公开(公告)号：CN111967295B

公开(公告)日：2024-02-13

申请号：CN202010584527.9

申请日：2020-06-23

Applicant: 南昌大学

Inventor： 徐健锋 ,  吴俊杰 ,  刘澜 ,  潘纯杰 ,  邹伟康 ,  杨迎方

IPC: G06V40/16

Abstract: 一种语义标签挖掘的微表情捕捉方法，该方法包括：首先，对源域S张微表情视频帧图片一一通过脸部配准方法确认脸部器官关键点坐标，再根据其中4个关键点坐标确定一个脸部核心器官的方法进行器官图片划分，表示为R1,R2,R3,…Rn共n个类型的脸部器官。接着，分别提取R1,R2,R3,…Rn器官图片的图像纹理特征，获取对应器官类别的特征集合δ1,δ2,δ3,…,δn。然后，将特征集合分别输入聚类算法并进行形态语义的数据聚类(即形态语义挖掘)，基于聚类质量评估方法获取质量最高的语义库模型，记为f(δ1),f(δ2),f(δ3),…,f(δn)。最后，将目标域视频依据f(δ1),f(δ2),f(δ3),…,f(δn)模型匹配获取对应器官形态变化的核序列特征，将核序列特征输入分类器进行微表情模型M_Model的构建。

公开(公告)号：CN111967463A

公开(公告)日：2020-11-20

申请号：CN202010584515.6

申请日：2020-06-23

Applicant: 南昌大学

Inventor： 徐健锋 ,  邹伟康 ,  刘澜 ,  吴俊杰 ,  江飞翔 ,  杨迎方

IPC: G06K9/32 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种自然场景弯曲文本的检测方法，方法包括：S1:获取包含弯曲文本的自然场景图片的数据集；S2:利用将VGG-16网络中的所有全连接层改为卷积层的全卷积神经网络对步骤S1中获得的图像数据集进行特征提取，得到特征图；S3:对步骤S2中的特征图进行卷积处理得到段和链接；S4:取步骤S3中每个段的上下中心点，将其拟合成上下两条曲线并与末端段两侧边界连接形成一个封闭区域，得到的区域即为文本检测框；S5:输出步骤S4中的文本检测框。本发明能够更精准的定位到自然场景中的弯曲文本，可以非常灵活和高效地检测任意长度和方向的文本。

公开(公告)号：CN111967295A

公开(公告)日：2020-11-20

申请号：CN202010584527.9

申请日：2020-06-23

Applicant: 南昌大学

Inventor： 徐健锋 ,  吴俊杰 ,  刘澜 ,  潘纯杰 ,  邹伟康 ,  杨迎方

IPC: G06K9/00

Abstract: 一种语义标签挖掘的微表情捕捉方法，该方法包括：首先，对源域S张微表情视频帧图片一一通过脸部配准方法确认脸部器官关键点坐标，再根据其中4个关键点坐标确定一个脸部核心器官的方法进行器官图片划分，表示为R1,R2,R3,…Rn共n个类型的脸部器官。接着，分别提取R1,R2,R3,…Rn器官图片的图像纹理特征，获取对应器官类别的特征集合δ1,δ2,δ3,…,δn。然后，将特征集合分别输入聚类算法并进行形态语义的数据聚类(即形态语义挖掘)，基于聚类质量评估方法获取质量最高的语义库模型，记为f(δ1),f(δ2),f(δ3),…,f(δn)。最后，将目标域视频依据f(δ1),f(δ2),f(δ3),…,f(δn)模型匹配获取对应器官形态变化的核序列特征，将核序列特征输入分类器进行微表情模型M_Model的构建。