-
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：CN108830237B
公开(公告)日：2020-08-11
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：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：CN103927742A
公开(公告)日：2014-07-16
申请号：CN201410108342.5
申请日：2014-03-21
Applicant: 北京师范大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于深度图像的全局自动配准建模方法，所述方法包括：利用三维激光扫描仪采集不同视角的深度图像；深度图像预处理；基于全等三点的邻接深度图像的自动配准；基于全局特征点集的多个深度图像的全局配准；基于转轴估计的配准结果反馈；深度图像的融合等步骤。本发明的优越效果在于，依据边长和角度信息，通过全等三点实现邻接深度图像的自动粗配准，降低了噪声对配准结果的影响。通过选择稳定度高、几何属性稳定的对应点及其对应关系的度量函数，建立了基于全局特征点集的多个深度图像配准的方法，提高了多视深度图像配准的准确性。基于转轴估计的配准结果反馈方法相比较于欧式距离的度量方法，更容易评估配准结果的准确性。
-
公开(公告)号：CN109118455A
公开(公告)日：2019-01-01
申请号：CN201811076427.4
申请日：2018-09-14
Applicant: 北京师范大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于现代人软组织分布的古人类头骨颅面交互复原方法，具体包括以下步骤：步骤1，古人类头骨的几何修复；步骤2，古人类头骨与现代人的颅骨的配准；步骤3，基于参考模型的软组织分布的颅面复原；步骤4，颅面复原结果候选数据集的构建；步骤5，基于统计形状模型的颅面交互复原。本发明所述基于现代人软组织分布的古人类头骨颅面交互复原方法的有益效果：提高基于颅骨配准的颅面复原方法的准确性；提高古人类头骨颅面复原结果的准确性；提高颅面复原结果的准确性。
-
Patent Agency Ranking
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：CN103778662A
公开(公告)日：2014-05-07
申请号：CN201410006146.7
申请日：2014-01-07
Applicant: 北京师范大学
Abstract: 本发明涉及交互式破碎文物虚拟修复方法，包括如下步骤：（1）文物碎片数据采集与分类；（2）基于Wiimote的三维模型交互；（3）文物碎片的互补拼接虚拟修复；（4）基于模板匹配的文物虚拟修复；（5）基于三维打印的文物实体修复。本发明利用MSME三轴加速度记、陀螺仪和红外感应条实现了文物模型的交互控制，完成了对MSME位移及姿态6自由度信息的实时校准，克服了重力加速度、MEMS敏感度不高等造成交互控制准确性不高的局限；解决了不符合互补匹配关系但又存在语义相关性和符合互补关系但边缘又不严格匹配两种情况的文物碎片虚拟修复问题，并借助三维打印机完成文物的快速实体修复。
-
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：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
23
records
(took 0.019 seconds)
