-
公开(公告)号：CN106203339B
公开(公告)日：2019-07-09
申请号：CN201610543011.3
申请日：2016-07-11
Applicant: 山东大学
Abstract: 一种基于多耦合判别局部块对齐的跨角度步态识别方法，包括在线训练和离线测试。本发明与现有其他识别方法相比，识别性能有所提高，不需要完全受控的环境，也不需要复杂的相机标定，同时，本发明提出的方法不需要进行矩阵的求逆运算，减少了运算量，减少了小样本问题，是一种高鲁棒性的跨域步态识别方法。
-
公开(公告)号：CN108830223A
公开(公告)日：2018-11-16
申请号：CN201810628275.8
申请日：2018-06-19
Applicant: 山东大学
Abstract: 本发明涉及一种基于批量模式主动学习的微表情识别方法，包括：A、微表情样本处理：1)处理微表情数据集的样本，提取微表情特征，并将样本特征分为种子集，主动池和测试集；B、批量模式主动学习：2)构建主动学习框架，通过批量模式主动学习的算法，从主动池中挑选出具有代表性信息性的样本，进行人工标注。C、微表情识别：3)根据所挑选出的样本和原先已有的带标记样本利用SVM训练出分类器，利用测试集数据检测分类器输出识别率。本发明提出的基于批量模式主动学习的微表情识别方法能够降低人工编码成本的同时提高微表情识别的效率。
-
公开(公告)号：CN107358206A
公开(公告)日：2017-11-17
申请号：CN201710572236.6
申请日：2017-07-13
Applicant: 山东大学
Abstract: 一种基于感兴趣区域的光流特征矢量模值和角度结合的微表情检测方法，首先对微表情视频进行预处理得到微表情序列，进而提取人脸关键特征点，根据不同表情FACS运动单元的运动特点，找出效果最好的人脸感兴趣区域；提取感兴趣区域的光流特征，其中本发明首次引入光流矢量的角度信息，通过计算得到光流矢量模值和角度信息，并进一步将两者结合得到更全面、更有判决力的特征检测出微表情片段；最后该方法将光流模值与角度相结合，其中阈值是根据光流模值大小来判断的，利用数形结合方法可以形象直观地得到微表情片段。本发明大大提高了微表情检测效率，仅对人脸重要区域提取光流特征矢量，减少计算量，降低时耗，是一种高鲁棒性的微表情检测方法。
-
公开(公告)号：CN107358206B
公开(公告)日：2020-02-18
申请号：CN201710572236.6
申请日：2017-07-13
Applicant: 山东大学
Abstract: 一种基于感兴趣区域的光流特征矢量模值和角度结合的微表情检测方法，首先对微表情视频进行预处理得到微表情序列，进而提取人脸关键特征点，根据不同表情FACS运动单元的运动特点，找出效果最好的人脸感兴趣区域；提取感兴趣区域的光流特征，其中本发明首次引入光流矢量的角度信息，通过计算得到光流矢量模值和角度信息，并进一步将两者结合得到更全面、更有判决力的特征检测出微表情片段；最后该方法将光流模值与角度相结合，其中阈值是根据光流模值大小来判断的，利用数形结合方法可以形象直观地得到微表情片段。本发明大大提高了微表情检测效率，仅对人脸重要区域提取光流特征矢量，减少计算量，降低时耗，是一种高鲁棒性的微表情检测方法。
-
公开(公告)号：CN106096528B
公开(公告)日：2019-10-01
申请号：CN201610397211.2
申请日：2016-06-03
Applicant: 山东大学
Abstract: 本发明提供一种基于二维耦合边距Fisher分析的跨视角步态识别方法。本发明结合不同视角下步态能量图的特点以及耦合度量学习在跨域生物特征识别上的优越性，提出了二维耦合边距Fisher分析，在矩阵空间内削弱跨视角步态能量图的数据差异，保持样本间的局部关系，使类间散度最大，类内散度最小，大大提高了跨视角步态识别性能。
-
Patent Agency Ranking
公开(公告)号：CN106650696A
公开(公告)日：2017-05-10
申请号：CN201611257061.1
申请日：2016-12-30
Applicant: 山东大学
Abstract: 一种基于奇异值分解的手写电气元件符号识别方法，包括训练和测试，所述训练包括，对电力工程图进行二值化及去噪处理、对元件以及手写电气元件符号进行切割与标准化；利用奇异值分解思想训练出奇异值分解模型；所述测试包括，对手写电气元件符号进行切割与标准化；对元件通过训练出的奇异值分解模型进行识别。本发明中的特征提取就是根据奇异值分解的相关思想，将手写电气元件与标准电气元件相联系，提取特征利于手写电气元件的特征识别；采用最近邻分类器对样本进行分类，判断识别方法的准确性。
-
公开(公告)号：CN106096532A
公开(公告)日：2016-11-09
申请号：CN201610397900.3
申请日：2016-06-03
Applicant: 山东大学
CPC classification number: G06K9/00348 , G06K9/6256 , G06K9/6267
Abstract: 本发明提供一种基于张量联立判别分析的跨视角步态识别方法，包括构建基于Gabor表示的步态特征、在线模型训练和离线测试。本发明所述方法不仅采用了耦合度量学习的思想削弱了跨视角下数据的异构问题，而且结合了基于Gabor表示的张量步态特征和张量判别分析的思想，提高了步态的分类性能并避免了由于样本过少带来的小样本问题。
-
公开(公告)号：CN105930878B
公开(公告)日：2020-01-14
申请号：CN201610473851.7
申请日：2016-06-24
Applicant: 山东大学
Abstract: 一种基于差分切片能量图和稀疏编码的微表情识别方法，包括构建差分切片能量图和稀疏编码分类；所述构建差分能量图方法为：将已经规范化的微表情视频图像序列相邻帧进行减除，形成微表情特征的差分切片；统计所述差分切片能量，构建成差分切片能量图；所述稀疏编码分类中，所述稀疏编码采用SRC模型或者RSC模型。本发明所提供的方法较MPCA、GTDA、DTSA、以及DSEI+Gabor等方法具有更高的识别率，更低的方差，且对不同类型摄像机拍摄的微表情序列鲁棒性更强。本发明采用差分切片能量图刻画微表情细节，并使用稀疏编码进行分类，不仅能够更好的挖掘出微表情的特征信息，而且大大提高了分类性能。
-
公开(公告)号：CN106650696B
公开(公告)日：2019-12-10
申请号：CN201611257061.1
申请日：2016-12-30
Applicant: 山东大学
Abstract: 一种基于奇异值分解的手写电气元件符号识别方法，包括训练和测试，所述训练包括，对电力工程图进行二值化及去噪处理、对元件以及手写电气元件符号进行切割与标准化；利用奇异值分解思想训练出奇异值分解模型；所述测试包括，对手写电气元件符号进行切割与标准化；对元件通过训练出的奇异值分解模型进行识别。本发明中的特征提取就是根据奇异值分解的相关思想，将手写电气元件与标准电气元件相联系，提取特征利于手写电气元件的特征识别；采用最近邻分类器对样本进行分类，判断识别方法的准确性。
-
公开(公告)号：CN110348271A
公开(公告)日：2019-10-18
申请号：CN201810295901.6
申请日：2018-04-04
Applicant: 山东大学
Abstract: 本发明提供了一种基于长短时记忆网络的微表情识别方法，包括：A、微表情样本处理：1)处理微表情数据集的样本数据和标签数据；2)构建分层数据格式hdf5训练和测试文件；B、长短时记忆网络训练：3)构建卷积神经网络模型，为所构建的卷积神经网络模型微调参数，并训练一个柔性最大值损失函数，使其参数最佳；4)固定训练好的卷积神经网络模型的参数，训练长短时记忆网络模型，使得特定维的损失函数降到最低；C、微表情识别：根据训练好的长短时记忆网络模型，初始化测试参数，将用于测试的样本送入训练好的长短时记忆网络模型中，经过网络前向传播之后输出识别率。本发明提取的特征较已有方法更具有鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
