-
公开(公告)号：CN110147822B
公开(公告)日：2021-04-02
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。
-
公开(公告)号：CN110363156A
公开(公告)日：2019-10-22
申请号：CN201910644906.X
申请日：2019-07-17
Applicant: 北京师范大学
IPC: G06K9/00
Abstract: 本发明涉及一种姿态无关的面部动作单元(AU)识别方法，传统方法对头部的姿态十分敏感，对于正面姿态面部图像表现良好，但对于其他非正面姿态效果较差。这是因为深度学习算法是数据驱动的，而侧面姿态AU数据集比正面姿态AU数据集更难获取，因为在大量侧面面部图片上标注AU需要消耗大量人力、物力。为了解决这一限制，提出了一种基于深度残差映射和注意力增强的姿态无关的AU识别方法，对卷积神经网络中的深层特征进行姿态转正。在深层特征空间中，通过注意力增强的残差映射模块，将非正面姿态映射到正面，从而减小AU识别难度，提高识别AU准确率。
-
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。
-
-
-
Search Results
4
records
(took 0.016 seconds)
