(公告)号：CN108830237A
公开(公告)日：2018-11-16
申请号：CN201810645394.4
申请日：2018-06-21
Applicant: 北京师范大学
IPC: G06K9/00
Abstract: 本发明涉及一种人脸表情的识别方法，具体包括以下步骤：步骤1：针对人脸表情数据集中的各个图像，检测图像中的人脸及特征点；步骤2：在步骤1的基础上，生成人脸图像上各个特征点局部区域的特征向量，计算基于人脸特征点的表情特征；步骤3：进行计算人脸表情特征向量；步骤4：在步骤3的基础上，利用自编码神经网络方法进行降维；步骤5：计算并得到非线性高维分类模型；步骤6：当用户输入人脸视频后，按照步骤1～步骤4方法构造新型较低维的形状特征描述符；步骤7：将输入视频人脸图像特征描述符与分类模型进行比较，从而确定出人脸表情图像在不同分类中的概率值。本发明的有益效果是：提高表情特征的描述能力；提高了表情识别的准确率。
-
公开(公告)号：CN106484692A
公开(公告)日：2017-03-08
申请号：CN201510524797.X
申请日：2015-08-25
Applicant: 北京师范大学
Abstract: 本发明公开了一种三维模型检索方法：接收用户所绘制的、用于进行三维模型检索的二维草图，生成所述二维草图的形状特征描述符；分别计算预先生成的三维模型数据库中的各三维模型对应的各二维轮廓线图的形状特征描述符与所述二维草图的形状特征描述符之间的相似度，每个三维模型分别对应M幅二维轮廓线图，M为大于1的正整数；按照相似度由大到小的顺序，对各二维轮廓线图进行排序，并将排序后处于前N位的二维轮廓线图展示给用户，N为正整数；当确定用户选中所展示的任一二维轮廓线图时，将所选中的二维轮廓线图对应的三维模型展示给用户。应用本发明所述方案，能够提高三维模型的检索效率。
-
公开(公告)号：CN112766172B
公开(公告)日：2024-02-02
申请号：CN202110083484.0
申请日：2021-01-21
Applicant: 北京师范大学
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/084
Abstract: 动规律；建立了连续表情识别模型。发明可应用本发明涉及一种基于时序注意力机制的人 于刑侦、民航安全检测等领域。脸连续表情识别方法，在通过深度卷积神经网络进行视频帧的特征提取同时，结合时空注意力机制，增强特征在空间域的描述能力，以及增加特征在时间域的描述，在连续维度情感空间中，进行时空上下文相关的情感预测。情感的变化是一个渐进的过程，仅通过单帧空间域的表情特征，难以取得很好的连续情感识别精度。而临近时间域的图像帧通常具有规律性，时间域特征计算能够为基于学习的多帧融合特征提供可靠的数据(56)对比文件Peizhi Wen et al.Facial ExpressionRecognition Method Based on ConvolutionNeural Network Combining AttentionMechanism《.Artificial Intelligence andSecurity. ICAIS 2020》.2020,第1253卷第136–147页.方月彤 等.基于多层感知机的情绪分类系统《.产业与科技论坛》.2021,第20卷(第2期),第35-37页.
-
公开(公告)号：CN110147822A
公开(公告)日：2019-08-20
申请号：CN201910303586.1
申请日：2019-04-16
Applicant: 北京师范大学
Abstract: 本发明属于人脸识别以及情感计算技术领域技术领域，具体涉及一种基于人脸动作单元检测的情绪指数计算方法，具体步骤包括：建立待训练数据集，形成人脸动作单元数据库；人脸动作单元动作强度检测；计算情绪指数；本发明实现了通过面部表情所表达的情绪过程，能够更加准确客观的传达细节信息，更能弥补语言所不能描述和传达的深邃信息，尤其对语言表达障碍及无法正常获取语言信息的情景应用提供了一种非常可行的方案。
-
Patent Agency Ranking
公开(公告)号：CN104751511A
公开(公告)日：2015-07-01
申请号：CN201310744437.1
申请日：2013-12-30
Applicant: 北京师范大学
Abstract: 本发明公开了一种三维场景构建方法和装置：在三维场景构建过程中，当每次接收到用户所绘制的、用于进行三维模型检索的二维草图时，分别进行如下处理：生成所述二维草图的特征向量；针对三维模型数据库中的每个三维模型，分别计算预先生成的该三维模型的各二维正交投影轮廓线图的特征向量与所述二维草图的特征向量之间的距离，并将计算出的最小距离作为该三维模型与所述二维草图之间的距离；按照与所述二维草图之间的距离由小到大的顺序，对所述三维模型数据库中的各三维模型进行排序，并将排序后处于前X位的三维模型推荐给用户，X为正整数；将所推荐的各三维模型中的一个加载到三维场景中。应用本发明所述方案，能够提高三维场景的构建效率等。
-
公开(公告)号：CN112288849B
公开(公告)日：2023-07-25
申请号：CN202011144344.1
申请日：2020-10-23
Applicant: 北京师范大学
Abstract: 本发明涉及一种转轴类破碎文物的虚拟复原方法，包括以下步骤：(1)基于平均曲率和法线的对称轴估计；(2)基于文物碎片内外侧表面的对称轴精确计算；(3)破碎文物的结构分析；(4)破碎文物的虚拟修复。实现了转轴类破碎文物的虚拟修复和结构分析，提高了破碎文物修复的准确性和自动化水平。
-
公开(公告)号：CN112288849A
公开(公告)日：2021-01-29
申请号：CN202011144344.1
申请日：2020-10-23
Applicant: 北京师范大学
Abstract: 本发明涉及一种转轴类破碎文物的虚拟复原方法，包括以下步骤：(1)基于平均曲率和法线的对称轴估计；(2)基于文物碎片内外侧表面的对称轴精确计算；(3)破碎文物的结构分析；(4)破碎文物的虚拟修复。实现了转轴类破碎文物的虚拟修复和结构分析，提高了破碎文物修复的准确性和自动化水平。
-
公开(公告)号：CN106484692B
公开(公告)日：2019-11-29
申请号：CN201510524797.X
申请日：2015-08-25
Applicant: 北京师范大学
Abstract: 本发明公开了一种三维模型检索方法：接收用户所绘制的、用于进行三维模型检索的二维草图，生成所述二维草图的形状特征描述符；分别计算预先生成的三维模型数据库中的各三维模型对应的各二维轮廓线图的形状特征描述符与所述二维草图的形状特征描述符之间的相似度，每个三维模型分别对应M幅二维轮廓线图，M为大于1的正整数；按照相似度由大到小的顺序，对各二维轮廓线图进行排序，并将排序后处于前N位的二维轮廓线图展示给用户，N为正整数；当确定用户选中所展示的任一二维轮廓线图时，将所选中的二维轮廓线图对应的三维模型展示给用户。应用本发明所述方案，能够提高三维模型的检索效率。
-
公开(公告)号：CN109344744A
公开(公告)日：2019-02-15
申请号：CN201811076388.8
申请日：2018-09-14
Applicant: 北京师范大学
IPC: G06K9/00
Abstract: 本发明公开一种基于深度卷积神经网络的人脸微表情动作单元检测方法，包括如下步骤：步骤1：设计深度卷积神经网络结构；步骤1.1：标记人脸及其中不同动作单元的矩形形状区域；步骤1.2：设计实现深度卷积神经网络，所述神经网络中包括了卷积层，捷径层及动作单元检测层，以对人脸及其不同表情动作单元区域信息进行学习，获取网络前向传播参数；步骤1.3：将人脸样本数据集中的样本数据作为神经网络输入数据；步骤2：根据步骤1中学习到的网络参数，实现人脸表情动作单元检测；步骤3：根据步骤2中检测到的人脸动作单元进行可视化输出。本发明所述的检测方法依托深层卷积神经网络，检测和识别人脸图像中的动作单元，能够提高检测的准确率和速度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.014 seconds)
